Google Cloud Next 2026 a fost în aprilie. Pentru cine urmărește spațiul Business Intelligence, întrebarea pragmatică nu mai e „ce iese în 2026 din keynote" — e simplă: ce a ajuns deja în mâini, ce e încă în preview, și ce a rămas pe slide.

În ultimii doi ani, Google Cloud Next a avut o problemă recurentă — distanța mare între ce e anunțat și ce ajunge în GA pe stack-ul BI. Două luni după Las Vegas e momentul potrivit să separăm ce a livrat ediția 2026 pentru BigQuery, Looker și ecosistemul Gemini, fără hype.

Google Cloud: BigQuery: încă AI, dar de data asta cu cost

BigQuery a primit în 2024 și 2025 un val constant de funcționalități AI native — generare de SQL prin Gemini, embedding-uri direct în tabele, funcții ML.PREDICT pe modele frontier. La Google Cloud Next 2026, focusul s-a mutat pe un detaliu prozaic: cât costă efectiv toate acestea.

Echipele care au pilotat Gemini in BigQuery în 2025 descoperiseră relativ rapid că facturile pot crește disproporționat față de valoarea adusă. Un query care cheamă un model frontier pe fiecare rând dintr-un tabel de 50 de milioane de rânduri costă altfel decât un JOIN simplu. Google recunoscuse implicit problema prin documentația pe „best practices for generative AI in BigQuery" publicată în noiembrie 2025.

La Next 2026 a venit clarificarea oficială. Tiering mai vizibil pentru funcțiile AI native, mecanisme noi de caching la nivel de prompt și o variantă „Flash" pentru Gemini destinată job-urilor batch unde nu îți permiți modelul mare. Pentru CFO-uri, asta e mai relevant decât toate demo-urile de generare narrativă luate la un loc.

Pe partea de performanță, BigQuery Studio — interfața unificată pentru SQL, Python și notebooks lansată în 2024 — a primit update-ul așteptat. Integrarea cu Vertex AI Workbench și cu BigQuery DataFrames a devenit mai strânsă, iar framework-ul care permite scrierea pipeline-urilor Python care se execută nativ pe BigQuery e acum produs cu adevărat utilizabil în producție.

Looker: continuarea poveștii cu Continuous Intelligence

Looker traversează încă o tranziție. După integrarea cu Google Cloud și pivotarea către ce Google numește „Continuous Intelligence", produsul a rămas în zona de „enterprise BI cu LookML", dar fără tracțiune comparabilă cu Power BI sau Tableau. Asta nu e neapărat o problemă pentru Google. Asta e modelul lor de business — BI strâns legat de BigQuery.

Next 2026 a livrat două schimbări concrete.

Prima — Looker Agent a ieșit din preview. Anunțat la Cloud Next 2025 și criticat atunci pentru răspunsuri lente și dificultăți cu interogări care implică mai mult de două hop-uri în model, agentul a ajuns la GA în primăvara 2026. E încă imperfect, dar diferența față de varianta din 2025 e vizibilă, în special pe latency și pe interpretarea corectă a metricilor LookML.

A doua — Looker Studio Pro și convergența cu Looker classic. Google ținuse ani buni două produse paralele: Looker (enterprise) și Looker Studio (fost Data Studio, free + paid tier). Convergența a fost consolidată oficial la Next 2026 sub o ofertă unificată. Pentru echipele care foloseau Looker Studio pentru rapoarte rapide și Looker pentru modele guvernate, asta înseamnă mai puține tooluri — dar și o curbă de migrare reală pentru cei care au investit ani de zile în structuri paralele.

Gemini și agenții pentru analiză autonomă

Agenții AI fuseseră tema dominantă la Cloud Next 2025. Google Cloud Blog arată o cadență accelerată de publicări pe acest subiect în ultimele 12 luni. Pentru 2026, întrebarea nu mai era dacă vor exista agenți, ci dacă fac ceva util.

Pentru BI specific, agenții relevanți sunt cei care pot prelua sarcini repetitive ale unui analist. Refresh manual al unui raport. Generare automată de rezumate săptămânale. Identificare de anomalii fără ca cineva să-i ceară explicit.

Vertex AI Agent Builder, anunțat în 2024 și maturat în 2025, a fost confirmat la Next 2026 ca platforma de bază pentru aceste capabilități. Anunțul cel mai concret — un agent „BI Analyst" preconfigurat care se conectează la BigQuery, învață schema, și răspunde la întrebări de business în limbaj natural, cu output structurat sub formă de dashboard sau raport scris. Disponibil în preview limitat la public, GA programat în a doua jumătate a anului.

Există însă o capcană aici. Demonstrațiile la conferințe rareori arată ce se întâmplă când agentul nu înțelege întrebarea. Primele teste publicate de echipe independente, apărute în mai, sugerează că agentul descurcă bine cazurile simple și moderate — dar se pierde la întrebări care necesită mai mult de două joins logice sau interpretarea unui context business nuanțat.

Data Cloud și partea care nu se vede

Mult din ce contează pentru BI nu s-a anunțat în keynote. Cross Cloud Network — capacitatea de a face query-uri din BigQuery pe date din Snowflake, AWS sau Azure fără mișcare fizică — a maturat constant în 2025 și a primit la Next 2026 extinderi pe federation cu data lakes externe și optimizări pentru workload-uri analytics multi-cloud. Schimbarea nu e spectaculoasă, dar pentru companiile cu stack mixt e exact ce le trebuie.

Un alt subiect: Dataplex și guvernanța datelor. Pentru companiile mari care evaluează BigQuery ca enterprise data warehouse, lipsa unui catalog matur și a unor controale fine pe linealitate fusese frecvent ridicată ca obiecție. Google a anunțat la Next 2026 noi capabilități pe această zonă; primele feedback-uri de la CIO care folosesc Microsoft Purview sau Alation sunt mixte — pași în direcția bună, dar încă nu suficient pentru a forța o migrare.

Tema se leagă natural de discuția despre Microsoft Build, unde am intrat în detaliu pe pattern-urile pe care le observăm în piață.

Ce contează pentru o echipă BI, după ce praful s-a așezat

Trei lucruri merită atenție directă pentru echipele care evaluează stack-ul Google în lunile următoare.

Pricing-ul real al funcțiilor AI în BigQuery. Nu marketing-ul. Cifrele concrete per query, per tabel, per agent invocat — așa cum apar în primele facturi după Next. Diferența între un model „Pro" și unul „Flash" pe același pipeline poate transforma un proiect de la viabil la nesustenabil.

Looker Agent — testare proprie, nu testare de pe scenă. GA-ul e fapt împlinit, dar singura modalitate să știi dacă funcționează pentru tine e să-l pui pe un semantic layer real, cu metricile companiei tale, și să întrebi 50 de lucruri.

Integrarea cu ecosistem AI mai larg. Google a confirmat la Next 2026 parteneriatele oficiale cu Anthropic și păstrează o relație pragmatică cu OpenAI. Capacitatea de a folosi modele non-Google direct din BigQuery e un avantaj real pentru echipele care nu vor lock-in pe Gemini.

Concluzia după două luni de la Next 2026: o consolidare, nu o explozie. Maturizarea capacităților anunțate în 2024-2025, cu accent pe predictibilitate de cost și pe agenți care funcționează în production. Asta e ce contează pentru cei care construiesc pipeline-uri, nu pentru cei care fac slide-uri.