Google je objavil Gemini 2.5 Computer Use, napreden model umetne inteligence, ki zna krmariti po spletnih straneh in uporabljati digitalne vmesnike skoraj tako kot človeški uporabnik.
Novi model predstavlja pomemben preskok v avtomatizaciji z umetno inteligenco in neposredno izziva konkurenco na hitro rastočem trgu “browser agentov”.
Kaj prinaša novi model?
Gemini 2.5 Computer Use deluje na osnovi vizualnega razumevanja in sklepanja, kar mu omogoča izvajanje zapletenih opravil na spletu – od klikanja gumbov, tipkanja besedila in pomikanja po straneh do izpolnjevanja obrazcev in celo povleci-in-spusti funkcionalnosti.
Za razliko od tradicionalne avtomatizacije, ki temelji na API-jih, Googlov model uporablja grafične uporabniške vmesnike (GUI), zato se zna prilagoditi tudi dinamičnim stranem in aplikacijam, ki spreminjajo svojo postavitev.
Odgovor na konkurenco
Objava prihaja le nekaj tednov po OpenAI-jevih agentih in gradi na zmožnostih, ki jih je Anthropic predstavil že lani. Medtem ko nekateri tekmeci ponujajo celovit nadzor nad namizjem, se Google osredotoča na brskalniško izkušnjo. Model podpira 13 osnovnih akcij in se je v testih izkazal za hitrejšega ter natančnejšega od konkurence.
Na Online-Mind2Web merilu je dosegel 76,7 % natančnost, kar je več kot Claude Sonnet (61,9 %) in OpenAI (44,3 %). V testu WebVoyager je bil rezultat 79,9 %, prav tako pred tekmeci.
Uporaba v Googlovem ekosistemu
Gemini 2.5 Computer Use že napaja projekte kot sta Project Mariner in AI Mode v Googlovem iskalniku. Pri internem testiranju je ekipa za plačilne storitve zabeležila, da je model uspešno rešil več kot 60 % primerov napak, ki so jih prej odpravljali več dni.
Tržni vpliv in dostopnost za razvijalce
Model je na voljo prek Google AI Studio in Vertex AI, z enakim cenovnim modelom kot Gemini 2.5 Pro. Vstopa v plačljivo rabo od začetka, brez brezplačnega nivoja, kot ga ima standardni Gemini.
Trg agentov AI, vreden 3,7 milijarde USD v 2023, naj bi se do konca leta 2025 podvojil na več kot 7,3 milijarde USD. Googlov širok ekosistem (iskalnik, Android, YouTube Google Workspace) mu daje pomembno prednost pred specializiranimi ponudniki.
Varnost na prvem mestu
Google poudarja večplastne zaščite: vsako dejanje modela gre skozi varnostni pregled, razvijalci imajo nadzor nad dovoljenimi operacijami, občutljiva dejanja (npr. nakupi) pa zahtevajo potrditev uporabnika. Poleg tega sistem vključuje varovalke proti morebitnim varnostnim zlorabam.
Kaj sledi?
Gemini 2.5 Computer Use nakazuje smer, v katero gre avtomatizacija – k AI, ki lahko dejansko “uporablja internet” namesto uporabnika. To odpira vrata hitrejšim delovnim procesom, naprednim digitalnim pomočnikom in povsem novim aplikacijam, kjer bo človek AI-ju zaupal opravila, ki so bila do zdaj rezervirana za ročno interakcijo.
