Google Cloud 正進一步把 Gemini 從通用型企業 AI 平台，推向針對特定行業工作流程的專業工具。公司日前宣布推出 Gemini Enterprise for Financial Services 及 Gemini Enterprise for Legal，分別針對金融服務和法律工作需要，加入專用 AI 代理、行業技能、資料連接器及第三方合作夥伴整合；同時，Google Cloud 亦為 Gemini Enterprise 推出新的即付即用、共享配額、長期用量折扣及支出上限等機制，試圖解決企業大規模部署 AI 代理時最現實的兩個問題——「能不能管」以及「花多少錢」。
這兩項公布其實反映出 Google 更清晰的企業 AI 策略：與其單純向企業出售一個功能愈來愈強的 Gemini 模型，不如把 AI 直接嵌入受到嚴格管制、資料來源複雜，而且每個工作流程都牽涉成本與責任的核心業務之中。
金融版強調可追溯、可驗證，不只追求「答得快」
金融業是生成式 AI 最具吸引力、同時亦最難落地的市場之一。分析市場、整理公司資料、撰寫研究報告等工作，本身非常適合 AI 自動化；但金融機構面對法規遵循、資料來源、審計及風險管理要求，不能只接受一個「看起來合理」的答案。
Google 因此把 Gemini Enterprise for Financial Services 的重點放在資料可解釋性及工作流程治理。其中 Financial Research agent 可自動處理端到端金融研究，內建超過 50 種基礎技能，並提供 confidence scores、研究方法、可審計的資料快照及引用來源，讓分析結果可以追溯和核實。它亦可經 Gemini Enterprise 使用，或者透過 Agent-to-Agent API 接駁企業現有的代理工作流程。
除了研究代理，Google 亦加入針對金融工作的技能，包括信貸風險評估、投資組合監控、市場新聞綜合分析，以及調查性金融研究。平台同時提供與 CoinDesk Data & Indices、FactSet、LSEG、Moody’s、MSCI、PitchBook、S&P Global 及 SEC Edgar 等 13 個資料來源的整合。
這種設計的重要之處，在於 Google 並非要求金融機構把既有資料和系統搬進一個全新的封閉 AI 環境，而是嘗試讓 Gemini 成為現有資料供應商、內部系統及 AI 代理之間的「協調層」。Google Cloud 行政總裁 Thomas Kurian 亦明言，金融客戶希望使用不會被單一模型或生態系統綁定、能連接現有 IT 系統，同時具備安全及合規能力的平台。
法務版瞄準合約、盡職審查及監管工作
Gemini Enterprise for Legal 則針對另一類高度依賴文件、知識及責任追蹤的工作。
Google 指出，一般通用 AI 缺乏法律工作所要求的嚴格保密、ethical walls、法律依據驗證及完整資料隔離；但如果企業自行把多款單點 AI 工具拼湊起來，又會增加整合成本及系統脆弱性。Gemini Enterprise for Legal 因此把合約審閱、盡職審查、監管監控及私隱資料請求等流程放在同一平台處理。
其行業專用技能涵蓋法律文件擬稿、引用來源驗證、合約生命週期管理、法規趨勢監控，以及 Data Subject Access Request（DSAR）處理。平台亦可透過 MCP 連接 Docusign、Everlaw、Harvey、iManage、Legora、NetDocuments、RelativityOne、Solve Intelligence 及 Thomson Reuters 等法律科技平台。
對律師樓及企業法務部而言，較值得注意的是 Gemini Enterprise 並非單純提供一個法律聊天機械人。Google 強調，當系統接駁文件及案件管理平台時，可以繼承既有的 ethical walls，而研究結果亦應建基於主要法律依據，而不是只靠模型訓練資料。機構內部指引、客戶檔案及談判立場等資料則保留在私人邊界內。
兩個行業版本現已向全球 Google Cloud 客戶提供預覽。
AI 代理愈能工作，企業愈在意「失控的帳單」
如果說金融版和法務版解決的是「企業敢不敢讓 AI 處理核心工作」，另一份同步公布的 Gemini Enterprise 更新，處理的就是「企業敢不敢大規模使用」。
傳統 SaaS 常以每名使用者每月固定價格收費，但 AI 代理的成本結構截然不同。一名員工可能一天只問數次問題，另一個背景代理卻可能連續執行數小時、呼叫大量模型及工具，因此單純按人頭計費未必適合所有工作負載。
Google Cloud 因此容許企業把原有的 per-user seat 訂閱與新的 pay-as-you-go 模式混合使用。日常辦公用戶可以保留固定月費，較容易預測成本；需要大量運算的代理或技術團隊，則可以按照實際消耗的模型資源及 tokens 付款。
Gemini Enterprise 更把商務應用、開發者工具及自訂代理的每日額度整合成共享配額。換言之，一般員工沒有用完的容量，可以轉供開發團隊或 API 代理使用；需要時則可以容許超額使用，再以即付即用方式計費。
對企業而言，這是一項相當實際的改變。AI 採用初期最常見的問題之一，就是企業先買了一批固定授權，但不同部門使用程度相差甚遠。共享配額把「買了但沒人用」的浪費，轉化成可供其他工作負載使用的容量。
可延後的 AI 工作，成本最多減半
另一項有意思的設計，是即將推出的 delayed execution pricing。
對於不需要即時完成的 AI 代理任務，企業可以把工作標記為延後執行，由 Gemini Enterprise Agent Platform 的智能排程器在非繁忙時段處理。Google 表示，這類工作負載的推理成本最多可以降低一半，而且不受一般配額限制。
概念與企業過往使用雲端 Spot 或非高峰運算資源相似：即時性較低的批次分析、文件處理或背景代理沒有必要與實時應用爭奪昂貴容量。
對財務主管而言，這亦意味 AI 工作負載開始可以像傳統雲端運算一樣，按照「重要程度、速度及成本」分級，而不是所有 AI 任務都使用同一價格和服務水平。
用量穩定企業可用承諾換取 10% 至 20% 折扣
對已經可以預測 AI 用量的企業，Google Cloud 亦推出 Gemini Enterprise Flexible Savings Plans（FSPs）。
企業可以按照每月承諾支出獲得 token 成本折扣：承諾一年可獲 10% 折扣，三年則為 20%；計劃沒有最低或最高承諾金額限制，亦可以配合用量增長調整。FSP 支出同時可以從既有 Google Cloud Enterprise Agreement 中扣減。
這一點對大型企業尤其重要。AI 預算不再需要成為一個完全獨立的採購項目，而可以逐漸納入既有雲端合約和 FinOps 管理制度之中。
Google 開始把 AI 成本治理變成產品功能
Google 的另一個著力點，是防止代理程式在背景運作時產生難以預測的成本。
企業可利用 Google Cloud Pricing Calculator，在正式部署前估算使用者授權、開發工具及 background agent runtimes 的成本；系統亦會偵測異常 AI 支出，並透過 root cause analysis 指出推高成本的主要 SKU。
更直接的是，管理員可以替個別專案設定每月硬性支出上限。當預算達到 50%、80% 及 100% 時系統會發出通知；如果真正達到上限，相關代理的 API 調用可以暫時停用，但不會影響其他生產基礎架構。管理員亦可以選擇容許超額使用，讓工作自動轉入 pay-as-you-go 模式。
對管理層而言，這些功能可能比模型 benchmark 更重要。當 AI 由聊天工具演變成可以自行連續執行任務的代理後，企業面對的不再只是 IT 授權預算，而是類似雲端基建的變動成本問題。沒有預算上限、異常偵測及成本歸因能力，AI 代理愈自動化，財務風險反而可能愈高。
Google 的企業策略：從「賣模型」走向「控制工作流程」
把兩項公布放在一起看，可以看到 Google 正嘗試建立一套比單純模型 API 更深入的企業護城河。
第一層是 行業化。金融及法律只是首批 Gemini Enterprise 專業版本，但產品架構顯示 Google 希望以行業技能、資料來源、代理及合作夥伴，把通用 Gemini 包裝成可以直接投入實際工作的企業平台。
第二層是 生態整合。Google 不只推自己的模型，而是透過 MCP、A2A、資料連接器及第三方代理，把 Gemini Enterprise 放在不同系統之間。對企業而言，真正難以更換的未必是底層模型，而是已經完成權限、資料、審計及工作流程整合的平台。
第三層則是 FinOps 化。當 AI 使用量開始由數十名員工擴展到數千名員工及大量自動代理，CIO、CFO 及部門主管必然要求知道每個 AI 工作流程用了多少錢、誰在使用，以及能否設定上限。Google 現在把這些能力直接加入 Gemini Enterprise，本質上是把管理 AI 的方式逐步拉近企業管理 Google Cloud 基建的方式。
這亦說明 Google 爭奪企業 AI 市場的方向正在改變。下一階段的競爭未必只是「哪一個模型答得最好」，而是誰能夠讓企業把 AI 安全地接駁現有資料、讓代理真正執行工作，同時讓資訊科技部門和財務部門仍然可以控制權限、風險及預算。
當生成式 AI 由個人生產力工具逐步進入金融分析、合約管理、法規遵循及跨系統流程，企業評估 AI 平台時的問題，也應該由「員工是否可以使用 Gemini」轉變成「哪些工作值得交給代理、資料可以接駁到甚麼程度，以及每項自動化工作的投資回報是否可以量化」。
Google 希望 Gemini Enterprise 提供的，正是這一層企業級答案。
