Google I/O 2026: Agentski proizvodi širom Pretrage, Workspace-a i Kupovine

Google I/O 2026 je pokazao da agentska veštačka inteligencija prevazilazi demonstracije modela i razvojne alate i ulazi u svakodnevne površine proizvoda. Ovaj članak detaljno objašnjava kako Search, Workspace, Gemini Spark i Universal Cart ukazuju na novi model proizvoda u kojem Google agenti pomažu korisnicima da istražuju, rade, kupuju i deluju kroz povezane usluge.
Objavljeno:
Aleksandar Stajić
Ажурирано: 21. мај 2026. 13:09
Google I/O 2026: Agentski proizvodi širom Pretrage, Workspace-a i Kupovine

Google I/O 2026 je jasno stavio do znanja jednu stvar: agentska veštačka inteligencija se više ne zadržava unutar programerskih alata ili demo verzija modela. Google uvodi agente u proizvode koje ljudi već koriste svakodnevno: Search, Gemini, Workspace, Shopping, YouTube, Gmail i širi ekosistem povezan sa Android-om. Zato je ovaj članak krak o agentskim potrošačkim proizvodima unutar većeg Google I/O 2026 arhitektonskog čvorišta.

Tehnička priča nije samo u tome što je Google dodao više AI funkcija. Dublja promena je u tome što Google pretvara površine proizvoda u površine za delovanje. Pretraga postaje konverzacijska i agentska. Workspace se pomera sa pomoći pri pisanju ka izvršavanju zadataka. Shopping postaje trajni sistem za korpu i donošenje odluka. Gemini Spark je pozicioniran kao lični agent koji može da se poveže sa različitim Google proizvodima i deluje pod uputstvima korisnika.

To se direktno povezuje sa ostalim člancima u ovom klasteru. Osnovne mogućnosti modela su pokrivene u Gemini Omni i Gemini 3.5. Sloj orkestracije na strani programera pokriven je u Antigravity, AI Studio i Google DevTools. Sloj fizičkog interfejsa pokriven je u Android XR i pametnim naočarima. Ovaj članak se fokusira na ono što se dešava kada taj isti agentski pravac stigne do potrošačkih i produktivnih proizvoda.

Zaokret u proizvodima: Od asistencije do delegiranja

Starije funkcije AI proizvoda su uglavnom bile asistivne. One su sumirale, prepisivale, predlagale ili odgovarale. Google I/O 2026 pokazuje snažniji pomak ka delegiranju. Korisnik traži ishod, a sistem počinje da koordinira informacije, kontekst, alate i naknadne akcije. To je drugačiji model proizvoda. To menja očekivanja korisnika i menja inženjerski rizik.

  • Pretraga postaje manje stvar jednog upita, a više kontinuiranog istraživanja i agentske pomoći.
  • Workspace postaje manje stvar pomoći oko dokumenata, a više koordinacije rada.
  • Kupovina postaje manje stvar pronalaženja proizvoda, a više upravljanja korpom svesnog namere korisnika.
  • Gemini postaje manje chatbot, a više sloj ličnog agenta kroz Google proizvode.
Prava promena nije prelazak sa rezultata pretrage na AI odgovore. Prava promena je prelazak sa odgovora na akcije.— Perspektiva arhitekture proizvoda

Pretraga: Od polja za upit do agentske površine

Google-ova najava za Search na I/O 2026 opisuje novu eru za AI pretragu, sa naprednim mogućnostima modela koje omogućavaju korisnicima da pristupe agentima postavljanjem pitanja. Takođe uvodi novo polje za pretragu pokretano veštačkom inteligencijom, što Google definiše kao najveću nadogradnju pretrage u više od 25 godina. Ta formulacija nije zanemarljiva. Ona sugeriše da Google vidi samu pretragu kao ulazna vrata za agentsko ponašanje.

Važna promena proizvoda je to što Pretraga više ne mora da se zaustavlja na preuzimanju informacija. Ona može postati ulazna tačka radnog toka. Umesto da postavi jedno pitanje i ručno spaja narednih pet koraka, korisnik može da zatraži pomoć koja obuhvata istraživanje, sintezu, poređenje, planiranje i, ponekad, akciju. To je moćno, ali takođe pokreće očigledna pitanja o citatima, neutralnosti rangiranja, raznolikosti izvora i korisničkoj kontroli.

// Stari obrazac pretrage
upit -> rangirani linkovi -> korisnik odlučuje o sledećem koraku // Agentni obrazac pretrage
namera -> rasuđivanje modela -> utemeljenje u izvorima -> opcije akcije -> potvrda korisnika

Zbog toga priča o Pretrazi pripada istom klasteru kao i Gemini 3.5. Agentu za pretragu su potrebni jako rasuđivanje, brzina, rukovanje izvorima i disciplina izvršavanja. Ako je sloj modela slab, Pretraga postaje previše samouverena. Ako je sloj proizvoda slab, korisnik gubi kontrolu. Ako je sloj rangiranja i dokaza slab, celom sistemu postaje teže verovati.

Workspace: Gemini Spark i smer razvoja ličnog agenta

Workspace je mesto gde agentni pomak postaje veoma ličan. Google-ova ažuriranja za Workspace sa I/O 2026 predstavljaju Gemini Spark kao ličnog AI agenta koji je dostupan 24/7, pomaže korisnicima da se snalaze u svom digitalnom životu i deluje u njihovo ime pod njihovim uputstvima. Google takođe navodi da se Spark može povezati sa različitim Google proizvodima i da je dizajniran tako da prvo pita pre nego što preduzme akcije visokog rizika, kao što su slanje e-pošte ili dodavanje događaja u kalendar.

Ta poslednja tačka je važna. Ako agent može da pristupi Gmail-u, Kalendaru, Dokumentima, Drive-u i drugim alatima za produktivnost, granica poverenja postaje mnogo ozbiljnija. Pogrešan predlog pasusa je iritantan. Pogrešan imejl, akcija u kalendaru, promena dozvola za datoteku ili automatizovano praćenje mogu stvoriti stvarnu operativnu štetu.

  • Upravljanje imejlovima i njihovo rezimiranje postaju problemi rutiranja zadataka.
  • Kalendar i zakazivanje postaju problemi izvršavanja osetljivi na dozvole.
  • Dokumenti i saradnja postaju problemi zajedničkog konteksta.
  • Delovanje između različitih proizvoda postaje problem upravljanja i potvrde.
// Šablon kontrole agenta za ličnu produktivnost
if action.risk == "high": require_user_confirmation() show_action_preview() log_decision()
else: execute_with_visible_history()

Obećanje proizvoda je očigledno: manje administrativnog opterećenja, manje promena konteksta i više kontinuiteta u svakodnevnom radu. Rizik je takođe očigledan: kada agent postane dovoljno koristan da deluje, mora postati dovoljno kontrolisan da bi mu se verovalo.

Kupovina: Univerzalna korpa i agentska trgovina

Kupovina je možda komercijalno najvažniji deo priče o agentskim proizvodima na I/O 2026. Google je predstavio Univerzalnu korpu kao inteligentnu, proaktivnu korpu za kupovinu napravljenu da radi kod različitih trgovaca i usluga. Google je opisuje kao čvorište gde korisnici mogu da dodaju stavke dok pretražuju Pretragu, ćaskaju sa Gemini-jem, gledaju YouTube ili čitaju Gmail.

To nije samo funkcija korpe. To je kontrolni sloj trgovine. Ako korpa može da opstane na različitim površinama za otkrivanje proizvoda, razmišlja o kompatibilnosti, razume informacije o lojalnosti i pogodnostima plaćanja, i predlaže bolje alternative, onda Google ne pomaže samo korisnicima da kupuju. On oblikuje sam tok kupovine.

// Univerzalna korpa nije samo skladište
cart.add(item)
cart.checkCompatibility(items)
cart.compareMerchantOffers()
cart.applyWalletContext()
cart.suggestAlternatives()
cart.prepareCheckout()

Primer računara po meri iz Google-a je dobar signal: korpa koja označava nekompatibilnosti proizvoda prelazi iz pasivnog kontejnera u asistenta za donošenje odluka. To je vredno. To je takođe i osetljivo. Onog trenutka kada agent preporuči zamene ili odredi prioritet ponuda, rangiranje proizvoda, pravičnost prema trgovcima, afilijat podsticaji i poverenje korisnika postaju centralna pitanja dizajna.

Strateški obrazac: Jedan agentski sloj kroz više proizvoda

Pretraga, Workspace i Kupovina izgledaju kao različite priče, ali strateški ukazuju u istom smeru. Google gradi agentski sloj koji može da funkcioniše kroz prostore za otkrivanje, produktivnost, komunikaciju, trgovinu i uređaje. Zato se ova tema ne može posmatrati kao nasumična lista ažuriranja funkcija. To je potez konsolidacije platforme.

Isti obrazac se pojavljuje u ostatku Google I/O 2026 klastera. Modeli pružaju sposobnost rasuđivanja i delovanja. Razvojni alati pružaju okruženja za orkestraciju i izvršavanje. Android XR i pametne naočare premeštaju asistenta u živi fizički kontekst. Pretraga, Workspace i Kupovina pretvaraju tu istu logiku asistenta u svakodnevno ponašanje proizvoda.

  • Pretraga postaje agentsko okruženje za otkrivanje i istraživanje.
  • Workspace postaje agentsko okruženje za produktivnost i lični tok posla.
  • Kupovina postaje agentsko okruženje za trgovinu i podršku pri donošenju odluka.
  • Gemini postaje vezivno tkivo u celom sistemu.

Gde ovo postaje tehnički teško

Težak problem nije pravljenje impresivnih demo snimaka. Težak problem je održavanje ponašanja agentskih proizvoda bezbednim, reverzibilnim, objašnjivim i pod kontrolom korisnika u velikom obimu. Agentima za pretragu su potrebni utemeljenje i dokazi. Agentima za radni prostor su potrebne granice dozvola i pravila potvrde. Agentima za kupovinu su potrebne transparentne preporuke i neutralnost trgovaca. Agentima koji rade na više proizvoda su potrebni identitet, memorija, privatnost i revizorski tragovi.

agenticProductRequirements = { grounding: "prikaži izvore i granice rasuđivanja", confirmation: "pitaj pre akcija visokog uticaja", reversibility: "omogući opoziv akcija gde god je to moguće", privacy: "ograniči deljenje konteksta između proizvoda", auditability: "vodi vidljivu istoriju akcija za korisnika", fairness: "izbegavaj skrivenu manipulaciju rangiranjem"
};

Ovde se agenti namenjeni korisnicima počinju preklapati sa ozbiljnim inženjeringom platformi. Što asistent postaje korisniji, to mu je više potrebno kontrola koje se obično povezuju sa korporativnim sistemima: verziranje, dozvole, logovi, granice politika, vraćanje unazad (rollback) i evaluacija. Poliranje proizvoda ne uklanja taj zahtev.

Zašto je ovo važno za izdavače, prodavnice i programere

Ako Google pretraga postane više agentska, izdavači moraju da razmišljaju izvan klasičnog rangiranja. Sadržaj mora biti dovoljno strukturiran da bi se mogao preuzeti, rezimirati, uporediti i citirati u konverzacijskim i agentskim kontekstima. Ako Shopping postane više agentski, trgovcima su potrebni čisti podaci o proizvodima, metapodaci o kompatibilnosti, pravila, recenzije, tačnost zaliha i transparentnost cena. Ako agenti u stilu Workspace-a postanu uobičajeni, SaaS proizvodima će biti potrebni jasniji API-ji i bolji modeli dozvola.

  • Izdavačima je potreban jači strukturirani sadržaj i jasniji tematski autoritet.
  • Trgovcima su potrebni podaci o proizvodima o kojima agenti mogu da rasuđuju, a ne samo stranice koje korisnici mogu da pregledaju.
  • Programerima su potrebni API-ji dizajnirani za bezbedno delovanje, a ne samo za interakciju zasnovanu na ekranu.
  • Proizvodnim timovima su potrebni eksplicitni tokovi potvrde i opoziva za zadatke visokog uticaja.

Ovo je takođe i praktičan SEO ugao. Ako agentska pretraga počne da posreduje u više korisničkih putovanja, sadržaj koji je tehnički jasan, semantički strukturiran i interno dobro povezan postaje još važniji. Ravna gomila članaka je slabija od koherentnog "hub-and-spoke" klastera sa jasnim tematskim ulogama.

Rizik: Agentska praktičnost može sakriti gubitak kontrole

Praktičnost je prodajna tačka. Kontrola je test. Agent proizvoda koji može da sumira, poredi, preporučuje, zakazuje, kupuje ili šalje poruke može uštedeti vreme. Ali takođe može i da sakrije logiku donošenja odluka iza uglađenog interfejsa. Korisnici moraju imati mogućnost da vide šta se dogodilo, zašto se dogodilo, koji podaci su korišćeni i kako da ponište ili isprave ishod.

Proizvod zasnovan na agentima je pouzdan samo ako korisnik ostane krajnji autoritet, a ne poslednja osoba koja saznaje šta se dogodilo.— Perspektiva rizika potrošačke veštačke inteligencije

Zato je važna formulacija oko toga da Gemini Spark traži potvrdu pre akcija visokog rizika. To signalizira da Google razume rizik. Pravo pitanje je da li će te kontrole ostati jasne i dosledne kada se agenti prošire na proizvode, pretplate, uređaje i integracije trećih strana.

Kako se ovo uklapa u Google I/O 2026 klaster

Ovaj članak upotpunjuje proizvodni sloj klastera. Glavno Google I/O 2026 čvorište objašnjava promenu na nivou platforme. Gemini Omni i Gemini 3.5 pokrivaju sloj modela. Antigravity, AI Studio i Google DevTools pokrivaju sloj izvršavanja za programere. Android XR i inteligentne naočare pokrivaju sloj uređaja. Ovaj članak pokriva šta se dešava kada ista agentska arhitektura stigne do svakodnevnih površina proizvoda.

Povezani članci u ovom klasteru

Završna perspektiva

Google I/O 2026 pokazuje da se agentski AI seli sa demonstracija modela na svakodnevne površine proizvoda. Pretraga postaje konverzacijskija i više orijentisana na akciju. Workspace se približava ličnom operativnom sloju. Kupovina postaje trajna površina za rezonovanje kroz Universal Cart. Ovo nije samo proširenje funkcija. To je pokušaj kompanije Google da učini Gemini povezujućim agentom kroz informacije, rad, trgovinu i uređaje. Prilika je ogromna, ali test je kontrola: korisnici moraju razumeti šta agent radi, zašto to radi i kada oni ostaju glavni.

Related Articles

Zašto AI pronalazi neke izvore, a ignoriše druge? — Sloj autoriteta za pronalaženje

Zašto AI pronalazi neke izvore, a ignoriše druge? — Sloj autoriteta za pronalaženje

Pronalaženje relevantnog dokumenta nije dovoljno. AI sistemi takođe treba da razlikuju izvore koji su aktuelni, merodavni, primenljivi i sledljivi od izvora koji samo izgledaju slično. Sloj autoriteta pronalaženja definiše tu granicu odabira izvora.

Sveobuhvatni vodič za okidače povlačenja u poslovnim AI runbooks-ovima

Sveobuhvatni vodič za okidače povlačenja u poslovnim AI runbooks-ovima

Ovaj vodič istražuje Rollback Triggers, ključne mehanizme u enterprise AI runbooks koji automatski otkrivaju anomalije i pokreću rollback-ove radi održavanja stabilnosti sistema. Naučite kako da konfigurišete, nadgledate i optimizujete ove triggere za robusne AI deploymente.

Google I/O 2026: Gemini Omni, Gemini 3.5 i računarski sloj iza agentske veštačke inteligencije

Google I/O 2026: Gemini Omni, Gemini 3.5 i računarski sloj iza agentske veštačke inteligencije

Google I/O 2026 je postavio Gemini Omni i Gemini 3.5 u središte Google-ove strategije za agentsku veštačku inteligenciju. Ovaj članak analizira razliku između multimodalnog kreiranja i inteligencije na nivou delovanja, zašto je Gemini 3.5 Flash važan za agente i kodiranje, i kako ovi modeli pokreću širu promenu platforme Google I/O 2026.

Koliko je tvrdnja o AI udaljena od dokaza? — Udaljenost dokaza

Koliko je tvrdnja o AI udaljena od dokaza? — Udaljenost dokaza

Nisu svi podržani odgovori podjednako blizu svojim dokazima. Udaljenost dokaza je praktičan način da se opiše koliko transformacija, sažetaka, pretpostavki i koraka zaključivanja razdvaja tvrdnju AI od direktno proverljivih dokaza.

Praktična monorepo arhitektura sa Next.js, Fastify, Prisma i NGINX

Praktična monorepo arhitektura sa Next.js, Fastify, Prisma i NGINX

Istražite praktičnu monorepo arhitekturu koristeći Next.js, Fastify, Prisma i NGINX, ističući integraciju i tok rada iz stvarnog sveta.

Google I/O 2026: Android XR, inteligentne naočare i ambijentalni AI interfejs

Google I/O 2026: Android XR, inteligentne naočare i ambijentalni AI interfejs

Google I/O 2026 je pogurao Android XR i inteligentne naočare od koncepta ka smeru stvarne platforme. Ovaj članak analizira audio-naočare, naočare sa ekranom, kontekstualnu svest koju pokreće Gemini, implikacije za programere, rizike po privatnost i zašto se nosiva veštačka inteligencija manje bavi zamenom telefona, a više kreiranjem ambijentalnih površina za asistenciju.

Kanonska Arhitektura, Dizajn URL-a, Logika Rezolvera, Specifikacija API-ja i Skalabilnosti

Kanonska Arhitektura, Dizajn URL-a, Logika Rezolvera, Specifikacija API-ja i Skalabilnosti

Geografski zasnovana arhitektura za otkrivanje za višekorisničke portale. Definiše kanonske URL adrese, logiku razrešavanja, strategiju keširanja i geo model za čitanje bez sprezanja sa CMS-om ili refaktorisanja baze podataka. Dizajnirano za SEO stabilnost, skalabilnost i buduća proširenja poput rezervacija i mapa.

Migracija sa OpenAI Agents SDK na Agents API: Šta se zapravo menja arhitektonski?

Migracija sa OpenAI Agents SDK na Agents API: Šta se zapravo menja arhitektonski?

Migracija sa OpenAI Agents SDK na novi Agents API nije samo preimenovanje importa. Granica izvršnog okruženja se menja: petlja agenta, trajna sesija, orkestracija, sažimanje konteksta i oporavak premeštaju se ka upravljanom okviru. Ovaj vodič pokazuje šta treba premestiti, šta treba da ostane u vašoj aplikaciji i kako da dokažete migraciju pre prelaska.

Agentna AI objašnjena: Kada AI sistem može da planira, koristi alate i deluje

Agentna AI objašnjena: Kada AI sistem može da planira, koristi alate i deluje

Agentna AI koristi modele unutar višekoračnih izvršnih petlji gde mogu da biraju alate, posmatraju rezultate, ažuriraju stanje i prilagode svoju sledeću akciju unutar eksplicitnih granica izvršavanja i dozvola.

Odakle LLM dobija svoje podatke? RAG izvori podataka u Python-u

Odakle LLM dobija svoje podatke? RAG izvori podataka u Python-u

LLM ne zna magično vaše fajlove, baze podataka ili API-je. Ovaj praktični nastavak RAG serije pokazuje, uz jednostavan Python, kako eksterni podaci postaju dokazi koji se mogu pronaći: od tekstualnih fajlova i SQL-a do pretrage punog teksta, embeddinga, sastavljanja konteksta i konačnog LLM poziva.

Generativna veštačka inteligencija objašnjena: modeli, pretraga, alati i aplikacije nisu ista stvar

Generativna veštačka inteligencija objašnjena: modeli, pretraga, alati i aplikacije nisu ista stvar

Generativna AI je više od modela. Saznajte kako se modeli, pretraga, alati, kontekst, okruženja i aplikacije uklapaju u produkcione AI sisteme.

Izvor istine u AI sistemima: Odakle pouzdano znanje zaista dolazi

Izvor istine u AI sistemima: Odakle pouzdano znanje zaista dolazi

Izvor istine definiše koji je izvor merodavan za određenu činjenicu ili stanje. Saznajte kako se razlikuje od RAG-a, porekla, memorije, konteksta, vektorskih baza podataka i sistema evidencije.