Google ไม่ได้ขายแค่ Agent แต่กำลังขาย “ระบบปฏิบัติการของ Agent” ให้ทั้งองค์กร

งาน Google Cloud Next ‘26 Day 2 ถ้ามองผ่านๆ จะเหมือนเป็น developer keynote ที่เอา demo มาร้อยเรื่องให้ดูสนุก แต่ถ้ามองลึกอีกนิด สิ่งที่ Google กำลังทำจริงๆ คือวาง stack สำหรับ “agent ในองค์กร” แบบครบวงจร

ไม่ใช่แค่ให้คุณสร้าง agent ได้ แต่ให้คุณเอา agent เข้า production, เชื่อมหลายตัวเข้าหากัน, trace ได้, debug ได้, มี identity, มี policy, มี gateway, มี memory, และมีวิธี scale อย่างเป็นระบบ

ผมมองว่านี่คือสัญญาณสำคัญกว่า feature ย่อยหลายตัวรวมกัน เพราะมันบอกว่า Google ไม่ได้มอง agent เป็น demo layer แล้ว แต่กำลังมองมันเป็น application layer ใหม่ของ enterprise software

—

TL;DR

• Google ใช้ Day 2 ของ Next ‘26 โชว์ภาพเต็มของ Gemini Enterprise Agent Platform
• แก่นไม่ใช่แค่ “build agent ได้” แต่คือมีครบทั้ง build, evaluate, debug, connect, govern, secure, scale
• ฝั่ง developer stack มี ADK, remote MCP servers, Agent Runtime, A2A, A2UI, Agent Registry, Sessions, Memory Bank
• ฝั่ง operations และ governance มี Agent Identity, Agent Gateway, Agent Policies, trace view, Cloud Assist Investigation
• Google ยังโชว์ว่าระบบเดียวกันขยับจาก Cloud Run ไป GKE, เปลี่ยน model, เปลี่ยน storage, และต่อ no-code กับ high-code agents ได้
• มุมที่สำคัญที่สุดคือ Google กำลังขาย “control plane for agents” ไม่ใช่แค่ model access

—

What changed, แล้วทำไมมันไม่ใช่แค่ keynote โชว์ของ

หลายปีที่ผ่านมา เวลา vendor พูดเรื่อง AI agent เรามักเห็นของคล้ายกัน

• สร้าง agent ได้
• มี tools ให้เรียก API
• ต่อ memory ได้
• ทำ demo เดินงานได้ 2-3 ขั้นตอน

แต่พอจะเอาเข้าบริษัทจริง ปัญหาจะโผล่ทันที

• ถ้ามีหลาย agent ใครคุมใคร
• ถ้าผลลัพธ์พัง trace ยังไง
• ถ้าจะให้ agent แตะระบบจริง ใคร authorize
• ถ้าจะให้ทีมอื่น reuse agent ต้องมี registry ไหม
• ถ้าจะให้ security team approve ต้องเห็น policy ตรงไหน
• ถ้าจะให้ scale จาก demo ไป production ต้องย้าย runtime ยังไง

สิ่งที่ Google โชว์ใน Day 2 คือ คำตอบของคำถามพวกนี้เริ่มถูกแพ็กมาเป็น platform เดียวแล้ว

นี่เลยไม่ใช่แค่ “Google ก็มี agent framework เหมือนคนอื่น” แต่มันคือการขยับจาก agent builder ไปเป็น enterprise operating layer สำหรับ agentic systems

—

Demo ที่ Google เลือก ใช้เล่า architecture ได้ฉลาดมาก

Google ใช้เคส “วางแผนเส้นทางวิ่งมาราธอนใน Las Vegas” เป็นตัวอย่าง ในระบบมี 3 agent หลัก

• planner agent สำหรับออกแบบ route
• evaluator agent สำหรับให้คะแนน route ตามข้อกำหนดทางธุรกิจและผลกระทบชุมชน
• simulator agent สำหรับจำลองผลกระทบด้วย actors และ randomized behavior

ถ้าดูผิวเผิน มันเหมือนแค่ demo สนุกๆ แต่จริงๆ มันเป็น use case ที่ดีมาก เพราะมันบังคับให้ Google โชว์ว่า agent platform ที่ดีต้องรองรับอะไรบ้าง

• multi-agent coordination
• evaluation ทั้ง deterministic และ non-deterministic
• UI generation
• memory across runs
• debugging runtime failure
• migration จาก service แบบง่ายไปสู่ infra ที่ scale กว่า
• governance และ security ตอนจะเอาเข้าระบบจริง

เรียกว่ามันเป็น “demo ที่บังคับให้โชว์ของจริง” มากกว่า demo ที่ตั้งใจทำให้ดูสวยเฉยๆ

—

จุดที่น่าจับตาที่สุด: Google กำลังสร้าง internet of agents

ใน keynote มี 3 คำที่ผมว่าควรจำให้ขึ้นใจ

1) A2A หรือ Agent-to-Agent Protocol

Google ใช้ A2A เพื่อให้ agent หลายตัวคุยกันเป็นระบบ

ความสำคัญของมันไม่ใช่แค่ protocol ใหม่ แต่คือมันพยายามทำให้โลก agent เดินไปในทิศทางเดียวกับ web services ในอดีต จากเดิมที่ทุกอย่างคุยกันแบบ ad hoc, framework-specific, ย้ายค่ายยาก ไปสู่โลกที่ agent discover กันได้, เรียกกันได้, และทำงานข้ามขอบเขตได้ง่ายขึ้น

2) Agent Registry

Casey West พูดชัดมากว่า “Think of Agent Registry as the DNS of your internet of agents.”

อันนี้สำคัญมาก เพราะในองค์กรจริง ปัญหาไม่ใช่แค่ “มี agent ไหม” แต่คือ “มี agent อะไรอยู่บ้าง, เวอร์ชันไหน, deploy อยู่ที่ไหน, ใครเป็นเจ้าของ, policy ไหนคุมอยู่”

ถ้าไม่มี registry, agent ทั้งองค์กรจะกลายเป็นเงาๆ เต็มระบบ เหมือน microservices ยุคแรกที่ไม่มี service catalog

3) A2UI

Google ยังโชว์ A2UI หรือ Agent-to-User Interface ที่สร้าง UI แบบ one-shot ได้

จุดนี้คนอาจมองว่าเป็น gimmick แต่จริงๆ มันสะท้อนวิธีคิดใหม่ว่า agent ไม่ควรหยุดแค่ reasoning หรือ tool call มันควรสร้าง surface สำหรับคนใช้งานต่อได้ด้วย

ถ้าแนวคิดนี้โตจริง เราอาจเห็น workflow ที่ agent ไม่ได้แค่ทำงานเบื้องหลัง แต่สร้าง mini app, approval flow, หรือ control surface ให้คนเข้ามาตรวจและแก้ไขได้ทันที

—

จาก fragile loops ไปสู่ระบบที่ evaluate ได้จริง

ประโยคหนึ่งใน keynote ที่ผมชอบมากคือ ทีม Google บอกว่าพวกเขาต้องการพาคนดูจาก “fragile, unpredictable agentic loops” ไปสู่ “a rigorously evaluated network of experts”

นี่คือหัวใจของเรื่องทั้งหมด

agent จำนวนมากที่เราเห็นตอนนี้ยังอยู่ในโลกของ “ลองให้มันทำ แล้วหวังว่ามันจะโอเค” แต่พอเข้าองค์กรจริง มันต้องมี layer ของ evaluation ชัดๆ

ใน demo นี้ Google โชว์ evaluator model ที่ตัดสินได้ทั้ง

• แบบ deterministic เช่น route length
• แบบ non-deterministic เช่น community impact

และใน codelab ก็ชัดว่าเขาพยายามผลักแนวคิด LLM-as-Judge, structured outputs, และ evaluation metrics เข้าไปเป็นส่วนหนึ่งของการพัฒนา agent ตั้งแต่ต้น

ถ้าถามผม นี่คือสิ่งที่แยก “agent demo” ออกจาก “agent system”

—

Memory Bank กับ Sessions คือของที่ enterprise ต้องมี

อีกจุดที่น่าสนใจคือ Google ไม่ได้เล่า memory แบบโรแมนติกว่า agent จะ “จำเราได้” แล้วจบ แต่เล่าแบบ infrastructure มากกว่า

Agent Platform มีทั้ง

• Sessions
• Memory Bank
• และความสามารถในการดึงข้อมูลเพิ่มจาก Spark หรือ database

เหตุผลก็ตรงไปตรงมา Google รู้ว่าคำตอบของ agent ที่ดี ไม่ใช่การเอา raw text ยัดกลับเข้า prompt ทุกครั้ง

ในระบบองค์กรจริง memory ที่ใช้ได้ต้องเป็น

• persistent
• queryable
• governable
• เชื่อมกับ data layer เดิมได้

นี่เป็นวิธีคิดที่ถูกกว่าแนว “โยน memory เข้า context แล้วหวังว่าจะรอด” เยอะ

—

Debugging agent จะกลายเป็น discipline ใหม่ของทีม platform

ช่วงที่ Richard “ทำ simulator พัง” ตั้งใจ ผมว่าดีมาก เพราะมันบังคับให้โชว์โลกจริงของ production agent

Megan O’Keefe ใช้

• Agent Runtime trace view
• Cloud Assist Investigation
• natural language exploration of logs/events
• และ Antigravity IDE ที่ต่อผ่าน MCP

เพื่อไล่หาสาเหตุจนไปเจอบรรทัดโค้ดที่ผิด และ deploy fix กลับเข้า platform

นี่คือภาพที่ชัดว่าอนาคตของ AI platform team อาจไม่ได้มีแค่ DevOps กับ MLOps แต่จะมีสิ่งที่ใกล้เคียงกับ AgentOps เต็มตัว

เพราะสิ่งที่ต้องดูแลไม่ใช่แค่ infra หรือ latency แต่คือ reasoning path, tool calls, traceability, state transitions, และ safety boundaries ของระบบที่กึ่งอัตโนมัติ

—

Security: Google รู้ว่าองค์กรไม่ได้กลัว model อย่างเดียว แต่กลัว “สิทธิ์”

ช่วง security และ governance เป็นอีกจุดที่สำคัญมาก

Google พูดตรงๆ ว่า agents เปิดช่องใหม่ให้ข้อมูลและพฤติกรรมถูก expose ทั้งแบบตั้งใจและไม่ตั้งใจ นั่นแปลว่าถ้าจะเอา agent เข้าองค์กรจริง คุณต้องมีคำตอบเรื่องนี้ให้ได้

Google เลยวางองค์ประกอบไว้ชัด

• Agent Identity ให้ agent แต่ละตัวมี credential เฉพาะและ immutable
• Agent Gateway ใช้ IAM policies คุมว่า action ไหนใครเรียกได้
• Agent Policies เป็น guardrails สำหรับพฤติกรรมของ agent

ผมชอบ framing ที่เขาใช้คำว่าไม่ใช่แค่ “shift left” แต่ต้อง “shift down”

เพราะในโลก agentic systems มันไม่ realistic เลยที่จะให้ developer แบกทุก layer เอง องค์กรต้องมี platform layer ที่ดูแล policy, identity, gateway, observability และ governance ลงไปในระบบเลย

ประเด็นนี้สำคัญมากสำหรับบริษัทใหญ่ เพราะต่อให้ model เก่งแค่ไหน ถ้า security team ยังอธิบายไม่ได้ว่า agent แตะอะไรได้บ้าง ข่าวดีทั้งหมดก็หยุดที่ pilot

—

มุมที่คนไทยควรอ่านให้ขาด: Google กำลังแข่งที่ workflow layer ไม่ใช่ model layer อย่างเดียว

ถ้าดูจากประกาศ Gemini Enterprise Agent Platform เพิ่มเติม Google พูดชัดว่า นี่คือ evolution ของ Vertex AI และต่อจากนี้บริการฝั่ง Vertex AI จะเดินผ่าน Agent Platform เป็นหลัก

และ platform นี้ไม่ได้ขายแค่ model access มันขายครบทั้ง

• model selection ผ่าน Model Garden
• code-first ผ่าน ADK
• low-code ผ่าน Agent Studio
• runtime สำหรับ long-running agents
• memory
• observability
• identity / registry / gateway
• simulation / evaluation
• integration เข้าระบบ enterprise

นี่คือเหตุผลว่าทำไมผมมองว่าข่าวนี้เข้ากับ pattern ai_dev_tools แบบ business impact มากกว่าแค่ข่าว agent ทั่วไป

เพราะมันเปลี่ยนวิธีที่องค์กรจะตัดสินใจเรื่อง AI stack จากเดิมที่ถามว่า “จะใช้ model ไหน” ไปเป็น “จะใช้ platform ไหนเป็น workflow layer ของ agent ทั้งองค์กร”

—

แล้วมันแปลว่าอะไรสำหรับ CTO, platform lead, และทีม transformation

ถ้าคุณอยู่ฝั่งเทคนิคหรือ transformation สิ่งที่ควรถามหลังอ่านข่าวนี้ไม่ใช่ “Google เจ๋งไหม” แต่คือ

1) เรากำลังสร้าง agent แบบกระจัดกระจายเกินไปหรือเปล่า

ถ้าตอนนี้แต่ละทีมมี agent ของตัวเอง แต่ไม่มี registry, trace, policy, identity, eval มันจะเริ่มซับซ้อนเร็วมาก

2) เรามี control plane สำหรับ agent หรือยัง

ถ้ายังไม่มี ต่อให้ pilot สำเร็จ 3-4 ตัว สุดท้ายก็ชนเพดานเรื่อง governance และ reuse

3) ทีม security กับทีม platform ถูกดึงเข้ามาเร็วพอหรือยัง

agent ไม่ใช่แค่ feature ของ product team มันแตะ infra, IAM, data access, observability, และ risk management เต็มๆ

4) เราจะวัด agent ยังไง

ถ้ายังวัดแค่ว่า “มันตอบดีไหม” แปลว่ายังไม่พอ ต้องวัดว่า

• มันทำงานครบ flow ไหม
• error ตรงไหนบ่อย
• policy โดนชนบ่อยไหม
• ใช้ต้นทุนเท่าไร
• outcome ทางธุรกิจดีขึ้นจริงไหม

—

ข้อจำกัดที่ยังต้องระวัง

แม้ภาพรวมจะน่าสนใจมาก แต่ก็มีเรื่องที่ต้องดูต่อ

• Google โชว์ภาพสวยของ platform มาก แต่การใช้งานจริงในองค์กรจะยังติดเรื่อง adoption, skills, และ integration debt
• มาตรฐานอย่าง A2A หรือ A2UI จะโตจริงแค่ไหน ต้องดูว่าค่ายอื่นยอมเล่นด้วยไหม
• การมี stack ครบไม่ได้แปลว่าใช้ง่ายเสมอไป บางองค์กรอาจรู้สึกว่ามันใหญ่เกิน need
• ถ้าองค์กรใช้ multi-cloud หรือมี AI stack เดิมอยู่แล้ว การล็อกเข้ากับ platform เดียวต้องชั่งน้ำหนักให้ดี

แต่ถึงมีข้อจำกัด ผมยังคิดว่าสิ่งที่ Google ทำรอบนี้มีน้ำหนัก เพราะมันตอบ pain point จริงของ enterprise มากกว่าการแข่งโชว์ model benchmark อย่างเดียว

—

สรุป

ผมมองว่า Google Cloud Next Day 2 รอบนี้สำคัญ เพราะมันทำให้เราเห็นภาพชัดขึ้นว่า agent ในองค์กรกำลังจะเดินไปทางไหน

ไม่ใช่ทางของ chatbot ที่เก่งขึ้นเรื่อยๆ อย่างเดียว แต่เป็นทางของระบบที่มี

• agent หลายตัว
• memory
• protocol
• UI
• runtime
• observability
• security
• governance
• และ deployment path ไปสู่ production

ถ้าโลก software เคยมี application server, API gateway, service registry, observability stack โลกของ agent ก็กำลังเริ่มมีสิ่งพวกนี้ครบชุดเหมือนกัน

และ Google กำลังพยายามเป็นเจ้าของชั้นนั้น

พูดอีกแบบคือ Google ไม่ได้อยากขายแค่ AI model แต่กำลังพยายามขาย “ระบบปฏิบัติการของ agent” ให้ทั้งองค์กร

—

FAQ

ถาม: ข่าวนี้สำคัญกว่าการเปิดตัว model ใหม่ยังไง? ตอบ: เพราะ pain จริงขององค์กรไม่ใช่แค่เลือก model แต่คือการ build, control, secure, evaluate และ scale agent ให้ทำงานจริงในระบบงานได้ ข่าวนี้เลยกระทบ workflow และ architecture มากกว่า benchmark อย่างเดียว

ถาม: Gemini Enterprise Agent Platform คืออะไร? ตอบ: เป็น platform ใหม่ของ Google Cloud ที่ต่อยอดจาก Vertex AI เพื่อ build, scale, govern, optimize และ deploy agents ในระดับองค์กร พร้อมเครื่องมืออย่าง ADK, Agent Runtime, Memory Bank, Agent Identity, Agent Gateway และ Agent Registry

ถาม: A2A กับ A2UI สำคัญยังไง? ตอบ: A2A คือ protocol สำหรับให้ agent คุยกันและทำงานร่วมกันได้เป็นระบบ ส่วน A2UI คือแนวทางให้ agent สร้าง UI สำหรับคนใช้งานได้เร็วขึ้น ทั้งสองตัวสำคัญเพราะมันช่วยเปลี่ยน agent จากของเดี่ยวๆ ไปสู่ workflow ที่ต่อกันได้จริง

ถาม: ใครควรสนใจเรื่องนี้มากที่สุด? ตอบ: CTO, platform lead, enterprise architect, security team และทีม transformation ที่กำลังคิดว่าจะเอา AI agent เข้าองค์กรอย่างไรโดยไม่กลายเป็น chaos