Google presenterade den 4 november 2026 uppdateringar av Agentic Data Cloud, med fokus på åtkomst till data i olika moln och gemensam verksamhetskontext för AI agenter. Borderless Lakehouse bygger på Apache Iceberg och är allmänt tillgängligt, men vissa funktioner för katalogfederering uppges fortfarande vara i förh...
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer

Create 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
Googles uppdatering av Agentic Data Cloud, som presenterades den 4 november 2026, kretsar kring en praktisk idé: AI-agenter ska kunna använda data som redan finns utspridd i ett företags olika molnmiljöer, utan att allt först måste samlas på ett ställe. Samtidigt ska de få verksamhetskontext som hjälper dem att tolka informationen. Apache Iceberg-baserade Borderless Lakehouse och Knowledge Catalog är de centrala delarna. Men funktionernas tillgänglighet varierar, och underlaget visar inte att åtkomst mellan moln tar bort alla kostnader eller bekräftar alla uppgifter om besparingar. 4
10
Google beskriver Borderless Lakehouse som en styrd datagrund byggd på det öppna formatet Apache Iceberg. I dokumentationen presenteras Iceberg som basen för ett gemensamt gränssnitt för analys och AI. 4
1 Googles produktmaterial säger att data kan användas mellan moln utan att flyttas, och branschrapportering uppger att uppdateringen gör det möjligt att ställa frågor mot data i AWS och Azure.
15
3
Tanken skiljer sig från att först flytta data till ett centralt datalager innan den analyseras. I princip kan frågor direkt mot källdata minska behovet av dataflöden som bara finns till för att kopiera information mellan system. Men anslutningar, behörigheter, format och berörda tjänster måste fortfarande vara på plats.
Googles produktsida anger att Borderless Lakehouse är allmänt tillgängligt. 11 Det innebär inte att varje integration eller funktion för federerad åtkomst har samma status. I Googles översikt står att katalogfederering med AWS Glue, Databricks Unity Catalog och Snowflake Horizon är i förhandsversion.
10 Google dokumenterar också en anslutning mellan moln för att fråga efter data i Databricks Unity Catalog från Google Cloud.
Skillnaden är viktig när man bedömer påståenden om privata anslutningar, cachning eller så kallade zero-copy-integrationer. De tillgängliga källutdragen bekräftar inte alla detaljer om nätverk och cachning för AWS och Azure, eller uppgifter om zero-copy-integrationer med SAP, Workday och Salesforce. De detaljerna går därför inte att slå fast här.
En tabell säger inte i sig vad ett mätetal betyder, vilken definition ett team använder eller hur olika datamängder hänger ihop. Google beskriver Knowledge Catalog som ett sätt att tillföra verksamhetsbetydelse och styrd kontext till data som agenter använder. I novemberuppdateringen uppges att Borderless Lakehouse integreras med Knowledge Catalog för att indexera distribuerad och ostrukturerad molndata som kontext åt agenter. 4
Google har också beskrivit automatisk, självförbättrande kontextberikning och Knowledge Studio som förhandsversioner. Funktionen för kontextberikning är tänkt att analysera interaktioner med agenter och användare för att hitta luckor i verksamhetskontexten. Knowledge Studio ger dataansvariga verktyg för att utforska och granska den. 19 Det handlar om att hantera kontext – inte i sig om bevis för att en agent säkert kan genomföra en verksamhetsprocess.
Versionsinformationen för Gemini Enterprise dokumenterar en förhandsversion av federerat frågeläge för Data Cloud-anslutningar och en förhandsversion av Knowledge Catalog-integrationen. När en sådan Data Cloud-anslutning kopplas in aktiveras Knowledge Catalog automatiskt för assistenten. Den får skrivskyddade verktyg för att söka i data som användaren har behörighet till och hämta teknisk och verksamhetsmässig kontext. 17 Det är en dokumenterad, avgränsad integration – inte en bekräftelse på alla bredare påståenden om Gemini-stöd.
Googles budskap betonar åtkomst utan att flytta data. Rapportering om uppdateringen beskriver frågor mot AWS och Azure utan rörliga avgifter för dataöverföring. 15
3 Men utdragen ur Googles tillkännagivande och dokumentation visar inte att alla avgifter kopplade till åtkomst till data i andra moln försvinner. De ger inte heller tillräcklig information för att bedöma totalkostnaden för en viss arbetsbelastning.
Underlaget styrker inte heller den rapporterade uppgiften om att talabat skulle ha minskat kostnaderna för dataflytt med omkring 40 procent. Det bekräftar inte heller den specifika konfigurationen där Iceberg-data i Amazon S3 federeras till BigQuery. Även om en besparing på dataflytt skulle kunna beläggas, visar den inte i sig att den totala frågekostnaden – eller kostnaden för att få en agent att slutföra en uppgift – minskar lika mycket.
Samtida rapportering nämner AlloyDB och BigQuery bland produkterna som får uppdateringar tillsammans med Knowledge Catalog. 3 De tillgängliga utdragen styrker inte det specifika påståendet att AlloyDB direkt kan kombinera historiska Iceberg-poster med aktuell operativ data från PostgreSQL. Den funktionen kan därför inte bekräftas utifrån de här källorna.
Spanner Omni är en separat, relevant del av Googles bredare datasatsning. Google meddelade att tjänsten blev allmänt tillgänglig den 30 september 2026 och beskrev den som en distribuerad databas med stöd för flera datamodeller, som kan driftsättas lokalt eller i andra moln. Den presenterades alltså inte först som allmänt tillgänglig den 4 november. 20
Den slutsats som källorna stöder är att Google bygger ett lager för dataåtkomst över flera moln och kombinerar det med gemensam kontext för AI-assistenter och agenter. Det kan hjälpa agenter att hitta relevant information och använda konsekventa definitioner. 4
17
19
Det visar däremot inte i sig att en agent kan genomföra en verksamhetsprocess på ett säkert sätt. För det krävs separat underlag om behörigheter, validering, transaktionshantering, loggning, återställning och totalkostnaden för att slutföra uppgiften. De tillhandahållna källutdragen räcker inte heller för att verifiera de åberopade analytikerbedömningarna eller jämförelserna med Microsoft, Databricks, Snowflake och AWS. Tillkännagivandet visar en riktning för plattformen; påståenden om självständigt utförande och kostnadseffektivitet kräver mer belägg än funktioner för dataåtkomst och kontext.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Google presenterade den 4 november 2026 uppdateringar av Agentic Data Cloud, med fokus på åtkomst till data i olika moln och gemensam verksamhetskontext för AI agenter.
Google presenterade den 4 november 2026 uppdateringar av Agentic Data Cloud, med fokus på åtkomst till data i olika moln och gemensam verksamhetskontext för AI agenter. Borderless Lakehouse bygger på Apache Iceberg och är allmänt tillgängligt, men vissa funktioner för katalogfederering uppges fortfarande vara i förhandsversion.
Källmaterialet visar inte att alla kostnader för åtkomst till data i andra moln försvinner eller att agenter därmed kan utföra verksamhetsprocesser säkert.
Google presenterade den 4 november 2026 uppdateringar av Agentic Data Cloud, med fokus på åtkomst till data i olika moln och gemensam verksamhetskontext för AI agenter. Borderless Lakehouse bygger på Apache Iceberg och är allmänt tillgängligt, men vissa funktioner för katalogfederering uppges fortfarande vara i förh...
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer

Create 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
Googles uppdatering av Agentic Data Cloud, som presenterades den 4 november 2026, kretsar kring en praktisk idé: AI-agenter ska kunna använda data som redan finns utspridd i ett företags olika molnmiljöer, utan att allt först måste samlas på ett ställe. Samtidigt ska de få verksamhetskontext som hjälper dem att tolka informationen. Apache Iceberg-baserade Borderless Lakehouse och Knowledge Catalog är de centrala delarna. Men funktionernas tillgänglighet varierar, och underlaget visar inte att åtkomst mellan moln tar bort alla kostnader eller bekräftar alla uppgifter om besparingar. 4
10
Google beskriver Borderless Lakehouse som en styrd datagrund byggd på det öppna formatet Apache Iceberg. I dokumentationen presenteras Iceberg som basen för ett gemensamt gränssnitt för analys och AI. 4
1 Googles produktmaterial säger att data kan användas mellan moln utan att flyttas, och branschrapportering uppger att uppdateringen gör det möjligt att ställa frågor mot data i AWS och Azure.
15
3
Tanken skiljer sig från att först flytta data till ett centralt datalager innan den analyseras. I princip kan frågor direkt mot källdata minska behovet av dataflöden som bara finns till för att kopiera information mellan system. Men anslutningar, behörigheter, format och berörda tjänster måste fortfarande vara på plats.
Googles produktsida anger att Borderless Lakehouse är allmänt tillgängligt. 11 Det innebär inte att varje integration eller funktion för federerad åtkomst har samma status. I Googles översikt står att katalogfederering med AWS Glue, Databricks Unity Catalog och Snowflake Horizon är i förhandsversion.
10 Google dokumenterar också en anslutning mellan moln för att fråga efter data i Databricks Unity Catalog från Google Cloud.
Skillnaden är viktig när man bedömer påståenden om privata anslutningar, cachning eller så kallade zero-copy-integrationer. De tillgängliga källutdragen bekräftar inte alla detaljer om nätverk och cachning för AWS och Azure, eller uppgifter om zero-copy-integrationer med SAP, Workday och Salesforce. De detaljerna går därför inte att slå fast här.
En tabell säger inte i sig vad ett mätetal betyder, vilken definition ett team använder eller hur olika datamängder hänger ihop. Google beskriver Knowledge Catalog som ett sätt att tillföra verksamhetsbetydelse och styrd kontext till data som agenter använder. I novemberuppdateringen uppges att Borderless Lakehouse integreras med Knowledge Catalog för att indexera distribuerad och ostrukturerad molndata som kontext åt agenter. 4
Google har också beskrivit automatisk, självförbättrande kontextberikning och Knowledge Studio som förhandsversioner. Funktionen för kontextberikning är tänkt att analysera interaktioner med agenter och användare för att hitta luckor i verksamhetskontexten. Knowledge Studio ger dataansvariga verktyg för att utforska och granska den. 19 Det handlar om att hantera kontext – inte i sig om bevis för att en agent säkert kan genomföra en verksamhetsprocess.
Versionsinformationen för Gemini Enterprise dokumenterar en förhandsversion av federerat frågeläge för Data Cloud-anslutningar och en förhandsversion av Knowledge Catalog-integrationen. När en sådan Data Cloud-anslutning kopplas in aktiveras Knowledge Catalog automatiskt för assistenten. Den får skrivskyddade verktyg för att söka i data som användaren har behörighet till och hämta teknisk och verksamhetsmässig kontext. 17 Det är en dokumenterad, avgränsad integration – inte en bekräftelse på alla bredare påståenden om Gemini-stöd.
Googles budskap betonar åtkomst utan att flytta data. Rapportering om uppdateringen beskriver frågor mot AWS och Azure utan rörliga avgifter för dataöverföring. 15
3 Men utdragen ur Googles tillkännagivande och dokumentation visar inte att alla avgifter kopplade till åtkomst till data i andra moln försvinner. De ger inte heller tillräcklig information för att bedöma totalkostnaden för en viss arbetsbelastning.
Underlaget styrker inte heller den rapporterade uppgiften om att talabat skulle ha minskat kostnaderna för dataflytt med omkring 40 procent. Det bekräftar inte heller den specifika konfigurationen där Iceberg-data i Amazon S3 federeras till BigQuery. Även om en besparing på dataflytt skulle kunna beläggas, visar den inte i sig att den totala frågekostnaden – eller kostnaden för att få en agent att slutföra en uppgift – minskar lika mycket.
Samtida rapportering nämner AlloyDB och BigQuery bland produkterna som får uppdateringar tillsammans med Knowledge Catalog. 3 De tillgängliga utdragen styrker inte det specifika påståendet att AlloyDB direkt kan kombinera historiska Iceberg-poster med aktuell operativ data från PostgreSQL. Den funktionen kan därför inte bekräftas utifrån de här källorna.
Spanner Omni är en separat, relevant del av Googles bredare datasatsning. Google meddelade att tjänsten blev allmänt tillgänglig den 30 september 2026 och beskrev den som en distribuerad databas med stöd för flera datamodeller, som kan driftsättas lokalt eller i andra moln. Den presenterades alltså inte först som allmänt tillgänglig den 4 november. 20
Den slutsats som källorna stöder är att Google bygger ett lager för dataåtkomst över flera moln och kombinerar det med gemensam kontext för AI-assistenter och agenter. Det kan hjälpa agenter att hitta relevant information och använda konsekventa definitioner. 4
17
19
Det visar däremot inte i sig att en agent kan genomföra en verksamhetsprocess på ett säkert sätt. För det krävs separat underlag om behörigheter, validering, transaktionshantering, loggning, återställning och totalkostnaden för att slutföra uppgiften. De tillhandahållna källutdragen räcker inte heller för att verifiera de åberopade analytikerbedömningarna eller jämförelserna med Microsoft, Databricks, Snowflake och AWS. Tillkännagivandet visar en riktning för plattformen; påståenden om självständigt utförande och kostnadseffektivitet kräver mer belägg än funktioner för dataåtkomst och kontext.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Google presenterade den 4 november 2026 uppdateringar av Agentic Data Cloud, med fokus på åtkomst till data i olika moln och gemensam verksamhetskontext för AI agenter.
Google presenterade den 4 november 2026 uppdateringar av Agentic Data Cloud, med fokus på åtkomst till data i olika moln och gemensam verksamhetskontext för AI agenter. Borderless Lakehouse bygger på Apache Iceberg och är allmänt tillgängligt, men vissa funktioner för katalogfederering uppges fortfarande vara i förhandsversion.
Källmaterialet visar inte att alla kostnader för åtkomst till data i andra moln försvinner eller att agenter därmed kan utföra verksamhetsprocesser säkert.