Gemini 3.8 Live для бизнеса: голосовые ИИ-агенты и API

Что умеет Gemini 3.8 Live: 97 языков, визуальный контекст, фоновые вызовы API и голосовые агенты. Практические сценарии для бизнеса.

Google представила Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking — новые модели для голосового взаимодействия в реальном времени. Их ключевое отличие от обычного голосового чат-бота не в том, что они просто быстрее отвечают. Модель может продолжать разговор, пока параллельно выполняет действия через инструменты и API.

Для бизнеса это важнее очередного роста результатов в тестах. Голосовой агент постепенно превращается из «говорящей справки» в интерфейс к реальным процессам: CRM, календарю, базе знаний, заявкам, расчётам и внутренним сервисам.

Gemini 3.8 Live в сценарии голосового ИИ-агента

Что нового в Gemini 3.8 Live

Google выделяет несколько возможностей новой модели.

Фоновые вызовы функций. Агент может запустить API или инструмент и не заставлять человека молча ждать завершения операции. Диалог продолжается, а результат подключается, когда действие закончено.

Визуальный контекст. Модель способна учитывать изображение в реальном времени. Это открывает сценарии, где клиент или сотрудник не только рассказывает о проблеме, но и показывает её камерой.

97 поддерживаемых языков. По данным Google, Gemini 3.8 Live автоматически определяет язык и может переключаться между языками в ходе разговора.

Extended Thinking для сложных задач. Отдельная версия предназначена для многошаговых сценариев, где нужно рассуждать, выполнять несколько действий и сообщать пользователю о ходе работы.

Google также заявляет для Extended Thinking результат 97,7% на Big Bench Audio, 82,6 балла в Speech-to-Speech Quality Index Artificial Analysis и 68,6% на τ-Voice. Это результаты тестов, а не гарантия качества конкретного бизнес-процесса, поэтому в реальном проекте важнее собственные проверки на звонках и заявках компании.

Голосовой агент может обращаться к API и инструментам во время диалога

Где это можно использовать в бизнесе

1. Первичный приём клиента

Вместо формы из десяти полей человек объясняет задачу голосом. Агент уточняет недостающие параметры, проверяет данные и создаёт структурированную заявку в CRM.

Для строительной компании это могут быть размеры и материал. Для турагентства — даты, состав семьи и бюджет. Для сервисного центра — модель устройства и симптомы неисправности.

2. Запись и бронирование

Обычный голосовой бот часто работает по жёсткому сценарию: спросил дату, спросил время, записал. Агент с инструментами может одновременно проверить календарь, доступные интервалы и данные клиента, а затем подтвердить результат в разговоре.

3. Поддержка сотрудников

Сотрудник показывает оборудование или экран программы и задаёт вопрос голосом. Агент использует визуальный контекст, ищет инструкцию во внутренней базе и ведёт человека по шагам.

4. Работа с CRM

Самый интересный сценарий — не отдельный «ИИ-чат», а голосовой слой над существующей системой. Например:

найти клиента по номеру телефона; прочитать историю обращения; уточнить новый запрос; изменить статус сделки; поставить задачу менеджеру; подготовить краткое резюме разговора.

Здесь ценность создаёт не сама модель, а связка модели с нормальной архитектурой прав и бизнес-логикой.

Почему одного доступа к API недостаточно

Если дать агенту возможность выполнять действия, появляется новый класс ошибок. Неправильно распознанная фраза не должна случайно отменять заказ, менять цену или удалять данные.

Поэтому рабочая схема выглядит так:

1. агент понимает намерение пользователя; 2. собирает обязательные параметры; 3. бизнес-логика отдельно проверяет допустимость действия; 4. критические операции требуют подтверждения; 5. результат записывается в журнал; 6. пользователь получает понятный ответ о том, что реально произошло.

Именно поэтому хороший ИИ-агент — это не промпт на две страницы. Это модель плюс права доступа, инструменты, проверки, журнал действий и возможность безопасно остановить операцию.

Практическая ценность Gemini 3.8 Live появляется при интеграции с процессами бизнеса

Что изменится для сайтов

Сайты постепенно получают ещё один интерфейс взаимодействия. Раньше посетитель выбирал между формой, телефоном и мессенджером. Теперь к ним добавляется агент, которому можно просто сказать:

«Мне нужен такой же забор, как на фотографии, участок 20 на 30 метров. Посчитайте предварительно и передайте менеджеру».

Если система правильно собрана, агент может определить, каких данных не хватает, задать вопросы, получить фотографию, записать заявку и передать менеджеру уже структурированную информацию.

Это не означает, что кнопки и формы исчезнут. Голос становится ещё одним способом пройти тот же бизнес-процесс.

Стоит ли внедрять это прямо сейчас

Для большинства компаний разумнее начинать не с полной автоматизации звонков, а с одного ограниченного процесса. Например, только первичная квалификация заявки или ответы по базе знаний.

После этого измеряются конкретные показатели:

сколько обращений агент обработал без оператора; сколько корректных заявок попало в CRM; сколько раз потребовалось вмешательство человека; какие ошибки повторяются; изменилось ли время ответа и конверсия.

Если пилот даёт результат, агенту постепенно открывают дополнительные инструменты.

Gemini 3.8 Live показывает направление, в котором движутся голосовые интерфейсы: разговор и выполнение действий становятся одним процессом. Для бизнеса главный вопрос теперь не «умеет ли нейросеть разговаривать», а какие действия ей можно безопасно доверить и как проверить результат.

Источник

Google: Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking, 15 сентября 2026 года.