28 августа 2026 года Google Workspace Updates сообщил об открытой бета-версии классификации файлов в Google Drive с помощью Gemini. Я обратил внимание на эту новость, потому что она показывает вполне прикладной сценарий автоматизации: AI не просто помогает создавать документы, а участвует в наведении порядка и защите уже накопленных данных.
Что именно произошло
Gemini теперь может анализировать файлы в Google Drive и присваивать им заранее настроенные метки классификации. Например, администратор выбирает нужную метку, описывает обычным текстом, к каким материалам её применять, и определяет круг файлов, которые должна оценивать система.
Раньше для AI-классификации администратору требовалось самостоятельно находить и размечать обучающие файлы. На их примерах модель училась различать уровни классификации. Новая возможность предлагает другой подход: вместо ручной подготовки примеров администратор задаёт инструкции, которые Gemini интерпретирует при проверке документов.
При этом Google не заявляет, что управление полностью передаётся AI. Администратор сохраняет контроль над выбором меток, инструкциями и областью проверки. Владельцы и редакторы файлов, если у них есть соответствующие права, могут принять автоматически назначенную метку или изменить её. Все такие действия — назначение, подтверждение и корректировка — попадают в журнал аудита.
Функция доступна не всем пользователям Google Workspace. В источнике указаны Enterprise Plus, Google AI Pro for Education и Frontline Plus. Постепенное развёртывание открытой бета-версии для доменов Rapid Release и Scheduled Release планируется завершить к 30 сентября 2026 года. Отдельной пользовательской настройки нет: включением и правилами занимается администратор Workspace.
Что это меняет на практике
Классификация данных сама по себе звучит довольно сухо. По сути, это способ обозначить, какие документы требуют особого обращения. Метка становится понятным признаком, который можно использовать в правилах хранения, при расследовании событий и в защите от утечек.
Google отдельно упоминает DLP — предотвращение потери данных. Если говорить проще, это правила, которые ограничивают нежелательные действия с чувствительной информацией. Автоматические метки помогают применять такие правила не к каждому документу вручную, а сразу к большому объёму файлов.
Для бизнеса это может означать более короткий путь от решения «нам нужно контролировать важные документы» до работающей системы. Когда файлов много, ручная разметка быстро превращается в отдельный постоянный процесс. Сотрудники могут забывать о метках, трактовать правила по-разному или откладывать классификацию на потом. Gemini берёт на себя первичную оценку, а людям оставляет возможность проверить результат.
На мой взгляд, здесь хорошо видна полезная сторона автоматизации бизнес-процессов. AI встраивается не в показательный эксперимент, а в повторяющуюся административную работу: прочитать инструкцию, оценить файл, назначить подходящую категорию и записать действие в журнал.
Кому и для каких задач это пригодится
В первую очередь я бы обратил внимание на эту возможность компаниям, которые уже хранят значительную часть рабочих материалов в Google Drive и сталкиваются с требованиями к защите данных, отчётности или срокам хранения.
Практический смысл появляется в нескольких ситуациях. Компания может быстрее находить и обозначать чувствительные файлы, применять к ним более точные правила защиты от утечек, задавать правила хранения и использовать метки во время аудита. Администратор также получает в консоли показатели по меткам, которые назначил Gemini.
Есть и ещё один важный контекст. Google связывает классификацию с распространением агентных сценариев, в которых AI-системы получают доступ к информации и самостоятельно выполняют действия. Корректные метки могут стать частью ограничений, не позволяющих таким процессам обращаться к чувствительным данным.
Для бизнеса это пока скорее направление развития, чем готовая универсальная схема. Но управленческий вопрос уже вполне конкретный: если AI-сервис получает доступ к общему хранилищу, понимает ли компания, какие документы ему разрешено читать и использовать? Без классификации ответ часто зависит не от правил, а от того, как исторически разложены файлы по папкам.
Что пока не стоит переоценивать
Новость не означает, что Gemini гарантированно и безошибочно определит каждый чувствительный документ. В первоисточнике говорится о более высокой точности классификации в масштабе, но независимой проверки результатов в представленном материале нет. Кроме того, функция находится в открытой бета-версии.
Не стоит считать её и заменой продуманной политики работы с данными. Администратору всё равно нужно выбрать метки, понятно описать правила и определить область анализа. Владельцам и редакторам оставлена возможность принимать или менять результат — это прямой признак того, что человеческая проверка остаётся частью процесса.
Автоматическая метка также не исправит сама по себе путаницу в правах доступа, правилах хранения или ответственности сотрудников. Она создаёт полезный дополнительный слой управления, но качество этого слоя будет зависеть от инструкций и порядка, который компания выстроила вокруг него.
Мой вывод
Я вижу в обновлении Google Drive важный сдвиг от AI, который только создаёт контент, к AI, который помогает управлять корпоративной информацией. Это менее заметная, но часто более ценная работа: правильно обозначить документы до того, как к ним применят правило хранения, ограничение доступа или агентный сценарий.
Руководителю не обязательно начинать с включения новой функции. Сначала полезно понять, какие категории файлов действительно важны для компании, кто отвечает за их проверку и какие действия должны зависеть от метки. Если эти ответы уже есть и используемая лицензия поддерживается, бета-версию можно рассматривать как инструмент для осторожного пилота на ограниченном наборе документов. Такой подход даст команде возможность проверить качество инструкций и автоматической разметки, не принимая обещание удобства за гарантию безопасности.