AnswersPublished19 sources
Google vuole portare gli agenti IA ai dati, senza spostarli
Il 4 novembre 2026 Google ha annunciato novità per l’Agentic Data Cloud, con l’obiettivo di interrogare dati distribuiti tra ambienti cloud e fornire agli agenti un contesto aziendale condiviso. Il Borderless Lakehouse si basa sul formato aperto Apache Iceberg; alcune funzionalità di federazione dei cataloghi sono a...
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer
Key takeaways
- Il 4 novembre 2026 Google ha annunciato novità per l’Agentic Data Cloud, con l’obiettivo di interrogare dati distribuiti tra ambienti cloud e fornire agli agenti un contesto aziendale condiviso.
- Il Borderless Lakehouse si basa sul formato aperto Apache Iceberg; alcune funzionalità di federazione dei cataloghi sono ancora in anteprima.
- L’accesso ai dati senza spostarli non dimostra che ogni costo di trasferimento scompaia né che gli agenti possano eseguire processi aziendali in sicurezza.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Google announce on November 4, 2026, about its Agentic Data Cloud, first introduced at Google Cloud Next 2026, and how do its Apach. Article summary: On November 4, 2026, Google announced updates to its Agentic Data Cloud centered on querying distributed data and giving AI agents more consistent business context, extending the architecture introduced at Google Cloud N. Topic tags: general, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
L’annuncio di Google del 4 novembre 2026 sull’Agentic Data Cloud ruota attorno a un obiettivo concreto: permettere agli agenti di IA di usare dati distribuiti nell’infrastruttura cloud di un’organizzazione senza doverli prima accorpare, fornendo loro anche il contesto aziendale necessario per interpretarli. I due elementi centrali sono il Borderless Lakehouse, basato su Apache Iceberg, e Knowledge Catalog. Ma la disponibilità varia da una funzionalità all’altra, e le informazioni disponibili non dimostrano che l’accesso tra cloud azzeri ogni costo o confermino tutti i risparmi citati. 4
10
Il Lakehouse vuole interrogare i dati dove si trovano
Google presenta il Borderless Lakehouse come una base dati governata, costruita sul formato aperto Apache Iceberg. La documentazione lo descrive come un’interfaccia unificata per analisi e IA basata su Iceberg. 4
1 I materiali di Google parlano di interrogare e utilizzare i dati tra cloud senza trasferirli; una testata di settore riferisce che l’aggiornamento di novembre consente query su dati in AWS e Azure.
15
3
L’approccio si distingue da quello che prevede di trasferire i dati in un archivio centrale prima di analizzarli. In linea di principio, consultarli sul posto può ridurre la necessità di creare pipeline dedicate alla sola copia dei dati tra sistemi. Servono comunque connessioni, autorizzazioni, formati e servizi configurati correttamente.
“Disponibile a tutti” non significa che lo sia ogni componente
La pagina di Google indica che Borderless Lakehouse è disponibile in via generale. 11 Questo non prova che ogni integrazione o funzionalità di federazione abbia lo stesso stato: la panoramica di Google descrive come ancora in anteprima la federazione dei cataloghi con AWS Glue, Databricks Unity Catalog e Snowflake Horizon.
10 La documentazione spiega inoltre come configurare una connessione tra cloud per interrogare da Google Cloud i dati di Databricks Unity Catalog.
La distinzione è importante per valutare le affermazioni su interconnessioni private, caching e integrazioni zero-copy. Gli estratti disponibili non confermano nel dettaglio tutte le caratteristiche di rete e caching per AWS e Azure, né le integrazioni zero-copy con SAP, Workday e Salesforce. È quindi meglio non considerare questi dettagli come accertati sulla base delle fonti qui disponibili.
Knowledge Catalog aggiunge il contesto aziendale
Avere accesso alle tabelle non basta per sapere cosa rappresenta una metrica, quale definizione sia adottata da un team o come si colleghino diversi insiemi di dati. Google presenta Knowledge Catalog come uno strumento per fornire significato aziendale e contesto governato ai dati usati dagli agenti. Nell’annuncio di novembre, l’integrazione con Borderless Lakehouse serve a indicizzare dati distribuiti e non strutturati nel cloud, così da fornire contesto agli agenti. 4
Google ha anche presentato come anteprime l’arricchimento autonomo del contesto e Knowledge Studio. La prima funzione dovrebbe individuare lacune nel contesto aziendale a partire dalle interazioni con utenti e agenti; Knowledge Studio offre a chi gestisce i dati strumenti per esplorare e revisionare quel contesto. 19 Sono funzionalità di gestione del contesto, non una prova, di per sé, che un agente possa eseguire in sicurezza un processo aziendale.
Le note di rilascio di Gemini Enterprise documentano un’anteprima della modalità di query federata per i connettori Data Cloud e un’anteprima dell’integrazione con Knowledge Catalog. Quando si collega un connettore Data Cloud in modalità federata, Knowledge Catalog viene abilitato automaticamente nell’Assistant, con strumenti di sola lettura per cercare i dati accessibili all’utente e recuperarne il contesto tecnico e aziendale. 17 È un’integrazione documentata e circoscritta, non una conferma di ogni affermazione più ampia sul supporto di Gemini.
Le promesse sui costi di uscita non chiariscono il costo totale
La proposta di Google punta sull’accesso ai dati tra cloud senza trasferirli; alcune notizie sull’annuncio parlano di query su AWS e Azure senza costi variabili di egress, cioè di uscita dei dati dal cloud di origine. 15
3 Tuttavia, gli estratti disponibili dell’annuncio e della documentazione non stabiliscono che ogni addebito relativo al cloud remoto venga eliminato, né offrono dettagli sufficienti per valutare il costo complessivo di uno specifico carico di lavoro.
Allo stesso modo, il materiale fornito non conferma la riduzione di circa il 40% dei costi di movimentazione dei dati attribuita a talabat, né la specifica configurazione tra dati Iceberg su Amazon S3 e BigQuery a cui sarebbe riferita. Anche se quel risparmio fosse verificato, da solo non dimostrerebbe una riduzione analoga dei costi complessivi delle query o del costo per portare a termine un’attività affidata a un agente.
L’annuncio tocca anche i database, ma i dettagli sono limitati
Secondo una ricostruzione pubblicata all’epoca, tra i prodotti aggiornati insieme a Knowledge Catalog figurano AlloyDB e BigQuery. 3 Gli estratti disponibili non confermano però la specifica capacità attribuita ad AlloyDB di combinare direttamente dati storici Iceberg con dati operativi PostgreSQL in tempo reale.
Spanner Omni è un elemento distinto ma pertinente della strategia dati più ampia di Google: l’azienda ne aveva annunciato la disponibilità generale il 30 settembre 2026, descrivendolo come un database distribuito e multimodello installabile in sede o su altri cloud. Non si tratta quindi di un prodotto presentato per la prima volta come generalmente disponibile il 4 novembre. 20
Cosa dimostra l’annuncio sugli agenti — e cosa no
La conclusione supportata dalle fonti è che Google sta sviluppando un livello di accesso ai dati tra cloud e lo abbina a un contesto condiviso per assistenti e agenti di IA. Questo può aiutarli a individuare informazioni pertinenti e a usare definizioni coerenti. 4
17
19
Da solo, però, non dimostra che un agente sia in grado di eseguire in sicurezza un processo aziendale. Per valutarlo servono prove distinte su autorizzazioni, convalida, gestione delle transazioni, tracciabilità, recupero dagli errori e costo complessivo per completare correttamente l’attività. Gli estratti forniti non bastano neppure a verificare le valutazioni degli analisti citati o i confronti con Microsoft, Databricks, Snowflake e AWS. L’annuncio indica una direzione per la piattaforma; le affermazioni sull’esecuzione autonoma e sulla sua convenienza economica richiedono prove che vadano oltre l’accesso ai dati e le funzioni di contesto.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Google vuole portare gli agenti IA ai dati, senza spostarli"?
Il 4 novembre 2026 Google ha annunciato novità per l’Agentic Data Cloud, con l’obiettivo di interrogare dati distribuiti tra ambienti cloud e fornire agli agenti un contesto aziendale condiviso.
What are the key points to validate first?
Il 4 novembre 2026 Google ha annunciato novità per l’Agentic Data Cloud, con l’obiettivo di interrogare dati distribuiti tra ambienti cloud e fornire agli agenti un contesto aziendale condiviso. Il Borderless Lakehouse si basa sul formato aperto Apache Iceberg; alcune funzionalità di federazione dei cataloghi sono ancora in anteprima.
What should I do next in practice?
L’accesso ai dati senza spostarli non dimostra che ogni costo di trasferimento scompaia né che gli agenti possano eseguire processi aziendali in sicurezza.