Google gjør Gemini til datamaskinbruker

Google flytter computer use fra spesialmodell til hovedmodell. Gemini 3.5 Flash får nå en innebygd evne til å se, resonnere og handle på tvers av nettleser, mobil og skrivebord. Det gjør agentarbeid mer tilgjengelig, men også vanskeligere å behandle som et avgrenset eksperiment.

Tidligere var Googles computer use-funksjon tilgjengelig som en egen Gemini 2.5-modell. Nå er den integrert i Gemini 3.5 Flash, modellen som Google peker utviklere og virksomheter mot for bredere agentbruk. Selskapet sier at utviklere kan bruke funksjonen via Gemini API og Gemini Enterprise Agent Platform.

Dette er ikke bare en ny modellfunksjon. Det er en produktbeslutning. Når computer use ligger i en vanlig modell, blir terskelen lavere for å bygge agenter som klikker, leser skjermbilder, fyller ut skjemaer, kjører arbeidsflyter og tester programvare. Den typen automatisering treffer ikke bare utviklingsmiljøene. Den treffer kundeservice, økonomi, HR, juridisk, innkjøp og alle andre funksjoner som fortsatt arbeider i nettleserbaserte systemer.

Google beskriver bruken som relevant for lange enterprise-oppgaver, kontinuerlig programvaretesting og kunnskapsarbeid i profesjonelle applikasjoner. Det er presist nok. Mange virksomheter har applikasjoner som aldri får gode API-er, men som likevel styrer viktige prosesser. En modell som kan bruke grensesnittet direkte, blir derfor fristende.

Agenten kommer inn i de gamle systemene

CIO-er har brukt mange år på integrasjoner, prosessmotorer og API-forvaltning. Computer use angriper samme problem fra motsatt kant. I stedet for at systemet eksponerer et pent endepunkt, får agenten evne til å bruke skjermen slik et menneske gjør.

Det kan gi rask gevinst. En agent kan hente status i et leverandørsystem, sjekke avvik i en intern portal, fylle ut en repetitiv rapport eller teste en webflyt uten at IT først må bygge en komplett integrasjon. For virksomheter med gamle fagsystemer er dette attraktivt. Det er også akkurat der risikoen bor.

Når en agent bruker et grensesnitt som et menneske, arver den ofte menneskets rettigheter. Den ser det brukeren ser. Den kan trykke på de samme knappene. Den kan gjøre feil i samme systemer. Forskjellen er tempo, skala og utholdenhet. Et menneske kan gjøre én feil. En dårlig styrt agent kan gjenta feilen hundre ganger før noen oppdager den.

Derfor er Gemini-nyheten viktigere enn en vanlig modelloppgradering. Den gjør computer use til en standardkapabilitet i en modellfamilie mange virksomheter allerede vurderer. Da må styringen flyttes før utrullingen, ikke etter.

Google peker selv på prompt injection

Google adresserer sikkerhet direkte. Selskapet sier at Gemini 3.5 Flash er trent med målrettet adversarial training for å redusere prompt injection-risiko i live miljøer. Google lanserer også to valgfrie enterprise-sikringer: eksplisitt brukerbekreftelse for sensitive eller irreversible handlinger, og automatisk stopp av oppgaver hvis indirekte prompt injection identifiseres.

Det er et nyttig signal. Leverandøren sier i praksis at computer use ikke kan behandles som vanlig tekstgenerering. Når modellen leser nettsider, dokumenter, meldinger eller skjermbilder, kan den også lese instruksjoner en angriper har plantet der. Hvis modellen samtidig kan handle, blir innhold en kommandooverflate.

Google anbefaler defense-in-depth med sandkasser, human-in-the-loop-verifisering og strenge tilgangskontroller. Det er ikke pynt i dokumentasjonen. Det bør være minstekrav i enhver intern policy for agenter som får bruke nettleser eller desktop.

For CISO betyr dette at man må skille mellom tre ting: hva modellen får lese, hva den får foreslå, og hva den får utføre. Mange pilotprosjekter hopper rett fra lesing til handling fordi demoen ser bra ut. Produksjon krever en annen disiplin.

Hva norske virksomheter bør gjøre nå

Første steg er å klassifisere handlinger. Å lese en faktura, hente en status eller sammenligne to skjermbilder er ikke samme risiko som å sende en betaling, endre en kundeadresse eller oppdatere en kontrakt. Agentplattformer må ha ulike regler for lesing, skriving og irreversible handlinger.

Andre steg er identitet. En agent bør ikke bare låne en generell brukerkonto med brede rettigheter. Den bør ha egen identitet, avgrensede roller og sporbarhet. Det må være mulig å se hvilken agent som gjorde hva, på vegne av hvem, med hvilken instruks og hvilken godkjenning.

Tredje steg er miljø. Computer use bør ikke starte på en ansatts vanlige maskin med åpne faner, personlige tokens og fri nettverkstilgang. Den bør kjøre i kontrollerte sandkasser med nettverksregler, logging og klare grenser for filer, utklippstavle og systemtilgang.

Fjerde steg er innkjøp. Når leverandører nå bygger computer use inn i modellene sine, må kravene inn i databehandleravtaler, revisjonsunderlag og risikoanalyser. Spør etter logger, retention, rollemodell, tenant-isolasjon, håndtering av prompt injection, godkjenningsflyt og støtte for å stoppe eller rulle tilbake agenthandlinger.

Hvorfor dette bør være hovedsak

Google har ikke bare lansert en ny demo. Selskapet har lagt computer use inn i en hovedmodell og koblet den til enterprise-plattformen sin. Det betyr at agentfunksjoner som tidligere var for teknologimiljøer, nå beveger seg mot vanlig virksomhetsautomatisering.

For ledelsen er gevinsten enkel å forstå: mindre manuell punching i gamle systemer. Risikoen er like enkel: mer maskindrevet handling i systemer som aldri ble designet for autonome brukere.

De neste 12 månedene kommer mange virksomheter til å teste agenter som bruker nettleseren. De som vinner på det, blir ikke de som sier ja til flest demoer. Det blir de som gjør agenten til en styrt digital medarbeider med minst mulig rettigheter, gode logger og klare stoppunkter.

Kilder og medier

Primærkilde: Google, “Introducing computer use in Gemini 3.5 Flash”, https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-computer-use-gemini-3-5-flash/

Kildekreditering: Google / Google DeepMind. Thumbnail: OpenAI Image 2 / hogby.ai