AI & 機械学習

Google AI Threat Defense 発表：攻撃者の先を行くために

Thu, 28 May 2026 03:10:00 +0000

※この投稿は米国時間 2026 年 5 月 28 日に、Google Cloud blog に投稿されたものの抄訳です。

aside_block: <ListValue: [StructValue([('title', '本日のニュースの概要'), ('body', <wagtail.rich_text.RichText object at 0x7f9e0687ef70>), ('btn_text', ''), ('href', ''), ('image', None)])]>

最近、 AI を活用したサイバー脅威が大きな注目を集めており、 AI は脅威の状況（ランドスケープ）を変化させました。サイバー犯罪者は AI を使用して、サイバーセキュリティチームが手動で修正するよりも早く、セキュリティの抜け穴を見つけ出しています。実行に数週間かかっていた攻撃が、今ではわずか数時間や数日で発生する可能性があります。組織は、 AI エージェント主導の高速な攻撃に遅れを取らずに自組織を守る必要がありますが、もはや従来の手動の手法に頼ることはできません。

このような広範な脅威から防御するために、組織が必要としているのは単一のモデルやエージェント以上のものです。1 つのモデルですべてを捕捉することはできないため、複数のモデルのコレクションを使用して複数回のチェック（マルチパス）を実行することが推奨されます。さらに、システムを分析し、最も重大な脅威に優先順位を付け、脆弱性に迅速にパッチを適用し、新たな攻撃を継続的に監視できるソリューションが必要です。こうした状況を踏まえ、Google Cloud はビジネスに影響が及ぶ前に AI による脅威を継続的に監視し、阻止できるよう設計された自動化セキュリティシステムである Google AI Threat Defense の提供を開始します。

10 年にわたるセキュリティリーダーシップに基づく基盤

セキュリティは、 Google の技術スタックの単なる 1 つのレイヤーではなく、基盤そのものです。当社のセキュア・バイ・デフォルトのアーキテクチャは、毎分 1,000 万件のスパムメールを自動的にブロックし、当社の幅広いポートフォリオ全体で何十億ものユーザーとお客様を保護しています。

しかし、現代の企業を保護するには絶え間ない進化が必要です。信頼に基づいて構築されたアーキテクチャが必要になったとき、私たちはゼロトラストの先駆者となりました。ハードウェアを保護するために、私たちは Titan チップを構築しました。そして、企業が雪崩のように押し寄せる脅威データを管理できるよう、 Google Security Operations を開発しました。

現在、 AI がサイバーセキュリティのルールを書き換えつつあります。Mandiant と Wiz の専門知識に、 Gemini の高度な推論機能とコード生成機能を組み合わせることで、お客様のために大規模な防御の自動化を実現しています。Google Cloud は LLM を活用した分析を展開して自律的にソフトウェアの欠陥を発見し、 Wiz や CodeMender 全体の AI エージェントを活用して、脆弱性が悪用される前にリスクを検証し、修正案を生成し、修復ワークフローをサポートしています。セキュリティチームに優先順位付けされていない AI 生成アラートの膨大なリストを単に手渡す他のモデルプロバイダーとは異なり、優先順位付けされた修正を提供することで修復を加速し、防御側の優位性（ Defender’s Advantage ）を確保します。

Google AI Threat Defense のご紹介

Google AI Threat Defense は、 Gemini やその他のフロンティアモデルの推論能力、 Wiz によるコンテキストに基づくリスクの優先順位付け、 Gemini と CodeMender のコード修復機能、そして Mandiant の最前線での専門知識を融合させています。現実世界の露出（エクスポージャー）を自律的なパッチ作成と優先順位付けに直接結びつけることで、 AI Threat Defense は組織が攻撃経路を予防的に予測し、最も重大な脅威に優先順位を付け、検証済みの修正を攻撃者よりも早く展開できるよう支援します。

AI Threat Defense は、今日の脅威と闘い、 4 つのステップのフレームワーク全体で脆弱性管理を変革するという Google 独自のアプローチに基づいています。

準備 ( Prepare ) : 基盤を強化し、マシンスピードでの優先順位付けと対応に向けたフレームワークを運用可能にします。
スキャンと優先順位付け ( Scan and prioritize ) : 詳細な分析と AI 主導のポスチャ検証を実施します。
修復 ( Remediate ) : 脆弱性のパッチ適用を自律的に検証し、加速させるワークフローを実装します。
監視 ( Monitor ) : 継続的な検出と、訓練に基づく能動的な対応プレイブックへと移行します。

Google AI Threat Defense は、脆弱性の特定と修復の変革を支援します。

準備：マシンスピードでの対応に向けた基盤の強化

より多くの脆弱性が発見され、悪用が加速する中で、最優先すべきは不必要な露出（エクスポージャー）を減らすことです。パッチの適用状況に関わらず、機密アセットにはインターネットから到達できたり、信頼できない経路を通じて露出したりしてはなりません。目標は、既知の重大な問題を修正することだけでなく、到達可能（リーチャブル）なものを減らし、実際に悪用される可能性のあるものを検証し、新たなリスクの対応が手動のトリアージに依存しないようにすることです。

そこから、組織は、露出したテクノロジー全体にわたってどれだけ迅速にパッチを適用し、対応できるかを把握する必要があります。共通脆弱性識別子 ( CVE ) の量が増大し、悪用されるまでの期間が短縮する中で、チームには、次の緊急の脆弱性が現れる前に、明確なオーナーシップ、優先順位付け、実行経路が必要です。露出しているアプリケーション、サービス、またはテクノロジーはすべて、到達可能性、悪用可能性、およびビジネスへの影響に基づいて優先順位を付け、適切なオーナーに問題を転送して修復を促すための迅速なプロセスを備えている必要があります。

最後に、組織は AI を使用してすべての露出をスキャンする必要があります。すべての脆弱性がコード内に存在するわけではないため、これはコードスキャンに限定されるべきではありません。現実の攻撃経路の多くは、ライブ環境でアプリケーション、 API 、アイデンティティ、構成、権限、およびビジネスロジックがどのように相互に連携しているかによって生み出されます。従来のアタックサーフェスマネジメントは、何が露出しているかを特定するのに役立ちますが、現在の組織に必要なのは、すべての露出を継続的に分析し、それが実際に悪用される可能性があるかどうかを判断し、攻撃者によって実行される前に、それが攻撃者に対して何を可能にするのかを理解できる AI ペネトレーションテスターです。

AI Threat Defense は Wiz を通じてこのプロセスを運用します。Wiz は、露出しているアプリケーション、インフラストラクチャ、 API 、アイデンティティ、ランタイム環境を継続的に検出し、ライブの露出マップを作成することで、不必要な到達可能性（リーチアビリティ）を減らせるよう支援します。Wiz のコンテキストを認識する AI 搭載ペネトレーションテストエージェントは、攻撃をシミュレートして、従来のテストでは見逃されがちなアプリケーション層やアイデンティティ主導のリスクを含む、悪用可能な複雑な経路を特定して検証します。

Wiz がコードリポジトリ、 CI/CD パイプライン、 AI プラットフォームとモデル、ハイブリッドクラウドなどを継続的にスキャンし、 AI ネイティブのリスクを表面化させる方法をご覧ください。

Wiz がコードリポジトリ、 CI/CD パイプライン、 AI プラットフォームとモデル、ハイブリッドクラウドなどを継続的にスキャンし、 AI ネイティブのリスクを表面化させる方法をご覧ください。

スキャンと優先順位付け：詳細な分析、 AI 主導の敵対的テスト、悪用可能性の検証の実施

戦略的防御には、表面的なチェックから AI 主導の深いコード分析へと移行する、環境スキャンの複数のレベルが必要です。フロンティアモデルは、複雑なロジックの欠陥、危険な信頼境界、脆弱な依存関係、露出した API 、および悪用可能な経路につながる、重大度の低い問題の連鎖を明らかにすることができます。しかし、これらの詳細なスキャンはコストが高く、時間がかかり、すべてのアセットにわたって継続的に実行することは困難です。

そのため組織は、インターネットに面したアプリケーション、顧客向けのサービス、機密データのフロー、認証と承認のロジック、特権サービス、およびその他のビジネスに不可欠なシステムにおける詳細なスキャンを優先する必要があります。

サイバーセキュリティのタスクによってモデルのパフォーマンスが異なるため、複数のモデルを使用し、複数回のチェック（マルチパス）を実行することで、カバレッジを向上させることができます。あるモデルはアプリケーションのロジックに強く、他のモデルはクラウドの構成、バイナリ分析、悪用可能性の検証、または修復ガイダンスに強い場合があります。単一のモデルが、他のモデルが見つける脆弱性のスーパーセットを発見することはありません。組織はトークンあたりの最適なコストで幅広い脆弱性を見つけるために、モデルのコレクションを使用する必要があります。

Google Cloud のマルチ AI 戦略により、さらに費用対効果の高いスキャン戦略が作成されます。広範かつ継続的なカバレッジには軽量で高速なモデルを使用し、フロンティアモデルは最もリスクの高いアプリケーションや検出結果のために確保します。Wiz を使用すると、これらの優先順位は、露出、脆弱性、アイデンティティ、機密データへのアクセス、ランタイムシグナルなど、実際のリスクコンテキストによって導かれます。そのため、最もリスクの高いアセットは一度だけでなく、リスクの変化に応じて継続的に詳細なスキャンが行われます。

AI Threat Defense は、 AI セキュリティエージェントを展開して、深く潜む脆弱性を積極的にハンティングできるよう支援することで、このプロセスを運用します。これらのエージェントは、 Gemini Enterprise Agent Platform （お客様が CodeMender をテストするプラットフォーム）を介して、業界をリードする複数のフロンティアモデルを活用し、企業としての厳格なプライバシー、セキュリティ、データガバナンスを犠牲にすることなく、組織がその仕事に最適なモデルを選択できるよう支援します。

このデモでは、開発者が CodeMender のコマンドラインインターフェース ( CLI ) を使用して、いかに簡単にアプリケーションを保護できるかを紹介しています。

このデモでは、開発者が CodeMender のコマンドラインインターフェース ( CLI ) を使用して、いかに簡単にアプリケーションを保護できるかを紹介しています。

コードの欠陥が発見されると、 AI Threat Defense は、 Wiz からのライブなアーキテクチャおよびランタイムコンテキストを使用して、検出結果を即座に充実させ、検証します。この機能は、モデルによる検出結果の生のリストを、実際のビジネスリスクの優先順位付けされたマップへと変換し、ノイズをフィルタリングして到達可能なものだけに焦点を当てます。

この可視性により、開発者はソースコードのライブラリやバイナリ全体の依存関係を調べ、例えば特定のライブラリのシグネチャや動作を変更する必要がある場合など、連携して行うべき変更を理解できるようになります。AI Threat Defense は詳細な分析を効果的なアクションへと変換し、 Mandiant の専門知識を組み込んで実行可能な対応計画を作成します。この戦略的なガイダンスは、組織が重大な問題の急増を管理し、レガシー製品を安全にリタイアさせるための戦略を作成し、エンジニアリングチームに過度な負担をかけることなく AI が生成したパッチの展開を支援するのに役立ちます。

修復：即時の修正による解決の加速

脆弱性を特定した後に目指すべき目標は、修復にかかる時間を数週間から数分へと短縮することです。AI Threat Defense は、開発チームに実装の重い負担をかけることなく、修正を提供して優先順位を付ける高速で自律的なワークフローを推進することで、そのスピードを実現します。

セキュリティが展開スピードに確実に遅れを取らないようにするため、このプラットフォームは、開発者がビルドを行う際に、開発者の IDE や CLI で直接、脆弱性の修正をプロアクティブに生成します。Gemini の推論能力を最大限に活用する CodeMender は、 Antigravity や Wiz とシームレスに連携し、エンジニアリングチームが脆弱なコードを置き換え、古いコードを最新のメモリセーフな言語に書き直し、ライブラリの依存関係を分析してシームレスなロールアウトを調整できるようにします。それと並行して、トリアージを自動化し、アプリケーションやクラウドインフラストラクチャ全体での修復の優先順位を付けます。

パッチが本番環境に適用される前に、プラットフォームは自動的にテストを生成し、すべての修正を検証します。修復が完了すると、ライブラリにはソース管理環境と本番環境の両方でタグが付けられ、完全なエンドツーエンドのトラッキングが提供されるため、組織は、いつどのモデルを使用してどのパッチが生成されたかを確認できます。

全体的なリスクポスチャの一環として、脆弱なシステムが機密データにアクセスできる場所を把握する必要があります。これらの経路はデータ流出のリスクを高めるためです。データアセット全体の可視性を統合することで、リスクの高いワークロードから到達可能な機密データサービスを特定し、暗号化、アイデンティティ、ネットワーク制御、データ流出の監視などを優先することができます。さらに、ソフトウェア開発ライフサイクルに対する可視性を統合することで、ソフトウェアや構成の変更がどのように展開されているかを制御できるようになります。

最終的に、Google Cloud のアプローチは人間の監視下での自律性を提供し、スピードや戦略的コントロールを犠牲にすることなく、チームがセキュリティのバックログを消化し、ソフトウェア開発ライフサイクルを強化できるようにします。

CodeMender は、コードベースの深く潜む脆弱性を見つけて修正することができます。

監視：マシンスピードでの検出と、訓練に基づく能動的な対応の確立

強固な基盤があっても、真のレジリエンスにはランタイムにおける絶え間ない警戒が必要です。コードレベルのスキャンパイプラインは、展開前に欠陥を捕捉するのには優れていますが、アクティブなエクスプロイトをブロックすることはできません。AI Threat Defense は、運用を手動の監視からマシンスピードの検出およびリアルタイムの防御へとシフトさせます。

露出のサイクルが加速する中、 AI Threat Defense は、 Mandiant の最前線の専門知識に基づき、オーナーシップが定義され結果が追跡される一貫した運用フレームワークを確立することで、レジリエンスを構築します。自動化された攻撃者に対する積極的な防御をサポートするため、 AI Threat Defense は自律型エージェントを活用し、チームが隠れた脅威を迅速にハンティングし、不審なアクティビティを調査し、ライブ攻撃にリアルタイムで対応できるようにします。

AI Threat Defense と共に、 Google Security Operations のエージェント型セキュリティオペレーションセンター ( SOC ) 機能は、ネットワーク、アイデンティティ、アプリケーションテレメトリ全体での新たな異常の自動検知、トリアージと調査、ハンティングをさらに可能にします。これにより、継続的な監視機能が提供され、攻撃者よりも先に脆弱性を発見できるようになります。

最後に、このプラットフォームは環境を根本から保護します。毎日構築、署名、検証される堅牢化されたコンテナイメージを使用することで、導入の初期段階からアタックサーフェスを最小限に抑えます。

パートナーによる AI Threat Defense の活用方法

自律型防御の可能性を最大限に引き出すために、クラウドセキュリティジャーニーを導いてくれる信頼できる戦略的アドバイザーとチームを組むお客様が増えています。Accenture 、 Deloitte 、 Netenrich 、 PwC 、 TENEX.AI などのエコシステムパートナーは、独自のクラウドアーキテクチャを評価し、既存の開発パイプラインに AI 主導のセキュリティ機能を組み込むために必要な重要な専門知識をもたらします。

これらのパートナーは、 AI Threat Defense の初期展開にとどまらず、継続的な管理、カスタムハーネスの構築、カスタマイズされたセキュリティワークフローを提供します。私たちは協力して、組織固有の運用およびコンプライアンス要件に沿いながら、脅威がマシンスピードで特定され、自動的に修復されるよう支援します。

今後の展望： AI で攻撃者の先を行く

脆弱性の悪用までの期間（エクスプロイトウィンドウ）が崩壊したことで、 1 つのことが明らかになりました。それは、人間のスピードによる脆弱性管理は、もはや企業リスクに対する戦略として成り立たないということです。マシンスピードでの攻撃の時代には、自律的で継続的な防御が求められます。

Wiz のコンテキストに基づくリスクの優先順位付け、 CodeMender のコード修復機能、 Gemini のインテリジェンス、そして Mandiant の最前線での専門知識を組み合わせることで、攻撃者のスピードに対抗するために必要なアーキテクチャを提供します。また、 AI Threat Defense はさまざまなモデルを使用することで、組織がコストを管理しながら脆弱性の最大のコレクションを見つけられるようにし、ソフトウェアアセットを継続的にスキャン、修復、および維持できるようにします。

Google Cloud のアプローチの重要な部分は、業界リーダーによる重要かつ成長中のコミュニティとの緊密なパートナーシップである Google Cloud CISO Community です。このグループには、 Morgan Stanley 、 MSCI 、 TELUS 、 Thales などの企業の幹部が含まれています。私たちは共に、リアルタイムのアイデアをソリューションに組み込み、 AI 防御の未来を形作っています。

企業が自動化で能力が強化された攻撃者に遅れをとらないだけでなく、常に彼らの先を行くために、 Google AI Threat Defense がどのように AI を用いて AI と戦い、お客様を支援できるかについて、ぜひ詳細をご確認ください。

Google の分散エージェントランタイム、Agent Executor のご紹介

Thu, 28 May 2026 03:00:00 +0000

※この投稿は米国時間 2026 年 5 月 21 日に、Google Cloud blog に投稿されたものの抄訳です。

モデルとハーネスの進化に伴い、エージェントは数時間、場合によっては数日間にわたって実行される、より複雑なタスクを担うようになっています。しかし、エージェントにより多くの処理を任せるにつれ、新たな運用上の課題も明らかになってきました。長時間実行されるエージェントワークフローは壊れやすく、本番環境で信頼性と効率を保ちながら管理することが非常に困難です。

Google はこのたび、エージェントの実行、再開、分散デプロイのためのオープンソースランタイム標準である Agent Executor を発表します。Google が社内でこうした課題を解決する過程で得た知見をもとに、Agent Executor には次のネイティブ機能が組み込まれています。

耐久性のある実行: 長時間実行される処理では、障害が発生した場合や、人間参加型（HITL）の確認などによってエージェントの処理が中断された場合でも、再開できる仕組みが必要です。Agent Executor は、イベントログとスナップショットを通じて、エージェント、エージェントハーネス、スキル、ツール、サンドボックスなど、あらゆるアクターにこのバックエンドのレジリエンスを自動的に提供します。
安全な分離: Agent Executor は、安全性を重視して設計されたサンドボックス内にコンポーネントを分離し、有害な副作用を防ぐとともに、悪意のあるアクティビティがサービス全体を侵害しないようにします。サンドボックスは、エージェントがコードを生成する場合や、複数のテナントやユーザーデータを同時に扱う場合に特に有用です。
セッションの整合性: 分散エージェントワークフローでは、複数のコンポーネントが共有セッション状態を同時に更新しようとすることがあります。Agent Executor に組み込まれた単一ライターアーキテクチャは、この状態の整合性を維持し、破損のリスクを軽減します。
接続の復旧: 長時間実行されるエージェント型処理では、ネットワーク障害など、さまざまな理由でクライアントが切断されることがあります。Agent Executor を使用すると、クライアントはエージェントに再接続し、クライアントが最後に確認したシーケンス以降のレスポンスを補完できるため、ユーザーエクスペリエンスが向上します。
トラジェクトリの分岐: チェックポイントを使用すると、エージェントのトラジェクトリ、つまり意思決定やワークフローのパスを任意の時点で分岐できます。これにより、エージェントはコンテキストやその他の状態を失うことなく、複数のパスをテストまたは評価できます。

このブログ記事では、Agent Executor の詳細と、使い始める方法をご紹介します。

Google のエージェントランタイムと連携する

企業がエージェントを導入するには、さまざまなデプロイモデルを横断してオーケストレーションできることが必要です。独自のワークフロー、パフォーマンス、コンプライアンスのためにオンプレミスインフラストラクチャを必要とするチームもあれば、価値実現までの時間を短縮するために、事前構築済みのエージェントやカスタムのマネージドエージェントを選ぶチームもあります。Google I/O では、エージェント型エンタープライズにおけるチームの構築とスケーリングを加速するために設計された新しいソリューション群として、Antigravity 2.0 や Managed Agents API などを発表しました。

Agent Executor は、こうしたデプロイモデルの橋渡しをします。次のいずれか、またはすべてを自由に組み合わせて使用できます。

Gemini の最先端エージェントハーネスである Google Antigravity
最新の Deep Research エージェントなど、Google が構築したフロンティアエージェント
お客様が構築し、Google が管理するカスタムエージェント（新しい Gemini API の Managed Agents など）
LangChain / LangGraph、Agent Development Kit（ADK）などで構築されたカスタムの専用エージェント、および Agent2Agent Protocol（A2A）を使用する任意のエージェント

エージェント、モデル、コンピューティングを自社で管理する

Agent Executor を使用すると、企業は最大限の柔軟性を確保しながら、ワークロードの主権を維持し、独自のワークフローを自社管理のコンピューティング環境やカスタムサンドボックス内に保持できます。社内の開発チームは、エージェントのデプロイと管理の方法をより柔軟に選択でき、次のようなメリットを得られます。

ベンダーロックインの防止: 特定のプロバイダのモデルやコンピューティング環境に縛られることなく、自社のインフラストラクチャにエージェントをデプロイできます。これにより、データ所在地やコスト、予算管理を完全に制御できます。
独自のハーネスとエージェントの使用: Agent Executor はハーネスに依存しない設計のため、独自のハーネスを使用することも、他のベンダーが提供するハーネスを使用することもできます。また、業界標準のフレームワークやプロトコルで開発されたエージェントもサポートしており、互換性のあるエージェントからなる幅広いエコシステムを利用できます。
実行の完全な制御: Agent Executor を使用すると、デベロッパーは MCP、スキル、その他のエージェントを含むエージェント型スタック全体を、自社のデータプレーン上で直接実行できます。カスタムの分離境界やワークロードポリシーの適用を備えた、任意のコンピューティング環境を選択できます。

エージェントファーストのコンピューティングレイヤを使用して Kubernetes 上でエージェントをスケール

エージェントワークロードが数億規模へと拡大し、実行時間も長くなるにつれて、お客様は従来のコンピューティング抽象化の限界に直面しています。従来のソフトウェアとは異なり、エージェントは外部入力を待機する非線形のプログラムだからです。この問題を解決するため、Google は Google Kubernetes Engine チームと連携し、本日発表した新しいオープンソースプロジェクト Agent Substrate を開発しました。

Agent Substrate は Kubernetes に新しい抽象化レイヤを導入し、準備済みのコンピューティングキャパシティにエージェントをリアルタイムで割り当てたり、そこから退避させたりします。これにより、レイテンシを低減しながら、スケールと効率を高めることができます。標準の Kubernetes は、長時間実行される数千のサービスを処理するよう最適化されています。一方、Agent Substrate は、標準的なコントロールプレーンでは処理しきれない、数百万件規模の 1 秒未満のツール呼び出しが頻繁に発生する状況に対応できるよう設計されています。Agent Substrate は、既存のサンドボックスインフラストラクチャが備えるセキュアなランタイムとスナップショットの中核機能を活用しながら、Kubernetes の一部の制限を回避するために設計された最小限のコントロールプレーンと組み合わせます。Kubernetes のそれ以外の部分を作り直す必要はありません。これらのレイヤを連携させることで、次のことが可能になります。

コンピューティング効率の最大化: Agent Substrate は、数億の登録済みエージェントを処理できるように設計された新しいコントロールプレーンを導入します。Agent Executor と組み合わせることで、Agent Substrate は現在最大規模のエージェントデプロイメントを支える基盤を提供できます。
Kubernetes エコシステム内での運用: Agent Substrate は Kubernetes 上に構築されており、宣言型構成によるコンピューティングのスケジューリングと水平スケーリングを可能にします。

以下のデモでは、サンプルワークロードを使って、Agent Executor と Agent Substrate を併用する方法を紹介します。

使ってみる

モデル、エージェント、ハーネス、そしてそれらを取り巻くインフラストラクチャは、かつてない速さで進化しています。Google は Agent Executor をオープンに開発することで、実際のデベロッパーに使用してもらいながら設計を検証し、皆様からのフィードバックに基づいて改善できるようにしています。

Agent Executor は現在、プレビュー版としてご利用いただけます。ぜひコードをご確認いただき、ご自身のワークロードでテストしながら、エージェントランタイムの未来を形作る取り組みにご参加ください。今すぐ GitHub リポジトリにアクセスして、使い始めることができます。

- ソフトウェアエンジニア Jaana Dogan

- エンジニアリングディレクター Ethan Bao

立教学院：Google AI Pro for Education で描く「自由の学府」の未来。全専任職員 100% の利活用を目指す組織変革の舞台裏

Thu, 28 May 2026 02:00:00 +0000

Google Cloud は、日本国内の教育機関におけるデジタルトランスフォーメーション（DX）を強力に支援しています。

今回、150 年以上の歴史を持つ立教学院が、Google Cloud の支援のもと、Gemini アプリケーションの有償版である Google AI Pro for Education を全専任職員へ導入しました。少子化という大きな社会課題を背景に、なぜ今、AI なのか。DX 推進プロジェクトチームの方々にお話を伺いました。

伝統ある「自由の学府」が、AI 導入を急いだ理由

立教大学は、キリスト教に基づく教育を礎とし、一人ひとりを尊重する「自由の学府」として知られています。20,000 人を超える学生を抱えるこの大規模な学び舎が、いま大きな変革の時を迎えています。

その背景にあるのは、深刻な社会環境の変化です。

「あと 20 年で若者人口は約 30% 減少すると予測されています。この厳しい環境下で『選ばれる大学』であり続けるためには、限られたリソースで教育・研究の質を維持・向上させる、抜本的な業務改革が不可欠でした。」( 情報企画室課長木田英樹氏）

立教大学は 2023 年、全学的な業務改革を目指して「DX 推進プロジェクトチーム（DXPJ）」を発足。公募によって集まった各部署のメンバーが垣根を越えて連携するこの横断型チームは、2025 年度に「生成 AI を活用した業務効率化・高度化」を全体テーマに掲げ、現場主導の変革を加速させてきました。

「心理的障壁」を突破した、戦略的な 3 ステップ

当初、無料版の AI は利用可能でしたが、活用は一部の職員に留まっていました。分析の結果、浮き彫りになったのは「ルールの欠如」「成功体験の不足」「導入ハードルの高さ」という 3 つの壁でした。

これに対し、DXPJ は以下の 3 ステップで、AI を「自分ゴト」にするための環境を整備しました。

ステップ 1：ガイドライン整備
安心して使える土壌を作るため、推奨ツールや活用範囲を明記。知識レベルの標準化を図りました。
ステップ 2：レベル別活用事例の展開
「メール文案作成（初級）」から「アンケート分析（中級）」、さらには「Google Apps Script 等のコード生成（上級）」まで、具体的な活用イメージを提示しました。
ステップ 3：定着化の実践（AI アンバサダーの創出）
主にDXPJ メンバーが各部署でデモンストレーションを実施。現場で「直接教え、見せる」ことで、AI 活用の意欲層・推進役を増やしていきました。

2025 年 11 月のガイドライン策定を起点とした地道な取り組みが実を結び、策定時点で 56.7％だった専任職員のアクティブ利用率は、翌 2026 年 4 月には 85.4％へ。わずか 5 カ月で約 30 ポイントアップという急成長を遂げました。

有償版の「Google AI Pro for Education」がもたらした圧倒的な優位性

立教学院が、あえて有償版である「Google AI Pro for Education」の全職員導入に踏み切ったのは、PoC（導入前検証）での圧倒的な成果があったからです。DXPJ メンバーを対象とした検証では、驚くべき結果が得られました。

Google AI Pro for Education 導入前検証（PoC）の結果

なぜ、これほどの高評価を得られたのでしょうか。DX 推進プロジェクトチームリーダーの石川氏は、無料版とは一線を画す「Google AI Pro for Education の 3 つの優位性」を挙げます。

圧倒的な情報処理量： 1 回で 100 万トークンという膨大な資料を読み込めるため、規程集や議事録を丸ごと投入しての根拠に基づいた回答生成が可能に。
高度な専門機能： 深い調査を可能にする「Deep Research」などの制限が緩和され、企画の質が飛躍的に向上。
Workspace との完全統合： Gmail や Drive の中でシームレスに動作するため、新しいツールを覚える必要がなく、日常業務に自然に溶け込む。

「まさに、普通の秘書が『超優秀な専門家秘書』にアップグレードされるような感覚です。」

（石川氏）

展望：AI と共に、新たな大学文化を育む

立教学院は、2026 年 4 月から全専任職員へ Google AI Pro for Education のライセンスを付与し、あわせてオンデマンド研修によるリテラシー向上も進めていく計画です。

「Google AI Pro for Education の高度な機能を、職員一人ひとりが本当に使いこなせるよう、DXPJ ではレベルや業務内容に合わせた多様な研修プログラムを展開していく予定です。大切にしたいのは、活用事例を DXPJ の中だけで留めないこと。各部署で生まれた『うまくいった使い方』を組織全体へ横展開し、『使う・広げる』をみんなで回していける仕組みをつくっていきたいと考えています。」（情報企画室　兼築氏）

「私たちの目標は、単なるツールの導入ではありません。職員一人ひとりが AI を『身近で実用的なパートナー』として使いこなし、それによって生まれた時間を、より創造的・戦略的な教育・研究支援へとシフトさせていく。そんな『しなやかな組織文化』への変革を目指しています。」（DX推進プロジェクトチームリーダー（立教大学学部事務4課）石川氏）

全専任職員の利用率100% を目指し、立教学院の挑戦はこれからも続きます。

学校法人立教学院
1874 年（明治 7 年）、米国聖公会の宣教師チャニング・ムーア・ウィリアムズ主教が東京・築地に開いた私塾を起源とする。創立から150 年以上にわたり、「キリスト教に基づく人間教育」を建学の精神に据え、立教大学をはじめ小学校から大学まで一貫した連携教育を展開。2026 年、全専任職員への「Google AI Pro for Education」導入と情報部門内への「DX 推進担当」新設を同時に実施。AI 活用と組織改革の両輪で、国内大学における先駆的な次世代大学運営モデルの構築に取り組んでいる。

インタビュイー（写真左から）

学校法人立教学院
情報企画室　課長　木田英樹氏
DX推進プロジェクトチームリーダー（立教大学学部事務4課）石川元久氏
情報企画室　兼築弥和氏

Cloud Storage Rapid: AI と分析のための超高速化されたオブジェクトストレージ

Fri, 22 May 2026 03:00:00 +0000

※この投稿は米国時間 2026 年 5 月 12 日に、Google Cloud blog に投稿されたものの抄訳です。

Google Cloud Next ’26 において、Google は AI や分析などのデータ集約型ワークロード向けのオブジェクトストレージ機能ファミリーである Cloud Storage Rapid を発表しました。Cloud Storage Rapid は登場時点で、高パフォーマンスのゾーンオブジェクトストレージサービスである Rapid Bucket（旧称: Rapid Storage）と、オンデマンドで読み取りを高速化し、既存のバケットのワークロードのコンピューティングとデータをコロケーションする Rapid Cache（旧称: Anywhere Cache）で構成されています。

Cloud Storage Rapid: AI と分析のための超高速化されたオブジェクトストレージ

組織が AI を中核に据えて構築を進めるなか、Google は次世代の要請に応えるために Cloud Storage Rapid を開発しました。チームは、数兆個のパラメータを持つモデルをトレーニングし、グローバル規模で推論をデプロイし、膨大な量のエンタープライズデータについて推論する自律エージェントを構築しています。GPU や TPU といったアクセラレータが注目を浴びがちですが、それらには極めて重要な依存関係があります。それがストレージです。

ストレージは、トレーニング中にアクセラレータにデータを供給するエンジンであり、リアルタイム推論を応答性の高いものにする高速アクセスレイヤです。しかし、モデルの規模が大きくなるにつれて、ストレージのパフォーマンスがボトルネックになる可能性があります。AI / ML クラスタがデータの読み取りを待機したり、チェックポイントの書き込みを停止したりするたびに、有用な作業を行っていない高価なコンピューティングサイクルに対して料金を支払うことになります。

これまで、AI / ML の実務担当者は、ニッチなゾーンストレージシステムの専門的なパフォーマンスと、Google Cloud Storage のようなグローバルオブジェクトストアの信頼性とスケーラビリティのどちらかを選択する必要がありました。多くのデベロッパーは、Cloud Storage のシンプルさ、スケーラビリティ、信頼性、費用対効果を高く評価していますが、AI 時代の進展に伴い、より負荷の高いワークロードを Cloud Storage に投入し、何千もの GPU や TPU を使用してトレーニングや推論のワークロードを実行しています。従来のオブジェクトストレージでは対応できないパフォーマンスの転換点に達しているのです。Rapid ファミリーは、コンピューティングワークロードを高パフォーマンスのゾーンストレージと直接コロケーションするための複数のオプションを提供します。これにより、アクセラレータをブロックする可能性のある I/O ボトルネックを最小限に抑え、GPU と TPU をフル稼働させて生産性を維持できます。このブログ投稿では、Cloud Storage Rapid の機能について詳しく見ていきましょう。

Rapid Bucket

Rapid Bucket（一般提供）は、Cloud Storage が大規模な生成 AI、分析、その他の高パフォーマンスワークロードの進化する需要に対応できるよう支援します。これは、Gemini や YouTube を支える Google の分散ストレージシステムである Colossus を活用することで可能になっており、専用のオブジェクトストレージゾーンバケットにおいて、膨大な読み取り / 書き込みパフォーマンスと超低レイテンシを実現します。

超高速パフォーマンスブロック型ストレージのミリ秒未満のレイテンシ、並列ファイルシステムのスループット、オブジェクトストレージのスケーラビリティと使いやすさを兼ね備えた Rapid Bucket は、お客様がよくご存じの Cloud Storage と同じ環境で高パフォーマンスを提供します。

主な機能は次のとおりです。

超低レイテンシ: 最大 2,000 万の秒間クエリ数とミリ秒未満のレイテンシを実現します。
優れたスケーラビリティ: Rapid Bucket は、単一の Rapid ゾーンバケットから 15 TB/秒以上の合計読み取りスループットを実現します。
新しいセマンティクス: ネイティブな追加、無制限のリーダー（書き込み中も可能）、ベクトル化された読み取りなどの新機能により、パフォーマンスを向上できます。

AI と分析向けに最適化Rapid Bucket は、AI / ML データ準備、トレーニング、チェックポイント処理、バッチおよびストリーミング分析処理、分散データベースアーキテクチャの最適化など、さまざまな要求の厳しいシナリオで使用できます。

主な利点は次のとおりです。

アクセラレータ使用率の最適化: Rapid Bucket を使用すると、マルチモーダルトレーニング実行で GPU ブロック時間が 50% 削減され、データ読み込みが最大 2.5 倍高速化されることが確認されました。
高速なチェックポイント処理: Rapid Bucket を使用すると、従来のオブジェクトストレージと比較して、最大でチェックポイントの復元が 5 倍、書き込みが 3.2 倍高速化されます。これにより、ワークロードの中断からの復旧が迅速になり、アクセラレータ時間の無駄が最小限に抑えられ、全体的な効率が向上します。

Rapid Bucket によりチェックポイントの復元が最大 5 倍高速化

Rapid Bucket により、チェックポイントの書き込みが最大 3.2 倍高速化

Rapid Bucket の使用を開始するには、こちらをご覧ください。

Rapid Cache

Cloud Next ‘25 で最初に発表された Rapid Cache は、データ準備、トレーニング、推論用のバースト性の高いモデルの読み込みなど、AI / ML ワークロードの帯域幅を高速化し、コードを変更することなく、既存のバケットに対して 2.5 TB/秒の合計読み取りスループットを実現します。推論ワークロードの場合、Rapid Cache を使用すると、モデルの読み込みが最大 2.1 倍（114%）高速化され、TCO が 47% 削減されることが確認されています。

マルチリージョンバケットと組み合わせることで、単一のバケット名前空間を維持しながら、地理的なリージョン間に分散された GPU と TPU に柔軟にアクセスできます。これにより、バケット間のデータ移動を手動でオーケストレートする必要がなくなり、ゾーン内にコロケーションされた高パフォーマンスのメリットを享受できます。

新機能: 書き込み時の Rapid Cache 取り込み世界最大規模の最先端 AI / ML ラボのお客様から、チェックポイントの復元ワークロードや、トレーニングにフィードするデータ準備パイプラインなど、書き込み直後の読み取りを高速化する方法を探しているという声が寄せられました。以前は、データをキャッシュに保存するには、まず読み取りを行って取り込みをトリガーする必要があり、その際は、標準のパフォーマンスでバケットから直接提供されていました。

Rapid Cache の新しい書き込み時の取り込み機能は、Cloud Storage バケットへの書き込みと同時に Rapid Cache にデータを書き込むことで、この問題を解決します。このプロアクティブなアプローチにより、最初のキャッシュミスのペナルティが排除され、ワークロードは最初の読み取りで即座にキャッシュヒットの恩恵を受けることができます。これにより、チェックポイントの復元時間が最大 2.2 倍高速化され、トレーニングクラスタが中断からより迅速に復元できるようになります。

書き込み時の取り込みを有効にするには、既存の Rapid Cache の取り込み基準を変更するだけです。

Rapid Cache のシンプルさとパフォーマンスは、爆発的な導入につながっています。一般提供開始からわずか 1 年で、お客様は数千の Rapid Cache をデプロイし、デプロイされたキャッシュは 20 倍に増加しました。実際、Rapid Cache は Cloud Storage のグローバル外向きトラフィックの最大 20% を処理しています。最先端の AI / ML を利用するお客様は、ワークロードを Rapid Cache にデプロイしています。その一例が Anthropic です。同社は Rapid Cache を使用して、単一のゾーンに TPU とデータを配置し、最大 2.5 TB/秒の動的にスケーラブルな読み取りスループットを提供することで、クラウドワークロードの復元力を向上させています。

事例紹介: Thinking Machines LabThinking Machines Lab は、AI の研究とプロダクト開発を行う企業です。その使命は、適応性とカスタマイズ性に優れた AI システムを構築し、誰もが独自のニーズや目標に合わせて AI を活用できる知識やツールにアクセスできる未来を築くことです。

Next ‘26 では、Thinking Machines Lab のテクニカルスタッフである James Sun 氏が、セッション「Cloud Storage Rapid: AI と分析のための高速オブジェクトストレージ」に登壇し、Thinking Machines Lab が大規模な高パフォーマンスストレージのために実行する、データを大量に消費する AI / ML ワークロードのニーズについて発表しました。

Thinking Machines Lab は、Dataflow、Kafka、Spark でのデータ処理、マルチモデルトレーニング、オープンソースモデルのファインチューニング用の柔軟な API である Tinker のサービングなど、さまざまなワークフローを実行しています。Sun 氏の説明によると、Thinking Machines Lab のワークロードは Google Cloud Storage で実行されています。このようなデータ集約型の AI / ML ワークロードを大規模に実行すると、インフラストラクチャに大きな課題が生じます。

1 つ目の課題は、ハブアンドスポーク型のデータアーキテクチャの管理です。このアーキテクチャでは、データ処理ハブは 1 つのプライマリリージョンに配置され、トレーニング GPU は複数のリージョンに分散されます。これまで、手動によるデータの移動とライフサイクル管理は、運用上の大きな懸念点となっていました。さらに、Thinking Machines Lab のワークロード（データ準備や事前トレーニングのワークフローなど）は、マルチモーダルデータセットを準備するために大規模な Spark ワークロードに依存しており、コールドからホットに瞬時に急増することがよくあります。以前は、このような急増により、データ処理と読み込みが停滞し、重要なトレーニングサイクルが中断されるという、破壊的な 429 エラーが発生していました。

これらのボトルネックを最小限に抑えるため、Thinking Machines Lab は AI / ML パイプライン全体に Rapid Cache を統合し、良好な結果を得ました。

「Rapid Cacheは、当社の AI / ML データインフラストラクチャの中核的な基盤となっており、データの準備から、事前トレーニング、実際のトレーニング、モデルの読み込みに至るまで、重要なワークフローを支えています。重要な帯域幅のシールドおよびブースターとして機能し、迅速なイノベーションに必要なオンデマンドの高帯域幅と一貫した安定性を提供してくれるため、当社はフリート全体でデータ集約型のワークロードを妥協することなくスケールできます。」- Thinking Machines Lab、テクニカルスタッフ、James Sun 氏

要約すると、Cloud Storage と Rapid Cache によって、Thinking Machines Lab は次のメリットを得ています。

簡単、即時、スケーラブル、オンデマンドの帯域幅: チームは現在、1.8 TB/秒を超える安定した読み取りスループットのピークを達成しています。
安定性の向上: Rapid Cache により、テールエンドのレイテンシと 429 エラーが大幅に削減され、マルチモーダルトレーニングに必要な一貫したパフォーマンスが提供されます。
フリート全体のスケーラビリティ: マルチリージョンバケットと組み合わせることで、データ集約型ワークロードをフリート全体にわたってスケールできるようになりました。手動でデータを移動する手間をかけずに、急速に拡大するコンピューティング規模の需要に対応しながら、ゾーンでコロケーションされたストレージによる高パフォーマンスのメリットを享受できます。
運用効率: 階層型名前空間（HNS）の使用により、ディレクトリ名の高速変更をサポートし、クラスタをスケールアウトする際に QPS をより迅速にランプアップできるようになり、データ準備のための大規模な Spark ワークロードが最適化されました。Rapid Cache の「書き込み時の取り込み」機能により、チェックポイントの復元時にキャッシュヒットが即座に発生します。

ビジネスを加速させる最適なプロダクトをお選びください

データ準備、大規模なトレーニング、低レイテンシの推論のいずれを実行する場合でも、Cloud Storage Rapid は、Cloud Storage の特徴である信頼性とスケーラビリティとともに、高いパフォーマンスを提供します。

Rapid Bucket は、Cloud Storage のスループットと秒間クエリ数が最も高く、分析、AI トレーニング、チェックポイント処理、モデル提供などの読み取り / 書き込みのユースケースでレイテンシが最も低くなります。これにより、ストレージのボトルネックを減らし、コンピューティングの利用率を高めることができます。
Rapid Cache は、コードを変更することなく、既存のバケットで読み取り帯域幅の向上とテールレイテンシの安定化を実現します。主なユースケースには、AI トレーニング、チェックポイントの復元、サービング、マルチリージョンバケットによるアクセラレータのオプションなどがあります。

Cloud Storage Rapid ファミリーの利用を今すぐ開始しましょう。

- シニアプロダクトマネージャー、Marco Abela

- シニアプロダクトマネージャー、Luigi Pontes

Google I/O 2026 での発表： Google Cloud の最新イノベーションのすべて

Thu, 21 May 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 5 月 20 日に、Google Cloud blog に投稿されたものの抄訳です。

Google Cloud は Google Cloud Next ‘26 において、「エージェンティックエンタープライズ（Agentic Enterprise）」の幕開けを発表しました。そこでは、第 8 世代の TPU、Gemini Enterprise Agent Platform、全面的に再構築された Agentic Data Cloud、Workspace Intelligence、AI 時代のために構築されたセキュリティについてご紹介しました。

そして本日、Google I/O において、一連の強力な AI イノベーションと最新モデルを発表しました。これらは Gemini Enterprise および Google Workspace を通じて、Google Cloud のお客様に直接ご提供します。

Gemini 3.5: 最先端のインテリジェンスと実行能力を兼ね備えた最新のモデルファミリーです。まずは Gemini 3.5 Flash から提供を開始します。
Gemini Omni: 実世界の理解、マルチモーダル対応、編集機能において飛躍的な進歩を遂げた新モデルです。動画をはじめ、あらゆる入力から多彩な出力を生成できます。
Google Antigravity: 機能を拡張し、Agent Platform と新しく統合したことで、組織全体でのエージェント開発を可能にします。
Gemini Spark: Gemini Enterprise および Google Workspace を利用するお客様向けの、24 時間体制でサポートするパーソナル AI エージェントです。ユーザーの指示の下、自律的にアクションを実行し、業務効率を飛躍的に向上させます。
Google Workspace: 新しい画像生成、編集ツールである Google Pics や、Gmail、Google ドキュメント、Google Keep に実装した新しい音声機能により、日々の働き方を根本から変革します。
Agent Platform 上の Managed Agents API: 開発者は、Agent Platform とシームレスに連携し、Google がホストする安全な環境内でカスタムエージェントを即座に構築、実行できます。
CodeMender: Agent Platform を通じて提供する強力な AI セキュリティエージェントです。コード内の脆弱性の発見と修正を支援します。

Gemini 3.5 が切り拓く新たな可能性

Gemini 3.5 シリーズの第一弾として、Gemini 3.5 Flash をリリースします。このモデルは、エージェントやコーディングにおいて優れたパフォーマンスを発揮し、実用性が高く長期にわたる複雑なタスク処理において真価を発揮します。Google DeepMind は、専用の AI インフラストラクチャを使用して、これらのモデルをゼロから設計しました。モデルとハードウェアを共同設計するという独自のアプローチにより、世代を追うごとに、より深い推論機能をより迅速かつ効率的にトレーニングできるようになっています。

Gemini 3.5 Flash は、これまでの Flash シリーズならではの処理速度を維持しつつ、多角的な視点で大規模なフラッグシップモデルに匹敵するインテリジェンスを提供します。AI エージェントの構築やコーディングの分野においては、これまでで最も強力なモデルです。主要なベンチマーク（Terminal-Bench 2.1：76.2%、GDPval-AA：1,656 Elo、MCP Atlas：83.6%）で Gemini 3.1 Pro を上回り、マルチモーダル理解（CharXiv：84.2%）においても優れたスコアを記録しています。 Gemini 3.5 Flash はパフォーマンスとスピードのバランスに優れ、長期的なエージェントタスクへの取り組みに最適であり、多くの場合、同等のモデルの半分以下のコストで利用できます。
Gemini 3.5 Pro は現在テスト中であり、来月提供開始予定です。

私たちは、各業界の主要な組織と密接に協力し、それぞれの環境で Gemini 3.5 シリーズの検証を行ってきました。

Gemini 3.5 Flash は本日より展開を開始します。

開発者は、Agent Platform 上で Gemini 3.5 Flash を使用してエージェントを構築し、Google AI Studio や Google Antigravity のプロジェクトで使用できます。
ビジネスユーザーは、Gemini Enterprise appを通じて本日より Gemini 3.5 Flash の利用を開始でき、日々のワークフローにおいて Google の AI を最大限に活用した発見、作成、実行が可能になります。

Gemini Omni による高品質な動画コンテンツの生成

Gemini Omni は、テキスト、音声、画像、動画の入力を組み合わせ、ダイナミックな動画コンテンツを生成する画期的な新モデルです。Nano Banana が画像の可能性を再定義したように、Gemini Omni は自然言語を用いた動画の作成と編集において、極めて直感的なアプローチをもたらします。

この機能は、直感的な作成と精密な編集を可能にし、企業がビジュアルを制作、ブラッシュアップする方法を再定義します。e コマース向けのインタラクティブなバーチャル試着機能の開発、複雑なポストプロダクション業務の効率化、パーソナライズされたビデオストーリーの生成など、Gemini Omni はチームのコンテンツ作成を全く新しい次元へと引き上げ、お客様とのエンゲージメント強化を後押しします。

Gemini Omni Flash は、今後数週間以内に Gemini API および Agent Platform API を通じて、開発者および企業のお客様向けに提供開始予定です。

Google Antigravity で誰もが開発者に

Google Antigravity は、次世代のエンタープライズ開発者を強力に支援します。これにより、組織におけるアプリケーションの構築、デプロイ、管理の方法を刷新できます。

Gemini 3.5 Flash を搭載した Google Antigravity は、並外れた計算効率を実現します。これにより、開発サイクルの短縮と、本番規模の AI イニシアチブにおける運用コストの削減が可能になります。本日、以下の新しいツールを発表しました。

エンタープライズセキュリティとコンプライアンス： Google Cloud のお客様は、Agent Platform を通じて Google Antigravity にアクセスできるようになりました。 Google Cloud 標準のデータプライバシー保護と利用規約を適用するため、お客様は自身のデータを完全に管理でき、エージェントの活動もデフォルトで安全なクラウドの境界内で実行されます。
Google Antigravity 2.0 デスクトップアプリ：拡張した Google Antigravity プラットフォームの中核をなすのが、開発者向けの新しいスタンドアロン型デスクトップアプリである Google Antigravity 2.0 です。これは、エージェントの制御、カスタマイズ、オーケストレーションを行うための一元化したワークスペースを提供します。たとえば、製品の発表を管理する場合、 Google Antigravity 2.0 を使用して、ウェブサイトの自動コード生成、ブランドアセットの作成、パーソナライズされたお客様向けメールの開発など、プロジェクトの重要なフェーズにおけるエージェント駆動のプロセスを同時に実行、展開できます。

全体を通してシーケンスを短縮

Google Antigravity CLI：エージェントをより迅速に構築し、デプロイするための軽量なインターフェースを求める開発者向けに、デスクトップアプリと密接に連携する Google Antigravity CLI も提供します。

Google 社内の開発においても Google Antigravity を毎日使用しており、すでに Google Cloud のお客様やパートナーによる活用も始まっています。

「現代のエンタープライズアーキテクチャにおいて、真のボトルネックはエンジニアの認知的な負荷です。 Accenture の大規模なエージェント実行環境において Gemini で強化した Google Antigravity は、インフラストラクチャの複雑さを抽象化し、デリバリーの仕組みを自動化します。スタンドアロンアプリケーションとコンシューマーモデルへの移行により、 Google Cloud は高速なエンジニアリングを大規模に実現しました。これにより、当社の優秀な人材はイノベーションの創出と、クライアントのための強靭なデジタルコアの構築に集中できます。」 — Accenture、Google Business Group、シニアマネジングディレクター兼グローバルプラクティスリード、 Chetna Sehgal 氏

「Google Antigravity は単なるアシスタントではなく、当社の技術的な DNA の中核をなす要素です。エージェントブラウザを通じてユーザー環境をシミュレートする機能は、QA プロセスに革命をもたらし、エージェントマネージャーはパイプライン全体を効率化しました。現在、本番環境レベルのコードの半分以上がこれらのエージェントワークフローを通じて生成されており、ソフトウェアの未来が単なる AI アシストではなく、 AI 駆動であることを証明しています。」 — AirAsia Next、 CTO、 Nikunj Shanti 氏

「Google Antigravity は、 Deloitte のエンタープライズセキュリティ標準に準拠した、ガバナンスの行き届いた自律的なソフトウェアエンジニアリングワークフローを大規模に実現し、社内チームおよび FDE（Forward Deployed Engineering）チームのあり方を変革しました。この機能により、クライアント向けに高精度な AI ソリューションを導入するスピードを劇的に加速させ、あらゆる業界でイノベーションを牽引できるようになりました。」 — Deloitte、US AI & Engineering Strategy and Services リーダー、Faruk Muratovic 氏

「Google Antigravity により、私たちのチームは手作業のコーディングから、高度なオーケストレーション業務へと根本的に移行しました。 Gemini のエージェント推論を活用することで、単なるコード補完を超え、すべてのスプリントを通じてアーキテクチャの整合性を保ちながら、統制のとれた自律的なワークフローを実現しました。機能要件ドキュメントから高精度なコードへ直接生成し、ユニットテストやドキュメント作成を自動化できるようになったことで、構想から導入までのサイクルが劇的に短縮しました。エンジニアを手動での構文入力から、インテリジェントで統制された実行プロセスへと導く、自律的なコーディングパートナーとして Google Antigravity は機能しています。」 — Monks、AI Implementation、テクニカルディレクター、John O'Rourke 氏

「私たちは単純な AI コード補完の段階を抜け出し、真のエージェントオーケストレーションへと移行しつつあります。 Google Antigravity を使用してエンジニアリングパイプラインをバックグラウンドで実行することで、チームは従来の開発における摩擦を排除し、クライアント向けのカスタムソリューションを構築し、かつてないスピードで価値を提供できるようになっています。」 — PwC US and Global、PwC Advisory、CTIO、Vikas Agarwal 氏

「WPP は、製品開発ライフサイクルを補完するために、エージェントマーケティングプラットフォームである WPP Open に Google Antigravity を統合しました。Gemini のパワーを活用することで、ワークフローを効率化し、繰り返しのタスクを自動化したことで、エンジニアリングチームがクライアントに高品質なソリューションをより迅速に提供できるようになりました。」 — WPP Open、エンジニアリングヘッド、Callum Anderson 氏

利用を開始するには、Google Antigravity をダウンロードし、標準の Google Cloud 認証情報を使用してデスクトップアプリケーションまたは Google Antigravity CLI にログインしてください。 Google Antigravity は、今後数か月以内に Gemini Enterprise で利用可能になる予定です。

Gemini Spark：24 時間体制のパーソナル AI エージェント

AI がその可能性を最大限に発揮するためには、組織内のあらゆる個人をつなぐ基盤として機能する必要があります。これには、業務内容、協力者、さらには執筆スタイルといった特定のビジネスコンテキストを深く理解するインテリジェントなパーソナルエージェントが不可欠です。これらのエージェントは、ユーザーの許可の下で複数のステップにまたがるワークフローを自律的に実行し、チームを日常的な手作業から解放します。その結果、チームはビジネスを前進させるような、より影響力の大きい戦略的なイノベーションにリソースを集中できるようになります。

Gemini Spark in Gemini Enterprise は、Google Workspace、カスタムコネクタ、オープンウェブにわたってバックグラウンドで動作する新しい 24 時間体制でサポートするパーソナルエージェントです。主に以下のことが可能になります。

複雑な業務の委任: 定期的なタスクの設定や、エージェントに新しいスキルを学習させることで、複数ステップの業務をユーザーに代わって実行することができます。
完全な制御の維持: Gemini Spark は重要な更新をプロアクティブに送信し、メールの送信などのリスクの高いアクションには明示的な承認を求めます。
エージェント体験のパーソナライズ: Gemini Spark を使えば使うほど、ユーザーの好みややり取りの傾向を学習し、個人のワークスタイルに沿ったより正確で役立つパートナーへと成長します。
ツールやアプリへの接続: Gemini Spark は、Microsoft SharePoint 、OneDrive 、 ServiceNow をはじめとする、既存の Gemini Enterprise コネクタと連携して動作します。
セキュリティと統制されたサンドボックス: Gemini Spark は Google Cloud 上のフルマネージドかつセキュアなランタイムで動作するため、基盤となるインフラストラクチャを管理することなく、エンタープライズグレードのセキュリティを享受できます。すべてのタスクは、新しく厳密に隔離された一時的な VM 内で実行されるため、セッション間でデータが干渉することはありません。企業を保護するため、すべてのトラフィックはデータ損失防止（DLP）ポリシーを適用するセキュアな Agent Gateway を経由します。また、ユーザーの認証情報は完全に暗号化され、エージェントに直接公開されることはありません。

Gemini Enterprise の Gemini Spark を活用したステークホルダー向けメールのドラフト作成

Gemini Spark は、組織内の多種多様なプロセスにおけるタスクを支援し、チームがより戦略的な業務に集中できるようサポートします。活用例は以下の通りです。

Gemini Spark は、リリース前に修正が必要な重要機能に関する新しい製品リクエストを特定し、大幅なスケジュール変更が必要であることを検知できます。バックグラウンドでは、 Google Antigravity と連携してコードの変更案を自動的に提示し、開発チームが変更内容を確認するための Jira チケットを作成します。さらに、チームのドキュメントを相互参照してリリーススケジュールを再計算し、関連する Google スプレッドシートや Google ドキュメント全体のステータスを更新します。その後、実行したアクションの確認とチームへの共有を目的としたステークホルダー向けメールの下書きを作成します。
Gemini Spark は、ServiceNow を介してシステムの健全性を監視し、関連するチケットをチェックすることで IT 運用担当者を支援します。再発する重大な問題を検出すると、開発チームへのエスカレーション用の Jira チケットを作成し、Google ドキュメントで包括的なインシデントレポートのドラフトを作成します。そして、Google Chat を通じて IT マネージャーに通知し、ステークホルダーへのコミュニケーションプランの確認と承認を求めます。
営業担当者の場合、Gemini Spark は Salesforce のアカウント履歴や Zendesk の最新のサポートチケットを抽出することで、クライアント会議の準備をプロアクティブに行うことができます。解約のリスクを特定すると、Gemini Spark は Google ドキュメントでパーソナライズされたアカウント維持戦略とお客様向けのメールを作成し、ユーザーによる明示的な送信承認を待ちます。

Gemini Enterprise app における Gemini Spark は、まもなくお客様への展開を開始します。 Google Workspace における Gemini Spark は、ビジネスユーザー向けに Gemini アプリ内で近日中にプレビュー版を提供開始予定です。

Google Workspace がもたらす新たな働き方

私たちは、日頃使用している Google Workspace 内で AI を活用し、さらに多くの業務をこなすための新しいアプローチを発表しました。今夏、ビジネスユーザー向けに以下の新機能をプレビュー版として提供開始します。

Google Pics: AI を活用した新しい画像生成、編集ツールにより、画像を思い通りにコントロールできます。Google Pics を使用すると、個々のオブジェクトの移動、サイズ変更、変形が容易に行えるほか、テキストの修正や翻訳も個別に実行できます。 Google ドライブ、Google ドキュメント、Google スライドなどのアプリに直接組み込んでいるため、複雑な編集も直感的に行えます。これにより、チームはグローバルなマーケティングキャンペーンの迅速な更新、写真内の製品の入れ替え、異なる広告レイアウトに合わせた背景のサイズ変更などをスピーディに完結できます。
Gmail、Google ドキュメント、Google Keep の音声機能: お気に入りのアプリで、ハンズフリーでアイデアを出し、整理し、タスクを実行できます。受信トレイからプロジェクトの期限を素早く見つけたり、レポートのドラフトを推敲したり、頭に浮かんだアイデアを構造化されたリストに変換したりすることが可能です。

フルマネージドのエージェントで開発スピードを加速

Agent Platform 上の Managed Agents API により、開発者は、単一の API コールだけで、推論、ツール呼び出し、コード実行を行うカスタムエージェントを、Google がホストする安全なリモート環境内に即座に立ち上げることができるようになりました。これにより、技術チームは複雑なインフラストラクチャ管理負担を軽減し、エージェントの動作設計に集中できます。Managed Agents API は、Agent Platform のエンタープライズグレードのデータプライバシー、ガバナンス、およびセキュリティ保護を自動的に引き継ぎます。

利用を開始するには、ドキュメントをご覧ください。

エージェンティックエンタープライズを保護

Gemini 3.5 のような高度なモデルは、AI セキュリティや脆弱性検出のプロセス変革など、企業全体に強力な新しい可能性をもたらします。ビジネスを持続的に成長させるためには、戦略的なリスク軽減、堅牢なコンプライアンスの維持、そして信頼できる AI の展開が不可欠です。

Google Cloud は、広範なセキュリティおよび AI コミュニティとの知見や対策の共有に加え、 CodeMender を Agent Platform に統合します。CodeMender は、もともと Google DeepMind が開発した AI コードセキュリティエージェントです。Agent Platform の機能と高度な Gemini モデルを活用することで、CodeMender はコード内の脆弱性を自律的に特定します。その後、正確な修正案を提示し、それらを安全にテストした上で、ユーザーの承認を得て、依存関係のあるシステム全体にパッチや必要な変更を適用できます。このプロセス全体が安全なデプロイを自動化しつつ、開発者が常に主導権を握れるように設計されています。

すでに複数の Gemini Enterprise のお客様が CodeMender のテストを開始されており、提供範囲の拡大については近日中にさらなる情報をお伝えする予定です。

また、合成メディアに対するプラットフォームの信頼性と安全性を確保する取り組みにおいても、大きな前進を遂げています。本日より Agent Platform において、新しい AI Content Detection API の展開を開始します。これにより、企業は Google モデルだけでなく他の主要なモデルが生成した AI コンテンツを特定する強力な手段を手にすることができ、責任あるメディアガバナンスの維持に役立てることができます。コンテンツの透明性と検証のための拡張ツールについての詳細も合わせてご覧ください。

今後の展望

Google I/O で発表した最新の Google Cloud のアップデートにより、初期段階のアイデアから価値ある成果を生み出すまでのプロセスがこれまで以上に容易になります。これらの新しいツールは、皆様のワークフローを合理化し、チームの能力を最大限に引き出すように設計されています。すべてのニュースの詳細や製品のライブデモンストレーションについては、Google I/O の基調講演（動画）をぜひご覧ください。

50 以上のフルマネージド MCP サーバーが Google Cloud サービスで利用可能に

Thu, 21 May 2026 01:00:00 +0000

※この投稿は米国時間 2026 年 4 月 29 日に、Google Cloud blog に投稿されたものの抄訳です。

このたび、Google Cloud Next ‘26 では、50 を超える Google マネージド Model Context Protocol（MCP）サーバーの一般提供およびプレビュー版の提供を開始し、今後さらに多くのサーバーを追加予定であることを発表しました。

これは、次の点で重要な意義を持ちます。 AI エージェントが試験的なプロトタイプから脱却するには、現実世界のデータにアクセスし、複雑な問題を自律的に解決できる必要があります。

Google マネージド Model Context Protocol（MCP）サーバーにより、AI エージェントと Google および Google Cloud の巨大なエコシステムをつなぐ重要な接続が確立されます。Google は、MCP サーバーをエンタープライズ対応の標準化されたプラットフォームでホストすることにより、ローカル MCP サーバーとの統合の必要性を排除し、主要なエージェントランタイムおよびフレームワーク全般に統合された一貫したデベロッパーエクスペリエンスを実現しました。

エンタープライズ仕様の MCP

エージェントエコシステムのスケーリングは、スピードと安全性のどちらかを犠牲にするものであってはなりません。成長のための柔軟性が必要ですが、エージェントを管理し、制御するためのガードレールも欠かせません。

Google マネージド MCP では、AI エージェントをそのエンドポイントに仕向けるだけで、リージョン構成を変更することなく、Google Cloud のセキュリティスタックに接続できます。このプラットフォームはさまざまなアーキテクチャに高い柔軟性をもたらします。ここでは、その実現を容易にしている仕組みの概要をご紹介します。

高い相互運用性: プロトコル変換を通じ、エージェントによる MCP 仕様への準拠が徹底され、Gemini CLI、Claude、ChatGPT、VS Code、LangChain、Agent Development Kit（ADK）、CrewAI などのパブリックエージェントやエージェントフレームワークと直ちに連携可能となります。この仕組みは、たとえば、ツールに加え、MCP プロトコルのプリミティブとしてリソースとプロンプトのサポートを追加したことにより強化されました。
リソース検出の一元化: MCP サーバーやツールを探す必要がなくなりました。エージェントレジストリによって、エージェント、MCP サーバー、ツールを 1 か所で簡単に検索して管理できる統合ディレクトリが提供されます。
確かなセキュリティとガバナンスで簡単アクセス: すべての Google Cloud サービスがデフォルトで MCP 対応になったため、エージェントは Google Cloud と簡単に通信できます。Google 独自の Cloud IAM 拒否ポリシーを活用して、きめ細かいアクセス制御が可能になります。
コンテンツの安全性: Model Armor のインライン統合により、間接プロンプトインジェクションやデータの引き出しを積極的に防御できます。
完全なオブザーバビリティ: OTel Tracing と Cloud Audit Logs で完全な監視を維持し、エージェントのトラブルシューティング、包括的な分析、エージェントの行動のフォレンジック監査を実行できます。

事例紹介: 動画編集の概念を覆す Insta360

世界有数のスマートイメージングブランドである Insta360 は、Google Cloud のエージェントエコシステムを活用して、ユーザーが日々の暮らしや活動を映像化して共有する方法を革新しました。AI による動画ハイライト機能を提供する「Moments」を基盤とし、Google の Agent Development Kit、Agent Engine、A2A、Google マネージド MCP サーバーを活用することで、Insta360 は AI 動画編集エージェントを開発しました。これにより、ユーザーは自然言語入力によってクラウドで動画編集を完了できるようになりました。

「マネージド MCP サーバーへの移行は、脆弱なポイントツーポイント接続からの脱却と、安全でスケーラブルなサービス指向アーキテクチャへの移行を可能にしました。当社独自の編集ツールをマネージドエンドポイントとして公開することで、自律的な動画制作機能を世界中のユーザーに提供するのに必要なエンタープライズグレードの安定性を確保できたのです。」- Insta360、クラウドサービス責任者、Even Lin 氏

Google エコシステム全体を網羅する機能性

社内の業務を自動化する場合でも、顧客対応のエクスペリエンスを構築する場合でも、Google マネージド MCP サーバーを使用することで、モデルはチャットが可能になるだけでなく、Google Cloud サービス全体で直接アクションを実行するために必要な安全な接続を確保できます。たとえば、以下の仕組みを今日からでも、ご利用いただけます。

1. インフラストラクチャ、運用、セキュリティ

エージェントは、単純なモニタリングを超えてアクティブなオーケストレーションを実現し、重要なセキュリティイベントを優先しながらメンテナンスとモニタリングを処理できます。この取り組みの具体例を以下にいくつか紹介します。

ライフサイクル管理の自動化（ALM）: GKE、Cloud Run、GCE の MCP サーバーを使用して、リアルタイムのアプリケーション需要に基づいてリソースを動的にプロビジョニングおよび廃止します。
自己修復システム: エージェントが Cloud Logging と Monitoring を介してイベントを監視し、ユーザーに影響が及ぶ前にトラフィックの再ルーティングやデプロイのロールバックなどの復旧アクションをトリガーします。
セキュリティオーケストレーション: Google Security Operations を使用した高度なワークフローを構築して、新たな脅威の自動的な調査と対応を可能にします。
フリートとネットワークの運用: Android Management API MCP サーバーを使用して自然言語でデバイスの状態を照会したり、Network Management API MCP サーバーを通じて複雑な診断ワークフローを自動化して実用的な分析情報を即座に表示したりできます。

2. データベース、分析、ストレージ

エージェントが効果を発揮するには、企業の実体（本番環境システムで実際に使用されている運用データ）にグラウンディングする必要があります。これにより、エージェントは以下の仕組みでデータエコシステムとやり取りできるようになります。

リアルタイムの運用分析情報: エージェントは Spanner、AlloyDB、Cloud SQL、Firestore、Bigtable のいずれかの MCP サーバーに直接接続することで、構造化データと非構造化データの両方の運用データにアクセスできるようになり、即時のデータドリブンな意思決定が可能になります。
分析情報とデータパイプライン: BigQuery と Managed Service for Apache Spark の MCP サーバーを活用して大規模なデータセットを処理し、Pub/Sub または Managed Service for Apache Kafka を使用してプロアクティブなシステムアラートをトリガーします。
コンテキスト検索: Google Cloud Storage と Knowledge Catalog の MCP サーバーを使用して構造化データと非構造化データの両方にアクセスし、複雑なタスクを正確に実行するために必要なリアルタイムのコンテキストをエージェントに提供します。

3. サービスとアプリケーション

エージェントが効果的に機能するには、元データだけでなく、地理的コンテキスト、技術ドキュメント、生産性向上ツールが必要になります。エージェントがこれらのツールを活用して、より高度で有用なタスクを実行する具体例は以下のとおりです。

デベロッパー支援: Developer Knowledge API MCP サーバーは、Google のデベロッパー向け公式ドキュメントにグラウンディングした AI エージェントです。これにより、ツールから最新のコードサンプルとガイドを参照でき、複雑な技術的問題を解決できます。
局地的コンテキストインテリジェンス: Google Maps Grounding Lite MCP サーバーを使用して、信頼できる Google マップデータをエージェントに提供します。旅行や不動産のアプリケーションで経路案内、天気、地域の観光スポットに関する高精度の回答を提供し、ハルシネーションを最小限に抑えます。
会話機能の設計: Gemini Enterprise Agent Platform MCP サーバーにより、エージェントが AI スーパーバイザーとして機能し、他のモデル、プロンプト、エンドポイントのライフサイクル全体をプログラムで管理します。さらに、Customer Experience Agent Studio MCP サーバーが AI 支援ワークフローをサポートし、カスタマーエクスペリエンスエージェントの構築、修正、維持が可能になります。
生産性とコマース: Gmail、ドライブ、カレンダー、People API、Chat の Workspace MCP サーバーを使用してチームのコラボレーションを合理化します。具体的には、エージェントが Gmail スレッドの要約、ドキュメントの下書き、カレンダーの招待状の管理、Google Chat ワークフローの促進を行い、チームの生産性を高めます。さらに、Google Pay とウォレットの MCP サーバーを使用すると、支払いやデジタルパスをエージェントワークフローに統合でき、AI がオンボーディング、統合のトラブルシューティング、購入手続きのパフォーマンスのモニタリングを支援できるようになります。

これらの機能を MCP と統合することで、単にチャットするだけでなく、ユーザーに代わって実際に行動するエージェントをこれまでになく簡単に構築できるようになります。

技術的シナリオとデモ

このプラットフォームの有用性をわかりやすくご紹介できるよう、Google マネージド MCP サーバーと ADK を使用した Pet Passport のデモを構築しました。

エンドツーエンドの完全なワークフローを処理する自律エージェントが、ニューヨークの街でペットと過ごす完璧な 1 日をどのように計画するかを示したデモです。以下のように、マクロからミクロへの推論チェーンがエージェントによって展開されます。

まず、BigQuery MCP サーバーを使用して NYC Dog License データセットを分析し、ユーザーの飼っている犬種がどの地域で最も親しまれているかを特定します。
次に、そのコンテキストを Google マップの MCP サーバーに受け渡して、ドッグランやカフェを含む検証済みお散歩ルートを生成します。

本番環境に移行する際は、Gemini CLI が Cloud Run MCP サーバーを活用してローカルマシンから直接エージェントアプリケーションをデプロイし、エクスペリエンス全体を共有可能なライブ URL として公開します。

このエージェントのワークフローをお試しになりたい場合は、Codelab を利用するか、GitHub でソースコードを確認してください。

今すぐ開発に着手しましょう

Gemini CLI、ADK、またはお好みの IDE を使用して、本番環境グレードのワークフローを構築してみましょう。

- Google Cloud、プロダクト管理担当ディレクター Vidya Nagarajan

- Google Cloud、プリンシパルエンジニア Yubin Gong

法改正対応を AI で加速する富士通の挑戦：暗黙知の言語化が開発プロセスを変えた

Tue, 19 May 2026 02:00:00 +0000

行政システムや電子カルテなど、法律に基づく社会インフラを支えるソフトウェアの開発には、独特の難しさがあります。法改正のたびに、数百ページに及ぶ法令文書を読み解き、既存システムへの影響を見極め、限られた納期でシステム改修を完了させなければなりません。しかも、その判断ができるのは、長年の経験で培われた業務知識を持つごく一部のエンジニアだけ。

富士通株式会社は、このような既存システムの改修案件におこる構造的な課題に AI で挑んでおり、こうした取り組みを、富士通のシステム開発を変革するプロジェクト「Takane Driven Initiative」として推進しています。今回は、この検討プロセスの一部において、Google Cloud の Tech Acceleration Program（TAP）を知見探索の場として活用しました。ここで得た知見を社内の開発プロセスに還元し、「暗黙知の言語化」という独自のアプローチで成果を上げ始めました。今回は、AI Innovation Center の小副川健氏、Public＆Education事業本部の馬塲燿司氏、AI&Tech-Driven Transformation 本部の魚瀬秀明氏にお話を伺いました。

左から順に、インタビューにご協力いただいた富士通Japanの馬塲氏、富士通の小副川健氏、富士通Japanの魚瀬氏

属人化した現場の課題：800 ページの法令を読み解き、数ヶ月でシステムへの反映をせまられる現実

富士通が開発・提供する行政システムや医療システムは、法改正に合わせて改修を繰り返す宿命を持っています。

医療分野では 2 年に 1 度の診療報酬改定があり、1 月末に出される仕様は 3 月にかけて段階的に詳細化されていきます。それを 6 月の施行日までに、つまり、たった 3 ヶ月でシステムへ反映させなければなりません。対象となる法令文書は 800〜900 ページ。行政分野でも、マイナンバー制度や標準化法など、大規模な法改正が定期的に発生します。

「法律が変わると、当然システムも変えていかなければなりません。その作業を何年も繰り返してきた結果、システムの母体が大きくなり、保守が大きなウエイトを占める状況になっています」と馬塲氏は語ります。

改修を繰り返す中で保守のウェイトが増していく現場の実情を語る馬塲氏

課題は規模だけではありません。法令文書を読み込み、各自治体や医療機関での運用を頭に描きながらシステムを設計し改修を行うには、既存のソースコードの理解、コーディングスキルに加えて、深い業務知識が求められます。しかも、この作業にかけられる時間は多くはありません。できる人材はどうしても限られ、一部のベテランの担当の「暗黙知」として蓄積され、業務の属人化が進んでいました。

この問題の解決に向けて、富士通社内で立ち上がったのが全社横断の取り組み「Takane Driven Initiative 」です。富士通の技術と蓄積された業務知見をあわせ、設計から、製造、テストまでを一気通貫で AI が担う「AI-Driven Software Development Platform（AI-Driven SDP）」の開発を進めています。現在、行政とヘルスケアを中心に活用がはじまっています。

AI-Driven Software Development Platform の全体像

Gemini CLI との出会い：コンテキストの長さとインタラクティブ性が決め手に

AI-Driven SDP の開発を統括する小副川氏が Gemini に注目した理由は明快でした。

「まず、当時のタイミングで圧倒的にコンテキストが長かった。我々のソースコードの量が膨大なので、どれだけ詰め込めるかが重要だと考え、これに耐えうる AI として Gemini に注目、それをターミナルで使える Gemini CLI を選びました」

加えて、すでに Google Cloud 環境を利用していたことも後押しになりました。富士通が独自に開発する AI-Driven SDP は、設計から製造、テストに至るまで、全工程一気通貫で処理が実行されます。ただし、そのドメインナレッジは、各工程ごとに試行錯誤しながら整備する必要があります。Gemini CLI のインタラクティブなやり取りは、ベテランの持つ暗黙知の抽出と言語化のアプローチにマッチしていました。TAP での検証を通じて暗黙知抽出のアプローチを確立し、それをTakane Driven Initiative に持ち帰って活かすこと。それが今回の狙いでした。

TAP で見つけた「暗黙知を言語化する」アプローチ

Google Cloud の TAP では、3 日間のワークショップを通じて具体的な検証を行いました。馬塲氏のチームが取り組んだのは、過去に実施した法改正の案件を題材にした 4 段階のアプローチです。

Gemini CLI の応答を前に、富士通と Google Cloud が議論を重ねた

まず、過去の法改正における法令文書とソースコードを Gemini に読み込ませ、正しく改修できるかを試しました。ところが、最初はうまくはいきませんでした。

そこで次に、正解となるコードを与えて逆算させました。「この正解を導き出すにはどういう実装方針が必要か」を Gemini に考えさせ、実装方針を言語化させたのです。

そして、コンテキストをリセットした上で、導き出した実装方針に基づいて改めて改修を試みます。それでも正解に届かなければ、プロンプトをチューニングして精度を上げていく。

「この 3 つのステップだけではうまくいかなかったんですね。なぜかというと、我々の頭の中にしかない暗黙知、言語化されていないものがあると、やはり期待どおりの開発ができないということがわかりました」と馬塲氏は振り返ります。

ここから生まれたのが、4 つ目のステップ、暗黙知の体系的な言語化です。Gemini CLI とインタラクティブに対話しながら、「なぜ正解にたどり着けなかったのか」を考察させ、足りなかった知識を一つひとつ洗い出していきました。

魚瀬氏はこのプロセスを「新人を教育しているようなイメージ」と表現します。

「最初の 50 点から 100 点に引き上げるために何が足りなかったのかが、少しずつアウトプットされていく。それをまとめて体系化すると、『こういうことが足りなかったんだ』という気づきが得られるんです」

Gemini との対話を新人教育になぞらえて説明する魚瀬氏

ソースコードの構造を一度に学習させようとするとトークン超過が発生しましたが、体系的に順序を整理し、フューショット（Few-shot prompting）で段階的に知識を投入していくことで、精度は大きく向上しました。

技術よりも大きかった「マインドの変化」

TAP を通じて得られた最大の成果は、技術的な知見だけではありませんでした。

「一番大きなところは、マインドの変化です」と馬塲氏は言います。「暗黙知をちゃんと言語化して AI に読み込ませないと、正しい正解を導き出せないことが目に見えてわかりました。普段何気なくやっているシステム開発の一つひとつを、AI に教えるならどう言語化すればいいか、と考えるようになったんです」

この意識の変化は、TAP 後の活動にも波及しています。TAP で得た暗黙知抽出のノウハウを社内に展開したことで、AI エンジニアとして活動できる人材が増えるという副次的な効果も生まれました。

小副川氏はこう補足します。「AI-Driven SDP における暗黙知の抽出・体系化プロセスとして整理し、環境やモデルが変わっても活用できる手法として確立したことで、ベテランの経験がなくても暗黙知を抽出できる人材が育ちつつあります」

Google Cloud スペシャリストとの連携で大きな手応え

TAP での Google Cloud スペシャリストとの協業について、馬塲氏は「非常に素晴らしかった」と評価します。

「目先のゴール達成だけでなく、ビジネスの背景や目的から理解していただきました。3 日間に限らず、その後も個別のフォローアップをしていただき、暗黙知の言語化についても継続的に支援を受けられたのは非常にありがたかったです」

魚瀬氏も、まず課題の真因に対して仮説を立て、それに対してどういった技術とアプローチで解決できるかを議論するという進め方に手応えを感じたと話します。

「来るたびに最新の技術を出し惜しみなく紹介してくれて、それを自分たちの中でどう活用できるかを検討できました」

小副川氏は「非常に真摯に課題に向き合っていただいた。自分たちの技術やサービスを当てはめようとするのではなく、課題そのものをしっかり見てくれた」と振り返ります。

Google Cloud スペシャリストとの協業を「課題そのものをしっかり見てくれた」と振り返る小副川氏

AI が主役になる開発、その先にあるもの

富士通は TAP で得た知見を AI-Driven SDP に還元し、法令の解釈から設計、製造、テストまでの全工程自動化を目指しています。プレスリリースでは、3 人月を要していた改修期間を 4 時間に短縮した実証結果も報告されました。

ただし、課題も残っています。馬塲氏は「AI は同じ命令を与えても結果が微妙に異なります。社会システムでは再現性が必須なので、間違ったアウトプットを検知して軌道修正する仕組みが必要です」と指摘します。

今後の展望について、魚瀬氏はこう語ります。「私たちはソフトウェアを通じてお客様の課題を解決するためにこの仕事をしています。AI が開発を加速してくれるなら、空いた時間でお客様のところに行き、業種を横断した社会課題の解決に取り組みたい。それが真の目的だと思っています」

馬塲氏は、AI を開発に活用する上での心構えをこう締めくくりました。

「今回の AI は、補助ではなくシステム開発の主役です。高速にアウトプットが出てきますが、それは最後の一瞬の動作にすぎません。裏には、暗黙知を地道に言語化して蓄えさせるという準備がある。一足飛びではなく、その地道な作業があってこそだということを、社内にも広めていきたいと思っています。そして今後も、社会システムに求められる品質と再現性を満たす AI ドリブン開発の在り方を追求していきます」

Tech Acceleration Program (TAP) とは

グーグル・クラウド・ジャパンは、ユーザー企業の DX の取り組みを加速させるために、生成 AI やクラウドネイティブな技術を活用して、実際のアプリケーションを題材に、迅速で効率的なアプリケーション開発を体験するアジャイル型のワークショップ「Tech Acceleration Program (TAP) 」を提供しています。TAP ではアジャイルなアプリケーション開発を支援するための環境づくり（開発環境の整備やコンテナベースのプラットフォームの検討など）もご支援しています。こちらからお問い合わせください。

インタビュイー

富士通株式会社
・AI Innovation Center 小副川健様

富士通Japan株式会社
・Public＆Education事業本部馬塲燿司様
・AI&Tech-Driven Transformation 本部魚瀬秀明様

日本最大規模の総合大学、日本大学が挑む教学 DX：全専任教職員 1 万人へ「Google AI Pro for Education」を導入し、教育の「自主創造」を加速

Mon, 18 May 2026 01:00:00 +0000

日本最大級の総合大学である日本大学（東京都千代田区）は、2022 年の「教学 DX 戦略委員会」発足を機に、データ駆動型教育の実現に向けた改革を推進してきました。その基盤として長年活用されてきたのが Google Workspace であり、現在は、有償版である Google Workspace for Education Plus を導入しています。

令和 8 年度、同大学はさらなる業務効率化と高度な教育・研究の展開を目指し、Gemini アプリケーションの教育機関向け有償版である Google AI Pro for Education を、すべての専任教職員を含む 1 万ユーザーに導入することを決定しました。

本プロジェクトの背景と、Google Cloud が提供するテクノロジーがどのように大学の未来を切り拓くのか、日本大学の取り組みを紹介します。

導入の背景：スケールメリットを「データの力」へ

日本大学は、多彩な学部・学科を擁し「日本の縮図」とも称される規模を誇ります。この膨大なデータ資源を最大限に活かすため、同大学は Google Workspace や BigQuery、Looker などのGoogle Cloud のサービスを中心とした情報基盤を構築してきました。

「本学のメール基盤である Google Workspace は、単なるコミュニケーションツールではありません。教学情報収集・分析基盤（通称：D-CAS）をはじめとする多くの重要施策がこの上で運用されており、世界レベルのデータ駆動型教育という目標に向けた核となっています」（日本大学　情報イノベーションセンター　中村文紀 CDO)

Google AI Pro for Education による業務の効率化、そして知的創造へ

Google AI Pro for Education の導入により、「安心・安全」で「広範かつ高度な AI 活用」が期待されています。

「トレーニングに使用されない安心・安全な環境であるのはもちろんのこと、Gmail や Google ドライブ等の Google アプリケーションにアドオンされることで、さらに Gemini の活用シーンが広がります。また、トークンの上限が緩和されることにより、より高度かつ複雑な対話が可能となります。効率化されることで創出された『知的創造時間』から、新たなイノベーションが生まれると確信しています」

Google for Education によるトレーニングで DX を加速

導入にとどまらず、学生の AI スキル向上を見据え、まずは全教職員がこの強力なツールを「使いこなす」ための仕組み作りが同時に進められています。

Google for Education が提供する包括的なトレーニングプログラムを通じて、AI リテラシーの向上を段階的に実施。生成 AI を活用した定型業務の効率化により、教職員が本来注力すべき「知的創造時間」を確保することを目指しています。これにより、日本大学の教育理念である「自主創造」を、教職員自らが率先して体現していくことが期待されています。

今後の展望：日本最大級の知見を社会へ

令和 8 年 4 月 1 日には、教学 DX さらには業務 DX の司令塔となる「日本大学情報イノベーションセンター」が設置されました。

「新しいセンターのもと、生成 AI を活用した教学や業務の改善を加速させます。本学で得られた成果や知見は、学内にとどめるのではなく、広く社会全体へと還元していきたいと考えています」（日本大学　情報イノベーションセンター　中村文紀 CDO)

Google Cloud の役割

Google Cloud は、各種 Google Cloud のサービス、Google Workspace および Google AI Pro for Education を通じて、日本最大規模の教育機関である日本大学の変革を支えています。

強固なインフラストラクチャ: 大規模なユーザー数にも耐えうる安定したクラウド基盤を提供しています。
最先端の AI 技術: Gemini を教育現場に最適化した形で提供し、プライバシー保護と高度な機能の両立を実現しています。
伴走支援: テクノロジートレーニングや導入支援を通じて、組織全体のデジタルトランスフォーメーションをバックアップします。

日本大学は Google Cloud の技術を活用し、これからも AI テクノロジーの力で教育の未来を創造していきます。

未来にフィット: Breuninger が「be your own model」AI で売り上げを伸ばした方法

Fri, 15 May 2026 03:00:00 +0000

※この投稿は米国時間 2026 年 5 月 7 日に、Google Cloud blog に投稿されたものの抄訳です。

「これは自分に似合うかな？」というのは、オンラインでファッション品を購入するすべての買い物客が抱く疑問ですが、ほとんどの小売業者はこの疑問にまだうまく答えられていません。

ドイツを拠点とするファッションとライフスタイルの企業 Breuninger は、新しい生成メディアモデルでこのファッションの課題に対応できると考えました。同社は Google Cloud と連携して、買い物客が簡単な自撮り写真を使ってハイエンドファッション品を身に着けた自分を確認できるバーチャル試着エクスペリエンスを構築しました。

Trusted Tester からライブプロダクトへ

このプロジェクトは、ドイツの Google Cloud チームが Breuninger を Virtual Try-On（VTO）API の Trusted Tester プログラムに招待したときに始まりました。ドイツの Breuninger のデータチームは、カリフォルニアの Google のエンジニアと直接連携し、3 つの段階でテクノロジーのテストと改良を行いました。

カタログの拡充: チームはまず、VTO API を使用してプロのモデルにさまざまな衣装を着せてみました。これにより、Breuninger は新しい写真撮影を計画することなく、ユーザーテストのさまざまなバリエーションを確認できました。
体型の選択: 次に、ユーザーがさまざまな体型から選択して、自分の体型に似たシルエットで服がどのように見えるかを確認できる機能を追加しました。
「Be your own model」（自分自身がモデルになる）という画期的な機能: ユーザーからのフィードバックによると、顧客は単にモデルを見たいだけではなく、自分自身を見たいと考えていました。

Breuninger のプロダクトオーナーは、この緊密な連携により、チームがユーザーからのフィードバックをリアルタイムでデベロッパーと共有できるようになったと述べています。この迅速なフィードバック反映により、事前に選択されたモデルを使用する手法から、ユーザーファーストの自撮りベースのアプローチに移行できました。

3 つのレベルのバーチャル試着

このプロジェクトでは、小売業者が提供したいパーソナライズの程度に応じて VTO を導入できる 3 つのレベルが明らかになりました。

アプローチ	インタラクション	ユースケース
レベル 1: カタログの拡充	オフライン、バッチ処理	手動で撮影することなく、標準的なモデルに新コレクションのアイテムを大規模に着せて、商品ページを更新する。
レベル 2: 体型の選択	オンライン、リクエストに応じて	Google ショッピングの「バーチャルで試着」機能のように、ユーザーが選択できる事前定義済みのモデルを提供する。
レベル 3:「Be your own model」（自分自身がモデルになる）	オンライン、パーソナライズ	ユーザーが自撮り写真をアップロードして、特定のアイテムや全身のコーディネートを試着した自分を確認できる、最もパーソナルなエクスペリエンス。

Flutter による、スケーリングを考慮した構築

パーソナライズされたエクスペリエンスを拡大するには、AI モデルだけでは不十分でした。自撮り写真はそれぞれ照明や画質が大きく異なるため、チームは前処理ツールを構築し、最終的な画像が Breuninger のブランド基準を満たすようにしました。このプロジェクトは、Breuninger が Flutter ベースのプラットフォームに移行するのを加速させるものでもありました。VTO 機能は、自己完結型のプロダクトチームがこの新しい構造を使用して構築した最初のモジュールであり、それによってチームはわずか 3 か月で構想から本番リリースに移行できました。

ホリデーシーズン中の実際の結果

ブラックウィークとホリデーシーズンに 6 週間実施した A/B テストで、このバーチャル試着機能を利用した買い物客は、利用しなかった買い物客よりもコンバージョン率が高く、貢献利益も高くなることがわかりました。顧客アンケートでもこの数字が裏付けられました。買い物客は、高画質とパーソナライズされたエクスペリエンスに好意的に反応しました。チームが発見した、おそらく最も重要な点は、VTO が「このアイテムは自分に似合う」という自信を持つためのツールとなり、顧客が購入前にそのアイテムについて確信を持てるようになったことです。

次のステップ

パイロットの成功により、より広範なロールアウトと国際展開が計画されており、物理的なフィット感とサイズ選択のサポートもロードマップに含まれています。Breuninger は、顧客が日々の買い物でこのツールを実際にどのように利用しているかに基づいてエクスペリエンスを改良し続けています。これは、当初からプロジェクトを形作ってきたユーザーファーストのアプローチと同じです。

生成 AI が同様のエクスペリエンスの創出にどのように役立つかについては、Google Cloud のバーチャル試着ソリューションをご覧ください。Breuninger アプリでこの機能を実際に試すこともできます。

^{この研究は、Breuninger と Google Cloud の双方の貢献のもとに実現しました。Breuninger の Markus Peetz 氏、Jorina Hilser 氏、Martin Csengeri 氏、Jay Deutinger 氏、Sofia Widmayer 氏、David Schowalter 氏、Tobias Götze 氏、Eric Karge 氏、Abdul Mateen 氏、Besnik Brahimi 氏、Oliver Fesseler 氏、Lisa Beutner 氏、Google Cloud の Khanh LeViet、Jorj Ismailyan、Matt Chaban に感謝いたします。}

- Google Cloud、Michael Menzel

- Breuninger、シニアプロダクトオーナー、Daniel Rascher 氏

AI を活用したコード移行の先駆け: Google が TensorFlow から JAX への移行を 6 倍高速化した方法

Thu, 14 May 2026 02:10:00 +0000

※この投稿は米国時間 2026 年 5 月 7 日に、Google Cloud blog に投稿されたものの抄訳です。

AI コーディングエージェントは、ソフトウェア業界全体で急速に普及しつつあり、デベロッパーが日常的にコードを記述、テスト、デバッグする方法を根本的に変えています。このツールは、ローカルで完結するタスクに優れた機能性を発揮しますが、大規模で体系的なコードベースの移行に適用するには、まったく新しいアプローチを必要とします。

Google には、多くの移行ワークフローに AI を組み込み、このような課題に対処してきた実績があります。たとえば、x86 から ARM への移行では Google Axion プロセッサでワークロードを有効にし、int32（32 ビット整数）識別子から int64（64 ビット整数）識別子への移行によって ID の枯渇を防ぎ、JUnit3 から JUnit4 への移行でテストを簡素化し、Joda-Time から java.time への移行で最新の時刻ライブラリを使用可能にしました。しかし、AI モデルの移行には新次元の複雑さがともない、AI による移行支援のためのさらに高度な手法が必要となります。

本番環境グレードの ML モデルを 1 つのフレームワークから別のフレームワークに変換する（たとえば、TensorFlow（TF）から JAX に変換する）ことは、単純な構文の更新ではありません。数千行のコードを解きほぐし、複数ファイルにまたがる複雑な状態管理を実現し、正確な数学的等価性を維持しなければならない、長期的な展望を必要とするタスクです。これは、汎用の単一エージェントによるコーディングアシスタントには過大な重圧となります。長いワークフローでは頻繁にコンテキストが失われ、API を巻き込んだハルシネーションが起きたり、リポジトリ全体でビルド可能なコード生成が行われなくなったりします。

この業界全体の問題に対し、Google AI / インフラストラクチャチームは、世界に先駆けて新しいアプローチを開発しました。このアプローチは、モデルの移行を 6 倍速くするという、先日の Google Cloud Next の基調講演で Sundar が強調したマイルストーンを達成するものとなりました。この投稿では、Google がどのように専用マルチエージェント AI システムをデプロイして、Google 最大規模の本番環境モデルを TF から JAX に移行したのかについて、ご紹介します。

TF から JAX への移行を加速

Google の多くのチームでは（業界全体にも言えることですが）、未来に向けたスケーラブルな ML は JAX を基盤として構築されています。関数型でステートレスなパラダイムを中心に設計された JAX は、最新の Tensor Processing Unit（TPU）インフラストラクチャと XLA コンパイル向けに最適化されており、最新 AI スタックの強固な基盤となるものです。

これは未来への進歩であると同時に、非常に大きな課題も提示しています。TensorFlow は、オブジェクト指向でステートフルレイヤの初期化と静的実行グラフを特徴とするフレームワークであり、現在、何千もの本番環境モデルが、この TF を基盤に構築されています。これらのモデルを JAX に手動で移行するには、レイヤの相互作用や状態管理の明示的な方法を根本的に見直す必要があります。このような移行は、それだけで大規模な組織全体における数百（場合によっては数千）のソフトウェアエンジニアリング（SWE）年数を必要とします。組織にとっては、この時間を新しいアーキテクチャの調査やプロダクトイノベーションの推進に費やす方がはるかに有益です。

この課題を AI で克服する取り組みは、Google AI / インフラストラクチャチームの野心的な実験として始まりましたが、今では社内全体の複雑なエンジニアリングの問題に対処可能な再現性のあるブループリントにまで進化しています。

単一エージェントコーディングからの脱却

エージェントによるコード変換は、初期の実験では単純なモデルへの有効性が確認されました。しかし、現実的な Google 規模の移行に直面したとき、つまり、複数のファイルにまたがる数千行のコードの複雑な本番環境グレードのモデルを扱うとき、汎用的な単一エージェントでは困難を極めました。高次元の構造ルールと現実のこまごまとした実行上の問題の折り合いがつかず、重要なファイルを上書きしたり、必要な機能をとばしたりと、さまざまな障害が発生しました。このような大規模な移行によくある課題を克服するために、Google は以下で構成される高度に専門化されたマルチエージェントアーキテクチャを開発しました。

Planner エージェント: 決定論的なコンパイラベースの静的分析を使用して、コードベースの依存関係全体をツリー構造にマッピングします。その後、他のエージェントと連携して移行を個別の段階的プランに分割し、「リーフノード」（依存関係のない未移行レイヤ）から上に向かって論理的に移行が行われるようにします。
Orchestrator エージェント: このエージェントはプロジェクトマネージャーとして機能します。プランステップを管理しやすいチャンクに動的にグループ化してコンテキストウィンドウの対象を絞り、必要なドメイン知識を注入します。ステップがビルドされない場合は障害復旧を適用します。
Coder エージェント: 推論と行動の役割を担う主力エージェントです。社内の IDE ツールに直接統合され、ファイルの読み取り、コードの記述、ビルドの実行、単体テストの実施が可能です。「テストと修正」のループで動作し、コンパイル可能で検証可能なコンポーネントをターゲット言語で生成するまで自己修正を繰り返せる点が最大の特長です。

図: 複雑なコードを移行するためのマルチエージェント AI システム。レガシーモデルコードを JAX に移行するマルチエージェントシステムの仕組みを表したプロセス図で、Gemini Nano Banana 2 で生成。

スケーラブルな検証と柔軟な Playbook

生成 AI モデルの性能は、提供されるコンテキストの質に左右されます。移行元と移行先のアーキテクチャが 1 対 1 でマッピングされることはほとんどないため、Google はスケーラブルで階層的な一連の Playbook を策定しました。

これらの Playbook は、一般的なリポジトリの手順から、手動移行の成功事例から抽出された非常に具体的な「模範例」まで多岐にわたります。クライアント固有の Playbook（たとえば、YouTube 独自のランキングモデルインフラストラクチャ向けに調整されたもの）を Orchestrator にフィードすることで、一般的なハルシネーションが回避され、組織内のコーディング基準が厳守されます。この Playbook の構成は特定のフレームワークに依存しないため、任意の 2 つのプログラミング言語やフレームワーク間の移行をガイドするように調整することができます。

さらに、生成されたコードが実際にプロダクションレディであることを確認するために、以下の厳格な品質指標も設定されています。

定量的検証: コードの正確性をユニットごとに数学的に検証します。TF から JAX への移行の場合、勾配上昇法のアルゴリズムを使用して元の TF レイヤと新しい JAX レイヤの間の最大誤差を検出し、関数的な同等性を数学的に検証します。
定性的評価: 移行されたコードを、一連の定性的基準に照らして評価します。TF から JAX への移行の場合、盲検監査の LLM Judge をデプロイして、移行後のコードをフレームワークに依存しないアーキテクチャチェックリストに照らして採点します。これにより、ドメイン固有の重要なロジックを確実に把握することができます。

移行のスピードを革新

このマルチエージェントシステムをデプロイすることで、ソフトウェア移行の経済的効率性は劇的に向上します。

実際の複雑な YouTube モデル（数千行のコード、数百のレイヤ、複雑なメトリック依存関係を含む）で評価したところ、マルチエージェントシステムは手動での移行よりも 6.4 倍から 8 倍の高速化を実現しました。従来は数か月分のソフトウェアエンジニアリング（SWE）作業が必要だったものが、わずか数週間の AI によるコード生成と、その後の専門家（人間）によるレビューで完了できるようになったのです。

ボイラープレートの効果的な処理、ターゲット言語のイディオム特定、依存関係のマッピング、単体テストの生成が自動的に行われ、エンジニアは手動のコード変換担当者ではなく、レビュアーやアーキテクトとしての役割を担えるようになります。

AI を活用する時代の展望

AI は技術革新のペースを変革しています。大規模な移行を推進する力は AI で加速する必要があります。組織はそれなしでは、手動の作業に追われ、最新のブレークスルーを取り入れたり、システムのセキュリティ、信頼性、パフォーマンスを維持したりすることが難しく、そのギャップはますます広がっていきます。

ML 実装を 1 つの ML フレームワークから別の ML フレームワークに移行する Google の取り組みは、決定論的静的分析、厳格なテストループ、特殊なマルチエージェントアーキテクチャを組み合わせることで、業界でも特に複雑なソフトウェアエンジニアリングの課題を安全に自動化できることを示しています。プロセスの詳細については、こちらの技術論文をご覧ください。

^{この取り組みは、Google 全体でのコラボレーションの成果です。主な貢献者である Stoyan Nikolov、Niyati Parameswaran、Bernhard Konrad、Moritz Gronbach、Niket Kumar、Ann Yan、Varun Singh、Yaning Liang、Antoine Baudoux、Xevi Miró Bruix、Daniele Codecasa、Madhura Dudhgaonkar、Elian Dumitru、Alex Ivanov、Christopher Milne-O’Grady、Ahmed Omran、Ivan Petrychenko、Assaf Raman、Stefan Schnabl、Yurun Shen、Maxim Tabachnyk、Niranjan Tulpule、Amin Vahdat、Jeff Zhou に感謝いたします。}

- ドメイン応用 ML / AI / インフラストラクチャプロダクト責任者、Jamie Rogers

- Google Fellow 兼 AI およびインフラストラクチャ担当バイスプレジデント、Parthasarathy Ranganathan

ファナックとの協業により、製造業の未来を切りひらく「フィジカル AI」を加速

Wed, 13 May 2026 02:00:00 +0000

Google Cloud は、AI を活用してお客様のイノベーションを支援することを使命としています。この度、産業用ロボットの世界的リーダーであるファナック株式会社（以下、ファナック）との協業を強化し、同社の「フィジカル AI」の取り組みを Google の最先端 AI 技術で支援することを発表いたします。この協業は、製造業における自動化の新たな世界を切りひらくものです。

AI の進化がもたらす「フィジカル AI」の可能性

近年、大規模言語モデル（LLM）をはじめとする AI 技術は急速な進化を遂げ、その応用範囲はデジタルの世界から物理的な世界へと広がりを見せています。Google が特に注力しているのが、AI による認知的な知能とロボットによる物理的な動作を融合させる「フィジカル AI」です。これは、ロボットがセンサーを通じて周囲の状況を自律的に認識・判断し、タスクを実行する技術であり、AI 活用の新たなフロンティアとして大きな注目を集めています。

写真左から
グーグル・クラウド・ジャパン合同会社 AI 技術統括本部兼プロダクト開発部門日本リード執行役員寳野雄太
Google LLC Intrinsic CEO ウェンディ・タン・ホワイト
Google LLC 新規事業担当プロダクト責任者兼本社日本担当エグゼクティブスポンサーヒロシ・ロックハイマー
ファナック株式会社代表取締役社長兼 CEO 山口賢治
ファナック株式会社常務執行役員安部健一郎

Google の AI とエンジニアリングが、ファナックのロボットを進化させる

この度の協業を通じて、ファナックが開発する産業用ロボットのシステムに、Google の高性能 AI である Gemini や、企業向けの高度でセキュアな AI アシスタントである Gemini Enterprise、そして Google Cloud の最新技術が活用されます。これにより、これまで専門的なプログラミングが不可欠であったロボットの制御が、自然言語による平易な指示で可能になります。

来たる 5 月に開催されるファナックの「新商品発表展示会」では、この次世代フィジカル AI ロボットシステムが公開されます。デモンストレーションでは、Gemini Enterprise の AI Agent によって、来場者による自然言語での指示をロボットが理解し、対象物を認識。そして、協働ロボットと標準的な産業用ロボットが連携し、与えられたタスクを自律的に実行する、最先端の「AI 活用型産業用ロボットシステム」を直接ご体験いただけます。

この先進的な取り組みを強力にサポートするため、Google Cloud は「Forward Deployed Engineer」による技術サポートをファナックに提供しました。Google のエンジニアがお客様のすぐそばで、深い技術的知見を活かした密なサポートを提供することで、革新的なソリューションの実装を加速させます。

開発者エコシステムとオープンなイノベーション

さらにGoogle の AI ロボティクスグループの Intrinsic は「CRX」シリーズをはじめとする同社の拡大し続けるロボットラインナップとの、さらなる連携強化と新たなプラットフォーム統合を支援していきます。

「Flowstate」は、Intrinsic が提供する開発環境およびデジタルツインプラットフォームであり、設計から導入に至るまで、高度な自律性と適応力を備えた AI ロボティクスソリューションの構築、展開、管理することを容易にします。ROS や Gazebo に加え、今回のファナックのオープンプラットフォーム技術との相互運用性の実現により、工場や生産現場における次世代の AI ソリューションの導入を強力に後押しします。

また、ファナックは Google DeepMind の Gemini Robotics の信頼できるテスタープログラムにも参加しており、両社でフィジカル AI の先進的な研究開発を推進していきます。

製造業の未来の実現に向けて

Google Cloud は、AI の恩恵がすべての人々に行き渡るべきだと信じています。今回のファナックとの協業は、AI の力を物理的な世界へと拡張し、製造現場が直面する課題を解決するための重要な一歩です。私たちは、より安全で、より効率的で、より創造的な未来の工場を実現するため、今後もお客様と共にイノベーションを追求してまいります。

カプコンが推進するエンタープライズエージェンティック AI の活用

Tue, 12 May 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 4 月 22 日に、Press Corner に投稿されたものの抄訳です。

30 年前の『バイオハザード』の発売は、単なる新フランチャイズの登場に留まらず、人間とデジタル環境の関わり方を再定義しました。それ以来、この壮大な物語の生みの親である株式会社カプコン（以下、カプコン）は、AI をはじめとするテクノロジーの早期イノベーターとして歩み続けています。現在、その技術はゲームの領域を大きく超え、多くの産業や企業組織へと広がりを見せています。

中でも特筆すべき先進的な取り組みがプレイテストにおける革新的な活用です。リリース前のゲームを AI エージェントが検証、テストすることで、バグや不整合の発見に伴う負荷を軽減し、開発チームが創造的な業務に専念できる環境を構築しています。

カプコンは Google Cloud と共同で、プレイテストなどの定型業務を自動化する AI プラットフォームを構築しました。このプラットフォームはゲーム開発を支える単なるツールではありません。クリエイティブ業界が AI の次なるフェーズであるエージェンティック AI 時代に向けて、どのようにテクノロジーを設計すべきかという指針を示す取り組みでもありました。

ゲームと企業：共通する探索の DNA

ゲーム業界とエンタープライズテクノロジーの結びつきは、決して新しいものではありません。1 世紀近くにわたり、共通の問題解決の歴史を歩んできました。現代の AI 開発を牽引する多くの設計者が、ゲーム開発でそのキャリアをスタートさせています。1950 年代のコンピュータサイエンス黎明期から 1990 年代の家電ブームに至るまで、ゲームという「デジタルサンドボックス」は、 AI の進化において極めて重要な役割を果たしてきました。初期のコンピューティングにおける論理パズルから、NPC（ノンプレイヤーキャラクター）との複雑なインタラクションまで、ゲーム業界は常にコーディングの限界に挑み続けてきました。

創造性の火を絶やさないために

現代のゲーム開発は、かつてない圧倒的な規模のデジタル世界を構築するという難題に直面しています。50 時間以上のコンテンツ、数百万通りのアセットが組み合わさる、巨大で変化し続けるエコシステムへとゲームが進化を遂げるなか、開発者の負担はかつてないほど高まっています。その結果開発現場では、この複雑さに起因する「守りの開発（defensive development）」という現象が課題となっています。

守りの開発とは、プロジェクトの技術的な導入コストが膨大になることで、エンジニアが新しいアイデアの施行よりも、既存コードの維持を優先せざるを得なくなる状況を指します。特に制作過程の終盤において、コスト上昇への対策としてこうした反応が起こりやすいのは、一般企業や組織の運営にも通じる共通の課題といえます。しかし、複雑でリアルタイムなインタラクションのシミュレーションをし、限界に挑み続けるゲーム開発での技術的進歩は、他セクターにおける課題解決の指針となることが多々あります。

例えば製造業では、設備管理者が、効率的な新ハードウェアの導入によって複雑な工場のフロアにどのような影響が及ぶかをシミュレートする際に、同様のプレッシャーに直面します。また小売業においても、物流チームが既存の在庫システムを止めることなく、サプライチェーンを最適化しようとする際、膨大かつ流動的なデータ群の処理という課題に直面します。

カプコンのアプローチ：マルチモーダルワークベンチ

カプコンは、こうした課題を解決するため、自社の深い技術的知見と Gemini Enterprise Agent Platform を活用し、プレイテストを最適化する多様な AI エージェントを開発しました。固定された手動のスクリプトに頼るのではなく、視覚と推論によってシステムの「意図」を理解する AI エージェントを構築しました。

視覚検査エージェント： Gemini Visionを活用し、人間と同じように画面を認識します。ホラーゲームにおける意図的な演出としての暗がりなのか、あるいは技術的な表示不具合なのかを正確に判別します。
予測エージェント：過去のデータを分析し、不具合が発生しやすい箇所を予測します。ランダムなテストではなく、自律的な「テストボット」をリスクの高いエリアに集中して投入します。

『モンスターハンターストーリーズ3　～運命の双竜～』においてプレイテストを行うエージェント。このシステムにより、月間 30,000 時間を超える自律的なプレイテストの実施が可能に。
Download

組織知（ナレッジ）共有エージェント：新しいチームメンバーは、ベテランエンジニアが過去に同様の問題をどのように解決したかをエージェントに問い合わせることができます。これにより、数十年にわたる蓄積してきた専門知識を検索可能なベクトルデータベースとして確実に継承できるようになります。
データ効率化エージェント：膨大なデータセット内の非効率性を特定し、ゲームパフォーマンスを最適化します。開発者は AI のチームメイトに複雑な技術ログの要約を依頼でき、高度な開発データにチームメンバー全員がアクセスできるようになります。

月間 30,000 時間以上稼働するこれらのエージェントは、カプコンの開発者がクリエイティブな業務に割く時間を最大化する上で重要な役割を果たしています。その結果、開発者はゲーム開発プロセスにおいて、より本質的で付加価値の高いタスクに集中できるようになりました。

ビジュアライゼーションのサンプル：実際のゲーム映像ではありません。

カプコンの知見をエージェンティックエンタープライズへ応用

カプコンが今年採用したこのエージェンティックアーキテクチャは、実在する企業の「デジタルツイン」を運用する際にも応用可能です。技術的な検証という反復的な手法（How）の部分を、Gemini Enterprise、BigQuery、Google の Agent Development Kit を含む Google Cloud の統合 AI スタックに任せることで、カプコンはゲーム制作の効率化を超え、あらゆる企業が活用できる実証済みのフレームワークを提示しています。

例えば、複雑なゲーム内経済を支えるインテリジェンスループは、小売業者が地域在庫や店舗ネットワーク全体でエージェントを稼働させるために活用できます。同様に、視覚検査エージェントは、製造業における「工場マップ」を巡回し、時間やコストの損失につながる摩擦点を発見する助けとなります。

カプコンは、デジタルサンドボックスにおける困難な課題が、現代のあらゆる産業が直面している課題と本質的に同じであることを証明し、 AI イノベーションを牽引しています。高い精度が要求されるゲーム開発の現場でこれらのエージェンティックソリューションをスケールさせたカプコンの実績は、プレイヤーにとってより良い世界を構築するだけでなく、次世代の企業経営における効率化の設計図も提示しています。

丸紅I-DIGIO と Google Cloud、Agentic AI による産業変革に向けた戦略的提携に合意

Tue, 12 May 2026 01:00:00 +0000

丸紅I-DIGIO グループ（以下、丸紅I-DIGIO）は、このたび、グーグル・クラウド・ジャパン合同会社（以下、Google Cloud ）と企業のクラウド利用による DX 推進と AI 活用を加速させるための戦略的提携に合意しました。

本提携において、丸紅I-DIGIO は Google Cloud を戦略的パートナーとし、従来の「AIによる業務補助」の次元を超えてAIが自律的に判断しタスクを完結させる「Agentic AI（エージェント型AI）」による産業変革を目指します。

丸紅グループが持つ多角的な事業アセット・現場ナレッジと、 Google Cloud の最先端クラウド技術を融合させ、これまでにないビジネスモデルと顧客体験を創造し、市場に革新をもたらします。

本提携が目指す、市場への提供価値

本提携では、相互信頼に基づく強固な体制を築き、丸紅I-DIGIO が誇るインフラ構築力と、 Google Cloud の AI（ Gemini、 Google Workspace、 Looker 等）をはじめとする先端テクノロジーを結集させます。

最大の特徴は、丸紅I-DIGIO 自らが「クライアントゼロ（第0番目の顧客）」となり、丸紅グループの広大な事業フィールドを巨大な実験場とすることです。そこで実践した成功モデルや失敗の知見を、単なる事例に留めることなく、丸紅グループの顧客をはじめ、あらゆる法人顧客、自治体、文教分野へ、価値あるソリューションとして強力に展開し、日本全体の事業成長に貢献することを使命とします。

（１）クライアントゼロによる「Agentic Workplace」の実践

丸紅I-DIGIO のクライアントゼロでは、Google Workspace や Gemini Enterprise、Looker を駆使し、AI が人の業務を補佐・代行する「 Agentic Workplace 」を推進します。また、生成 AI やデータ分析基盤を活用した「データドリブン経営」および「ビジネスプロセス変革」を自ら実践します。社内実践を通じて導入知見やユースケースを確立することで、顧客の課題・ニーズに対して実体験に基づく具体的な解決策を提供します。

（２）顧客の事業成長を加速させる、セキュアで柔軟なクラウドインフラの実現

丸紅I-DIGIO が強みとするオンプレミス環境からクラウドへの大規模移行に関する豊富な実績を基盤に、世界最高水準のセキュリティとガバナンスを誇る Google Cloud インフラを提供します。ITインフラの設計・構築から 24 時間 365 日の運用・保守まで一貫したサポート体制を組み合わせることで、顧客が安心して事業変革に挑み、成長を加速させるための強固で柔軟なデジタル基盤を実現します。

（３）商社ナレッジ × AI による価値創造

丸紅グループが持つ多角的な事業アセット・現場ナレッジと、 Google Cloud の先進技術。この二つを掛け合わせることで、単なるシステム導入に留まらない、顧客のビジネスに深く根差したソリューションを提供します。さらに、商社特有の交渉力やサプライチェーン管理といった「暗黙知」をデジタル資産化・エージェント化し、特定の業務を自律的に遂行する「Agent Service」として確立します。これは丸紅I-DIGIO の変革に留まらず、あらゆる企業が導入可能な成功モデルとして市場に新たな働き方を提示します。

丸紅I-DIGIO は、本提携から生まれる独自の価値を丸紅グループの広範な顧客ネットワークを最大限に活用して市場へ展開することを目指し、 Google Cloud の販売体制の強化とパートナーシップによる相乗効果で顧客のビジネス成長を強力に後押ししていきます。

<エンドースメント>

丸紅株式会社
情報ソリューション部門長　脇田　英彦

「丸紅グループは今、デジタルの力を使い、既存の商社ビジネスを抜本的にアップデートする転換点にいます。今回の Google Cloud 様との提携は、単なるシステムのクラウド移行ではありません。

我々が持つ『現場のリアルな知見』を、最先端のAgentic AIという器に注ぎ込むことで、自律的に動く新たなビジネスの形を産み出す試みです。丸紅I-DIGIOが『クライアントゼロ』としてグループ内で先んじてAIを実装し、そこで得た確信を日本中の、そして世界中のお客様へ価値として還元していくことを期待しています。」

グーグル・クラウド・ジャパン合同会社　
上級執行役員パートナー事業兼法人営業統括　上野由美

「AI は今、指示を待つツールから、自ら思考し行動する『エージェント』へと進化を遂げる決定的なパラダイムシフトの中にあります。

幅広い産業ドメインで圧倒的なプレゼンスを持つ丸紅グループ様と、 Google Cloud が戦略的提携を結んだことは、Agentic AI 市場の社会実装を加速させ市場をけん引していくための極めて重要な一歩となります。丸紅I-DIGIO 様と、商社の知見と Google Cloud の AI技術を活用し、これまでの想像を超える自律型AIのマーケットを共に創出していけることを、大変心強く感じています。」

^{【丸紅I-DIGIOグループについて】
丸紅I-DIGIO グループは、丸紅株式会社のICT領域における事業会社グループとして、以下の4事業セグメントに注力し、商社の強みである幅広い顧客基盤とネットワークを生かした成長戦略を推進しています。}

^{製造ソリューションセグメント：製造業向けソリューション
流通・産業ソリューションセグメント：システム開発およびコンタクトセンターソリューション
デジタルソリューションセグメント：ネットワーク・ストレージ・クラウド・セキュリティ領域のソリューション
アドバンストインテグレーションセグメント：IT基盤領域の設計・構築・運用
ホームページ:} ^{https://www.marubeni-idigio.com/}

^{＜お問い合わせ先（プレス関係者窓口）＞
丸紅I-DIGIOホールディングス株式会社
コーポレートセグメント　コーポレート改革推進本部
マーケティング＆コミュニケーション部広報課}

^{＜お問い合わせ先＞
丸紅I-DIGIOホールディングス株式会社
アドバンストインテグレーションセグメント　DXソリューション事業本部}

Next ’26: Google Cloud と Wiz が AI 時代のセキュリティを再定義

Mon, 11 May 2026 02:00:00 +0000

aside_block: <ListValue: [StructValue([('title', 'Next ’26 で本日発表した最新情報'), ('body', <wagtail.rich_text.RichText object at 0x7f9e0559a430>), ('btn_text', ''), ('href', ''), ('image', None)])]>

※この投稿は米国時間 2026 年 4 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。

AI の時代には、セキュリティも新たな時代へと進む必要があります。組織は、AI の可能性を活用すると同時に、その悪用に対抗するという二重の課題に直面しています。Google Cloud は、こうした変化への適応と成長を支援します。

Google Cloud の最新調査によると、攻撃者は AI を利用して、攻撃の速度、規模、巧妙さを高めています。一方、M-Trends 2026 によると、脅威アクター間の連携強化により、初期アクセスからセカンダリ脅威アクターへの引き継ぎに要する時間は、過去 3 年間で 8 時間から 22 秒へと短縮されたことが示されています。

本日開催の Google Cloud Next では、ますます巧妙化する脅威への防御をマシンスピードで実現し、AI とマルチクラウド環境を保護しながら、大規模なクラウドワークロードを安全に運用するための Google Cloud の取り組みをご紹介します。

エージェント型防御の提供

チップからモデルまでをカバーする Google のフルスタック AI アプローチにより、優れた統合性とスピードを実現し、顧客保護を強化するための競争優位性をもたらします。さらに、グローバル規模の脅威モニタリングと Mandiant の最前線の専門家による分析情報に加え、Google DeepMind の最先端のインサイトや技術的ブレークスルーを活用し、お客様のプラットフォームのセキュリティ強化を支援します。

本日 Google は、Google Security Operations に、AI のスピードでの防御を支援する 3 つの新しいエージェントを発表しました。

現在プレビュー提供中の Threat Hunting エージェントは、従来の防御を回避する新たな攻撃パターンや、ステルス性の高い攻撃者の挙動を、チームが先回りして検出できるようにします。
現在プレビュー提供中の Detection Engineering エージェントは、カバレッジギャップを特定し、脅威シナリオに応じた新たな検出機能を生成します。手間のかかる作業を削減し、検出機能の作成を手作業中心の運用から自動化されたプロセスへと刷新します。
近日プレビュー提供予定の Third-Party Context エージェントは、サードパーティコンテンツから得られるコンテキストデータを活用し、ワークフローを強化します。

Threat Hunting エージェントで脅威ハンティングを開始

Triage and Investigation エージェントは、過去 1 年間で 500 万件以上のアラートを処理し、通常 30 分かかる手動分析を、Gemini の活用により 60 秒へ短縮しました。

「運用レジリエンスとサイバーセキュリティは、BBVA におけるお客様からの信頼を支える基盤です。Triage and Investigation エージェントのような高度な AI を導入することで、新たな形で運用を拡張できるようになります」と、BBVA のセキュリティテクノロジー責任者である Diego Martinez Blanco 氏は述べています。

また同氏は、「初期対応に伴う負荷の高い作業を担い、誤検知を取り除くことで、人による判断が必要な問題に優先的に対応できます。さらに、エージェントが判断根拠を明確に示すことで、チームは推奨事項を理解し、より複雑な調査にリソースを集中できるようになります」とも述べています。

Google Security Operations 向けリモート Google Cloud Model Context Protocol (MCP) サーバー対応が一般提供となり、独自のセキュリティエージェントを構築できるようになりました。さらに利便性を高めるため、プレビュー提供中の Google Security Operations のチャットインターフェースから、MCP サーバークライアントへ直接アクセスすることも可能です。

Google Cloud のエージェント型防御を活用し、インテリジェンス主導かつ AI による拡張を取り入れた最新のセキュリティ運用を進める組織は、高い ROI を実現できます。 Christopher Kissel 氏、IDC リサーチ担当バイスプレジデント

Threat Hunting エージェントが作成した検出結果レポート

セキュリティチームは、Google Security Operations のエージェント型自動化を活用することで、対応業務を自動化できます。さらに、チームの手動トリアージからエージェント型防御への移行を進めるため、Google Threat Intelligence にダークウェブインテリジェンスを導入しました。こちらは現在プレビュー提供中です。内部テストによると、この機能は 1 日あたり数百万件の外部イベントを 98% の精度で分析し、真に重要な脅威を優先的に特定できます。

「IDC は、AI を活用したコンテキストと自動化により、組織が平均検出時間と平均対応時間の大幅な短縮、誤検知の減少、アナリストの生産性向上など、定量的に把握できる運用成果を得ていることを明らかにしています。こうした運用上の改善は、業務中断期間の短縮、インシデント関連コストの削減、セキュリティポスチャーや意思決定に対する経営層の信頼感向上など、重要なビジネス成果につながります」と、IDC のリサーチ担当バイスプレジデントである Christopher Kissel 氏は述べています。「Google Cloud のエージェント型防御を活用し、インテリジェンス主導かつ AI による拡張を取り入れた最新のセキュリティ運用を進める組織は、高い ROI を実現できます。」

Google Security Operations の新しいパートナー連携ワークフロー

本日さらに、Google Security Operations 向けの充実した新しいパートナーインテグレーションも発表します。導入後すぐに利用できる高精度なセキュリティワークフローを提供する、Google Cloud Security 統合エコシステムの最新パートナーには、Darktrace、Gigamon、SAP などが含まれます。

あらゆるインフラストラクチャで、AI とクラウドアプリケーションを保護

AI とクラウドアプリケーションは、複数のプラットフォームやモデルにまたがって構築されています。これらをエンドツーエンドで保護するため、構築環境や方法にかかわらず、リスクをより簡単かつ迅速に軽減できるようにします。こうした保護機能は、アマゾンウェブサービス（AWS）、Google Cloud、Microsoft Azure、Oracle Cloud などの主要なクラウド環境に加え、OpenAI などの SaaS（Software as a Service）環境、さらにセルフホスト型の環境にも対応しています。

さらに、Wiz が Google Cloud の一員となったことで、お客様が構築し運用するアプリを保護する機能が拡大し、一段と強化されました。Wiz は、AI を迅速かつ安全な導入を可能にするとともに、AI 開発ライフサイクルの保護も強化します。

Wiz は、RSA Conference で AI-Application Protection Platform（AI-APP）を発表しました。AI アプリケーション向けに、高度な可視化、リスクポスチャーの把握、ランタイム分析が可能になります。また、Wiz Security Agents と Wiz Workflows も発表し、リスクや脅威をマシンスピードで特定し、迅速に対応できるようになりました。

Google は、あらゆるクラウド、プラットフォーム、AI 環境でお客様を保護する体制を一段と強化します。その一環として、Wiz は、Databricks に加えて、AWS Agentcore、Gemini Enterprise Agent Platform、Microsoft Azure Copilot Studio、Salesforce Agentforce などの新しいエージェントスタジオにも対応します。チームがどのプラットフォームを選んで構築しても、お客様は全体の可視性の確保が可能です。

Wiz は Google Cloud Apigee、Cloudflare AI Security for Apps、Vercel プラットフォームなど、クラウドの外側レイヤーとのインテグレーションによってセキュリティエコシステムとの連携を継続し、Wiz Security Graph の適用範囲をさらに拡張しています。また、Google は、Wiz Defend のセキュリティ検出機能と Google Security Operations および Mandiant Threat Defense との連携方法のアップデートにより、アナリストが脅威情報の自動転送をより容易に設定できるようになりました。

さらに、Wiz は、AI ネイティブな開発ライフサイクルを保護し、チームがより迅速かつ安全にイノベーションを進められる新機能も発表しました。

バイブコーディングアプリケーションを保護: Wiz は、5 月に一般提供予定の新しいインテグレーションを発表しました。これにより、Wiz のセキュリティスキャンを Lovable プラットフォーム内で直接実行できるようになります。Wiz が検出した脆弱性、シークレット、設定ミスは、Lovable の組み込みセキュリティビュー上に表示され、チームがすでに開発を進めている環境でそのまま確認することができます。
AI 生成コードの保護: Wiz は、AI 生成コードに含まれるリスクを、生成された瞬間に取り除きます。インライン AI セキュリティフックは、IDE やエージェントワークフローに直接統合され、プロンプトを評価するとともに、AI 生成出力を即座にスキャンします。これにより、コードがコミットされる前にセキュリティガードレールを組み込むことができます。
エージェントベースの修復: Wiz Skills は、コーディングエージェントや AI ネイティブ IDE に、コードからクラウドまでの包括的なコンテキストと、Wiz Security Graph による検証済みの攻撃対象領域に関する検出結果を提供します。この機能により、チームは、デベロッパー個人の IDE 上でも、バージョン管理システム内のリポジトリや pull リクエスト単位でも、エージェント主導の自動修復ワークフローを実行することができます。
シャドー AI の排除: Wiz の動的な AI-Bill of Materials（AI-BOM）は、環境全体に存在するすべての AI フレームワーク、モデル、IDE 拡張機能を自動的にインベントリ化します。これにより、スタック全体でどのツールがコード生成に使われているかを完全に可視化し、Gemini Code Assist や GitHub Copilot などの承認済みツールを管理すると同時に、未承認のシャドー AI プラグインを検出することができます。

Wiz の発表について詳しくは、こちらをご覧ください。

AI エージェントとエージェント型ウェブの保護

クラウドと AI ワークロードを保護するだけでなく、Google Cloud の安全性を重視して設計された基盤は、エージェント、不正対策、ウェブ領域に至るまで、AI 時代のスピードでイノベーションを加速します。

Gemini Enterprise Agent Platform によるエージェントの保護とガバナンスGoogle は本日、エージェントの構築、オーケストレーション、ガバナンス、最適化を支援する、Gemini Enterprise Agent Platform を発表しました。主な内容は次のとおりです。

Agent Identity により、アクセス管理と AI ガバナンスを大規模に実現できます。新機能では、エージェントごとに固有の ID を付与し、特定の認証フローや、ユーザーから範囲を限定して委任された権限のもとで、自律的に動作できるようになります。
Agent Gateway は、すべてのエージェント間接続およびエージェントとツール間の接続に対して、ポリシー適用を実現します。エンタープライズ向けエージェントトラフィックを管理するとともに、MCP や Agent2Agent（A2A）などのエージェントプロトコルに対応し、あらゆるエージェント間インタラクションを検査して保護します。
モデルとエージェントのインタラクションを保護するランタイム保護機能 Model Armor は、Agent Gateway、Agent Runtime、Langchain との統合をプレビュー提供します。Firebase との統合は一般提供となります。デベロッパーはコードを変更することなく、エージェントのトラフィックやインタラクションに対して、インラインでのポリシー適用と無害化処理を行うことができます。これらのインテグレーションにより、プロンプトインジェクション、ツールポイズニング、センシティブデータ漏洩などのランタイムリスクに対する Model Armor の保護範囲が、Google Cloud の各種サービスと AI 製品群全体に広がります。

Google Cloud Fraud Defense と Chrome Enterprise でエージェント型ウェブを保護本日、Google は reCAPTCHA をさらに進化させる新サービスとして、Google Cloud Fraud Defense をリリースしました。本サービスは一般提供されています。この包括的なプラットフォームは、ボット、人間、エージェントが正当な利用主体であり、適切な権限を持っているかどうかを見極められるよう設計されています。さらに、Fraud Defense は Google のエコシステム保護と同等のスケールおよびシグナルを活用し、人間ユーザーと AI エージェント向けの新機能をまもなくプレビュー提供します。これにより、アカウント作成やログインから、支払いやチェックアウトに至るまで、デジタルコマースジャーニー全体の安全性を強化します。

AI の安全性を確保するという Google の取り組みは、AI とのインタラクションに不可欠なエンドポイントであるブラウザにも広がっています。Chrome Enterprise は、企業データを守りながら AI を安全に活用するために必要な可視性とコントロールを提供し、AI 時代に向けた包括的なデータ保護を実現します。

現在プレビュー提供中の AI 拡張機能向け脅威検出機能は、高度な拡張機能テレメトリーを可視化し、セキュリティチームが AI エージェントの異常な挙動を検出し、迅速に対応できるようにします。
まもなく一般提供される新しいシャドー AI レポート機能は、従業員による未承認のウェブベース AI や SaaS アプリケーションの利用を検知することで、シャドー AI の利用実態を可視化できます。

Trusted Cloud の新機能

Google は、お客様の環境を保護するため、クラウドプラットフォーム全体で新たなセキュリティコントロールの提供を続けるとともに、ID、データ、ネットワーク領域にわたる機能強化を進めています。今回は、以下のアップデートをご紹介します。

最新の IAM による権限管理の簡素化最小権限を迅速かつシンプルに実現するため、事前定義ロールのカタログを簡素化し、管理者、編集者、閲覧者などの使いやすいロールに整理しました。あわせて、IAM role picker や機密性の高い操作に対する再認証機能なども提供します。

データセキュリティクラウドプラットフォームのデータセキュリティポートフォリオ向けに、最もセンシティブなデータを保護し、AI による変革を加速する複数の新機能を提供します。

Confidential Computing: NVIDIA とのパートナーシップにより、Google は本日、Confidential Computing の G4 VM 向けサポートを発表しました。Google Compute Engine（GCE）の Confidential G4 VM は、NVIDIA RTX PRO 6000 Blackwell Server Edition GPU を搭載し、グローバルでプレビュー提供されます。これにより、機密性の高いさまざまな AI ワークロードにおいて、機密性と完全性を強化します。さらに、Intel とのパートナーシップのもと、Google は C4 Confidential VMs のプレビュー提供も開始します。第 6 世代 Intel Xeon プロセッサに Intel TDX を採用し、業界をリードするコンピューティング密度とパフォーマンスを実現するとともに、さまざまな AI および分析ワークロードを保護します。
Cloud Key Management Services（KMS）: 新たに Confidential External Key Manager（cEKM）をプレビュー提供します。任意のリージョンで外部鍵をホストして保護しながら、機密環境内で検証可能な統制を維持できる柔軟な運用が可能になります。
ポスト量子暗号（PQC）: 新たに KMS Quantum Safe Key Imports をプレビュー提供します。これにより、耐量子アルゴリズムを用いた、お客様独自の鍵を持ち込めるようになります。
Secret Manager: パスワード漏洩防止とプロンプトインジェクションのリスク緩和に向け、Secret Manager と Agent Development Kit のネイティブ統合を一般提供します。

ネットワークセキュリティGoogle Cloud のクロスクラウドネットワークセキュリティ製品群に、複数の新機能を追加します。

Cloud NGFW: 巧みに検知を回避するゼロデイ脅威への防御強化に向け、Cloud NGFWの高度なマルウェアサンドボックスを、今年後半にプレビュー提供します。この機能は、Palo Alto Networks Advanced Wildfire を基盤としており、70,000 社を超える Palo Alto Networks の顧客から得られたデータを基にトレーニングし、既知か未知を問わずマルウェアの 99% を阻止します。
Cloud Armor: Thales Imperva を活用した新しい Cloud Armor マネージドルールをプレビュー提供します。レイヤ 7 のアプリケーション攻撃やゼロデイ CVE（React2Shell など）を検出できます。

SCC で Google Cloud のセキュリティを強化Google Cloud ネイティブのセキュリティソリューションである Security Command Center（SCC）は、Google Cloud 上の従来のアプリケーションと AI アプリケーションの両方を保護するために、クラウドセキュリティのベースラインを確立します。

AI エージェント、モデル、MCP サーバーは、継続的な検出と包括的なリスク分析により、脅威、脆弱性、設定ミスを特定することで保護されます。
SCC は、Google Cloud ワークロードのシャドー AI を把握するために、ランタイムの詳細な可視化を強化します。近日プレビュー提供予定の SCC では、エージェント、Cloud Run または GKE 上でホストされる MCP サーバー、GKE 上で稼働する推論エンドポイントなど、非管理下のエージェント型ワークロードを自動検出し、SCC 上でポスチャー検出結果として表示されます。
強化された Security Command Center Standard ティアは、データセキュリティポスチャー管理、コンプライアンス管理、脆弱性管理、リスク分析を備えています。これにより、Google Cloud のすべてのお客様は追加費用なしで、導入初日から強力なセキュリティ、コンプライアンス、リスク対応体制を確立できます。

次のステップ

Google をセキュリティチームの一員に迎えることで、インテリジェンス主導の AI ネイティブな防御力、安全性を重視して設計されたオープンクラウドの柔軟性、そして自社チームの延長として頼れる、業界屈指の現場経験を持つエキスパートを得られます。

こうした新たなイノベーションと、これから先を守る方法については、セキュリティスポットライトをご覧ください。また、Next ’26 の発表内容についてさらに詳しく知るには、ライブ配信またはオンデマンドで視聴できる多数のセキュリティ関連ブレイクアウトセッションもぜひご覧ください。

- Francis deSouza、Google Cloud COO 兼セキュリティプロダクト担当プレジデント

DevOps × AI Agent Hackathon 2026: AI エージェントを「つくる、まわす、とどける」夏

Fri, 08 May 2026 02:00:00 +0000

生成 AI の活用は、チャットで「答える」段階から、「自律的に実行する」へと急速に進化しています。エンジニアの皆さんも、業務のなかでその変化を肌で感じているのではないでしょうか。

そうした潮流のなかで、グーグル・クラウド・ジャパン合同会社は、ファインディ株式会社主催の、「DevOps × AI Agent Hackathon 2026」に協賛します。賞金総額 200 万円、最終ピッチの舞台は Google 渋谷オフィス（渋谷ストリーム）。エントリー受付がスタートしました。

参加はこちらから

企画から運用までを一気通貫で体験する「つくる、まわす、とどける」3 つのコンセプト

DevOps × AI Agent Hackathon 2026 は、Gemini Enterprise Agent Platform、Gemini などを必須技術として、AI エージェントの企画から開発、デプロイ、運用までを一貫して体験できるハッカソンです。単なるプロトタイピングにとどまらず、実運用を見据えた DevOps のプロセス全体をカバーします。

このハッカソンの背骨にしているのが、3 つの動詞です。

つくる。Google の AI、Gemini を中核に、実務で役立つ独創的な AI エージェントを設計・実装します。アイデアの面白さだけでなく、エージェントとしての必然性、自律的に判断しタスクを実行する設計まで踏み込んで評価します。

まわす。CI/CD など DevOps のフローを構築し、AI を継続的に改善するサイクルを参加者自身が回します。机上の理論ではなく、実装して動かしてみる。これが意外と、ハッカソンでは新鮮な経験になるはずです。

とどける。Google Cloud へのデプロイを通じて、スケーラブルな環境で本番品質のプロダクトをユーザーに届けます。動くものをつくる、ではなく、届くものをつくる。そこまでをゴールに置いています。

チームビルディング、Bootcamp、審査員フィードバック ― 学びを底上げする 3 つの仕掛け

「いきなり AI エージェントの実運用まで」と聞くとハードルが高そうに感じるかもしれません。そう感じた方も心配いりません。学びを支える仕組みを 3 つ用意しています。

1 つ目はチームビルディングイベントの開催。チーム開発を経験したい個人参加者向けに、2026 年 6 月 7 日（日）にチームビルディングイベントが実施されます。個人、チームでのワークショップを通して、アイデアの発散からチームづくりまでをサポートします。「気になるけれど 1 人だと不安」という方は、ここを最初の一歩にしてみてください。

2 つ目は Bootcamp。グーグル・クラウド・ジャパンは、6 月 1 日（月）〜 6 月 12 日（金）まで「Agentic AI Bootcamp 2026」と題し、実践的なオンラインハンズオンセミナーを開催します。（無料受講・事前申込制）。Agent Development Kit (ADK)、Gemini Enterprise Agent Platform、Cloud Run、Gemini API など、ハッカソン本番で使う技術をハンズオンで身につけ、参加者全員のベースラインを引き上げます。

登録はこちらから

3 つ目は審査員によるフィードバック。AI エージェント開発およびその周辺領域で実績を持つエンジニアが、提出作品に具体的なフィードバックを行います。さらに、9 月開催予定のアフターイベント（オンライン）では、惜しくも入賞には至らなかったものの、優れた着想や技術が光る「審査員の推し作品」を取り上げ、その魅力や工夫をたたえます。

ハッカソンに挑むみなさんへ

AI エージェントは、エンジニアにとっての遊び道具にも、業務の主役にもなり得るテクノロジーです。AI エージェントが業務の中心へと進んでいくいまこそ、企画から運用まで一気通貫で挑める場が必要だと考えています。このハッカソンが、腕試しの場であり、新しい仲間と出会う場であり、そしてキャリアのなかで記憶に残る夏になることを願っています。「つくる、まわす、とどける」という 3 つの動詞を、皆さんならどう実装するのか。本ハッカソンを通じて、AI エージェントを本番環境へ展開するまでの一連のイメージを、皆さんが具体的につかんでいただければと思います。

Google Cloud と SAP、Agentic Enterprise に向けた青ブループリントを公開

Fri, 08 May 2026 01:00:00 +0000

※この投稿は米国時間 2026 年 4 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。

Google Cloud と SAP はパートナーシップをさらに強化し、世界有数の大企業の中核業務プロセスに Gemini AI を直接組み込む取り組みを進めています。

AI の新たな基盤: このたび、Google Cloud Next '26 において、Google Cloud と SAP は、継続的なパートナーシップを通じて実現した Agentic Enterprise に向けた最新の成果を紹介しました。

その中核を成すのが Unified Data Foundation です。これは、SAP データと非 SAP データを双方向の信頼できる単一の情報基盤に統合し、従来のクラウドモダナイゼーションを、データドリブンな価値を生み出す戦略的な推進力へと進化させるものです。さらに、新たに追加されたゼロコピーデータ共有機能により、データ移動に伴う負荷をなくし、アーキテクチャをいっそう簡素化できます。これにより、ミッションクリティカルな AI ワークロードの構築に不可欠な、高忠実度のデータアクセスとリアルタイムの信頼性を確保できます。

また Google Cloud は、SAP Engagement Cloud の新機能も支援し、AI の作成、発想、学習を支える最新ツールを提供しています。これらのプラットフォームは SAP の従業員だけでなく、SAP のお客様にも提供されます。この一連の AI ツールは、企業全体でのエージェント活用に対する理解を深め、導入を後押しします。

重要な理由: この変化により、データストレージと AI イノベーションの間にあった隔たりは着実に埋まりつつあります。企業は、単にインフラストラクチャを管理する段階から、複雑で多段階のタスクを自律的に実行できるインテリジェントエージェントを実際に展開する段階へと進めるようになります。

とりわけ Unified Data Foundation は、既存のワークフローに有益なインサイトをもたらすだけでなく、AI ツールやエージェント型ワークフローが生み出す成果を支える基盤としても機能します。

全体像: このパートナーシップの深化は、SAP がお客様に価値を提供する方法をすでに変え始めています。

市場での競争力を維持し、優位性を築くという方針のもと、SAP の Engagement Cloud 部門は Google Cloud と連携し、次世代のエージェント型ソリューションを構築しました。これには、動的なコンテンツ開発、マーケティングブリーフやビジュアルコンセプトの生成、そして複数のエージェントが協調して実行する仕組みが含まれます。

コメント:「エージェント型 AI が価値を生み出すのは、信頼できるデータに基づき、実行に直接つながっている場合に限られます。だからこそ、Google Cloud とのパートナーシップは企業にとって非常に大きな意味を持ちます。生成 AI とエージェント型インテリジェンスを Engagement Cloud に直接組み込むことで、Google と SAP はマーケティングチームに、リアルタイムのインテリジェンスを意義ある顧客接点へと変える実践的な方法を提供しています。」- SAP、Engagement Cloud 責任者、Joanna Milliken 氏

新機能:

ゼロコピーの革新: SAP BDC Connect for BigQuery により、双方向のゼロコピーデータ共有が可能になります。膨大なデータセットを移動したり複製したりすることなく、データ基盤全体を統合できます。
Cortex Framework: 豊富なメタデータを BigQuery に直接埋め込む新たなソリューションアクセラレータです。これにより、Gemini エージェントは正確な企業コンテキストに基づいて動作できるようになり、AI のハルシネーションリスクを大幅に抑えられます。
99.95% SLA への向上: AI を活用した障害の予測と予防により、Google Cloud 上の RISE with SAP で業界トップクラスの稼働率保証を提供します。
SAP Sovereign on Google Cloud: 厳格なデータ所在地要件を持つお客様は、SAP の S/4HANA Private Cloud Edition を Google のソブリンインフラストラクチャ上で直接実行できるようになりました。

数値で見る: お客様は、データ分析にかかる総所有コスト（TCO）を最大 54% 削減できます。さらに、エネルギー効率に優れた Google のパブリッククラウドで SAP ワークロードを実行することで、企業の ESG 目標の達成も加速できます。

今後の予定: SAP BDC Connect for BigQuery は、まもなく一部のデータセンターで提供を開始し、2026 年後半にはさらに広い範囲で利用可能になる予定です。

さらに詳しく見る:

- 移行担当マネージングディレクター、Casey McGee

エージェント型エンタープライズの実現: ビジネスや業界向けのエージェントが Gemini Enterprise に登場

Thu, 07 May 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 4 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。

画一的な AI の時代が完全に終わりを迎えようとしています。昨今の企業は、真の生産性を向上させるために、高度に専門化された役割固有のツールを必要としていますが、そのためにセキュリティ、監視、コントロールを犠牲にすることはできません。

新機能: Google はこのたび、パートナーが構築したエージェントを Agent Marketplace から Gemini Enterprise アプリ内の Agent Gallery に直接取り込みました。これにより、Accenture、Adobe、Atlassian、Deloitte、Lovable、Oracle、Palo Alto Networks、Replit、S&P Global、Salesforce、ServiceNow、Workday などのパートナーが提供する専門的な AI を発見して管理するための強力な一元管理されたハブが作成されます。

お客様にとっての重要性: Gemini Enterprise アプリは、何千もの企業で何百万もの有料シートが利用されており、組織が複雑なエンドツーエンドのワークフローを単一の統合環境で自動化できるようにします。主なメリットは次の 5 つです。

過大評価されたエージェントからの解放: 市場には受動的な chatbot や硬直的なワークフローが溢れています。Marketplace に掲載されているパートナーは、複雑なエンドツーエンドのタスクを実行できる真の自律型エージェントを提供しています。これは、深いコンテキストとメモリ、インテリジェントなオーケストレーション、安全なツールの使用を組み合わせることで実現されています。
質の高いエージェント: 掲載のエージェントが「Google Cloud Ready - Gemini Enterprise」の認定を受けるには、基本機能、出力の精度、自律的な実行、エンタープライズ基準に関する厳格な 4 段階の評価に合格する必要があります。
安全保護対策の組み込み: 明確な監査証跡のために、Gemini Enterprise Agent Platform がすべてのエージェントに暗号的に安全な ID を割り当てます。また、Agent Gateway と Model Armor が、トラフィックを積極的にスクリーニングして、データがモデルのトレーニングに使用されないようにします。
IT 部門による強固なガバナンス: 従業員の生産性と、組織の厳格な管理のバランスを取るために、Agent Gallery は安全な 2 段階のガバナンスモデルに基づいて構築されています。従業員がギャラリーを閲覧し、ニーズに合ったエージェントの調達やアクセスをリクエストする間、IT 部門が引き続き管理を担います。管理者は、受け取ったすべてのリクエストを確認してデプロイを承認または拒否し、組織全体で各エージェントを操作できるユーザーをきめ細かく制御できます。
統合されたエコシステムによるサイロの解消: 通常は、サードパーティの AI を購入すると、ばらばらのプラットフォームをつなぎ合わせることになります。Google のアプローチは、こうした摩擦を解消します。各パートナーのエージェントは、Gemini Enterprise Agent Platform 内でネイティブに実行されるように構築されています。つまり、サードパーティのエージェントと社内でカスタムビルドされたエージェントが、単一の統合されたエコシステム内で共存できるため、組織はインフラストラクチャを分断することなく、AI 機能を無限にスケールできます。

パートナー様向けの市場開拓の機会: Google はこのたび、エージェント開発のために 7 億 5,000 万ドルのパートナーファンドを発表しました。また、パートナー様は、確約された企業支出のバックログ 2,400 億ドルを活用し、数百万人の Gemini Enterprise ユーザーの日常業務に直接リーチできます。Google は、日常的なユーザーの発見を IT 部門の調達フローに変え、契約を標準化し、購入サイクルを最大 50%短縮します。Google の営業担当者はパートナー様との連携を奨励され、Marketplace のベンダーは取引成立の規模が 112% 大きくなっています。Google Cloud で構築するなら今が絶好の機会です。

始めるには:

お客様の場合: これらのエージェントは、Gemini Enterprise アプリの Agent Gallery で直接確認できます。ぜひ 30 日間のトライアルをお試しください。

パートナー様の場合: Google の迅速なエージェントデプロイフレームワークを活用することで、明確な道筋に沿ってエージェントをオンボーディング、商用化し、Gemini Enterprise ユーザーに簡単に見つけてもらえます。ぜひ AI エージェントプログラムにお申し込みください。

さらに、Google for Startups の AI エージェントチャレンジも始まります。これには、自社のエージェントを Gemini Enterprise で使用できるように準備できるスタートアップ専用のトラックが含まれます。

今すぐ導入できるエージェントのご紹介

Gemini Enterprise アプリ内の Agent Gallery からアクセスできる Agent Marketplace 掲載のパートナー構築エージェントの例

Acalvio: ShadowPlex Preemptive Cyberdefense Agent は、Cloud IAM とクラウドワークロードにハニートークンをデプロイし、エージェント型 AI 攻撃を偵察フェーズで阻止します。これにより、悪意のあるエージェントや安全でないエージェントの動作からクラウドワークロードをリアルタイムで保護できます。

Accenture: Supply Chain Inventory Intelligent Advisor エージェントは、エージェント型 AI を活用した意思決定支援システムで、在庫の計画と追跡を効率的に最適化するように設計されています。リアルタイムのデータと AI を使用して、サービスレベルのバランスを取り、過剰な在庫を最小限に抑えるための実用的なインサイトを提供します。

Adobe: Adobe Marketing Agent for Gemini Enterprise は、自然言語のクエリを Adobe のカスタマーエクスペリエンスエージェント機能に接続します。Adobe の機能により、キャンペーンのパフォーマンス、ターゲットオーディエンス、カスタマージャーニーのモニタリングに関する分析情報を即座に得られるため、チームはワークフローを離れることなく、よりスマートに作業できます。

Alteryx: Alteryx AI Insights Agent は、アナリストがキュレートした分析情報を Gemini Enterprise 内で提供します。Alteryx One を基盤として構築されており、アナリストが信頼できるデータセットを定義すれば、ビジネスユーザーは質問するだけで、管理の範囲内で再現可能な回答が得られます。Alteryx One のサブスクリプションが必要です。

Ambiguous AI: Ambiguous Recruiting Coworker は、応募者とのコミュニケーション、複数回の面接のスケジュール設定、応募から採用までのパイプラインの追跡を管理します。Gmail、Google カレンダー、Google スプレッドシート、Google ドライブなどでネイティブに動作し、重要な判断についてユーザーに情報を伝達します。

Amdocs: Telco Customer Experience Agent は、デジタルチャネルとコンタクトセンターチャネルにまたがって、複雑なカスタマーサービスの問題を自律的に解決します。Amdocs Cognitive Core と Gemini Enterprise for CX を組み合わせることで、エンドツーエンドの通信プロセスを推論、オーケストレート、実行し、解決のスピード、費用対効果、顧客満足度を向上させます。

AODocs: AODocs AI Agent は、管理されたドキュメントの最新の検証済みバージョンのみに基づいて、信頼できる回答を即座に提供します。標準作業手順書（SOP）、技術仕様書、法的ポリシー、リスク管理手順書など、さまざまなユースケースに対応しています。

Articul8 AI: Articul8 Table Understanding Agent は、複雑なドキュメントを分析可能なテーブルデータに変換します。従来の OCR では見逃されていた階層的なレイアウトと関係を再構築し、正確な分析を可能にします。Articul8 Diagram Understanding Agent は、複雑な図を構造化データに変換し、記号と空間的関係を解釈して自動分析とシームレスなワークフロー統合を実現します。

Ascendo: Ascendo AI Agent は、重要インフラの担当チームがワークフローを自動化し、診断を改善して、現場でのエスカレーションを減らせるよう支援します。ログ、テレメトリー、サービスマニュアルを取り込むことで、複雑なサービス環境で最適なアクションを提案し、迅速かつ正確な意思決定をサポートします。

Atlassian: Rovo は、Jira、Confluence、ツールスタック全体にシームレスに統合される AI チームメイトです。Atlassian の Teamwork Graph を基盤として構築されたこのエージェントは、ナレッジを提示し、タスクを自動化し、インテリジェントなアクションを実行することで、チームがコンテキストを把握し、より迅速に行動し、連携を維持できるようにします。

AutoCIO: AutoCIO Financial Forecasting Agent は、ポートフォリオマネージャーや投資チームがポートフォリオの設計、最適化、管理に使用しています。このエージェントは、エンドツーエンドのワークフローを自動化し、50,000 を超える証券にわたって予測シグナルを提供し、自然言語プロンプトを介して高度にカスタマイズされたリアルタイムの戦略立案を可能にします。

Avalara: Avi Agent は、AI を活用して税務とコンプライアンスを自動化するゲートウェイです。Avalara の Agentic プラットフォーム上に構築されたこのエージェントは、外部システムとコンプライアンスエージェントをスマートに調整し、税金の計算、申告、請求書の管理を即座かつ安全に行います。

Backstory: Backstory Revenue Answers Agent は、収益責任者に特定のアカウントの状況を伝え、取引のリスクを特定して、アクションを提案します。そのために、CRM データ、エンゲージメントアクティビティ、ステークホルダーとの関係、公開会社のニュースを総合して実用的なインサイトへと変えます。

Botcopy: TrueQ は、政府機関のコンタクトセンター向けの AI アナリストです。管理者は、Gemini Enterprise アプリで会話型 AI のパフォーマンスを把握して改善できます。このエージェントは、会話のパターン、エスカレーションのトリガー、知識のギャップを特定して、自動化の改善、ガバナンスの強化、サポート費用の削減を実現します。

Carto: Carto Site Selection AI Agent は、企業が空間分析を使用して商業用地の候補を分析し、可視化するのに役立ちます。来店数、ユーザー属性、競合他社についてユーザーが会話形式で質問すれば、その結果から包括的なロケーション分析が自動的に行われます。

Corvic AI: Corvic AI Agent は、企業データに接続して、プロダクションレディな意思決定インテリジェンスを提供します。パイプラインもデータエンジニアリングも必要ありません。ユースケースには、競合シグナルと市場動向データから実用的なインテリジェンスを獲得すること、根本原因の分析、カスタマーサポートの自動化などがあります。

Cotality: Cotality Payoff Analysis Agent は、住宅ローン融資会社による顧客維持の改善とローン流出の削減を支援します。融資の組成と返済を分析することで、再獲得のパフォーマンス、借り手の行動、競合他社に関するインサイトを理解するための実用的なインテリジェンスを提供します。

Crescendo Lab Ltd.: DAAC AI Agent は、複雑なデータをマーケティングとセールス向けの実行可能な成長戦略へと変換します。自然言語を使用した会話の中で、分析情報や自動化されたダッシュボードを即座に提供し、実質的に手動でのレポート作成や推測の必要をなくします。

Deloitte: Tariff Management Agentic Suite は、ドキュメントを取り込み、属性を抽出し、申告書と関税を照合するサブエージェントを介して、税関規制ワークフローを自動化します。矛盾点にフラグを立てることで全範囲の監査を確保し、手作業をなくし、見過ごされていた費用を回収できます。

Devoteam: Demand Sensing Agent は、リーダーが予測の精度を高め、在庫を最適化するのに役立ちます。販売とリアルタイムの市場シグナルを分析して需要に関する分析情報を即座に提供し、先を見越した調整を可能にします。Request for Proposal Agent は、セールスチームによる提案書の下書き作成を支援します。一元化されたナレッジを活用して、コンプライアンス対応のカスタマイズされた提案書の下書きを迅速に生成します。

Dun & Bradstreet: Dun & Bradstreet Business Verification Agent は、Gemini Enterprise アプリ内で信頼できるビジネス検証を可能にします。Dun & Bradstreet の信頼できるデータを利用して、ビジネスを D-U-N-S® 番号に変換し、ID 属性を検証することで、現場のチームがより迅速に動き、例外に集中できるようにします。

Dynatrace: Dynatrace for Gemini Enterprise は、Gemini Enterprise Agent Platform と A2A プロトコルを使用して、AI エージェントを Dynatrace のオブザーバビリティデータと統合します。これにより、パフォーマンス、インフラストラクチャ、ユーザーエクスペリエンスに関するリアルタイムの分析情報を得られるようになり、エンタープライズグレードのセキュリティとコンプライアンスを確保しながら AI ワークフローをシームレスに強化できます。

Enigma: Enigma KYB Agent は、AI による即時のビジネス検証をコンプライアンスチームに提供します。1 億件以上の登録と信頼できる政府の記録、制裁対象ウォッチリスト、リアルタイムのトランザクションシグナルから得られたグラウンドトゥルースのビジネスアイデンティティに裏付けられています。

Eon: Eon AI Agent は、クラウドインフラストラクチャチームがデータ保護業務を効率化できるよう支援します。Google Cloud アカウントの接続、リソース検索のトリガー、保護されたリソースのモニタリング、バックアップジョブの追跡、復元ステータスの検査を、すべて自然な会話を通じて行い、手動のコンソールワークフローに取って代わります。

EPAM: Creative Conductor Marketing Agent は、クリエイティブブリーフを洗練されたプロモーション動画に変換します。ビジュアル、ナレーション、音楽の専門サブエージェントを調整し、アセットを最終的な MP4 に組み立てて、高品質なマーケティングコンテンツを迅速かつスケーラブルに提供します。

Exa AI: Exa Agent は、従業員にウェブのライブビューを提供し、コード、人、企業を検索可能なデータベースに変換します。数十億のページを検索して、デベロッパーツールの検討、採用、マーケットマッピングなどのタスクを迅速化します。

Foxtrot Communications: Forge - AI Agent は、チームが手作業での ETL パイプライン開発を排除できるよう支援します。任意の API に接続すると、Forge がクリーンで正規化され、分析に対応したデータセットを自律的に提供します。これにより、分析情報を得るまでの時間が数分に短縮され、エンジニアは戦略的な取り組みに集中できるようになります。

Genpact Ltd（英国）: Genpact Finance One – Revenue Lens and PnL Agents は、Google ADK と A2A プロトコルを基盤に構築されたエージェントのスイートです。財務ユーザーは Gemini Enterprise で自然言語の会話を通じて、収益と損益のデータから実用的なインサイトを得ることができます。

Genspark: Genspark AI Agent は、検索、ウェブ操作、コンテンツ生成、メディア作成を組み合わせて、複数のステップからなる作業を 1 つのプロンプトで最終的な出力に変換します。ユーザーは、実際の業務向けに構築された単一のエージェントを通じて、調査の実施、ドキュメントの作成、ワークフローの自動化が可能です。

HCLTech: HCLTech ITOps Agent は、Google Cloud と HCLTech AI Force プラットフォーム上に構築されており、ServiceNow 内で自律的な IT 運用を実現します。自然言語を使用して、インシデントをトリアージし、関連する標準作業手順を表示して、ガイド付きの修復を推進することで、全体的な効率性、整合性、運用パフォーマンスを向上させます。

Invideo: Invideo は、マーケティングチームが整合性を維持しながら動画制作をスケールできるよう支援します。ブランドのガイドラインとアセットを活用して、品質管理が組み込まれたプロダクションレディな広告や短編動画を 50 以上の言語で出力できます。

Iron Mountain, Inc.: Iron Mountain InSight® DXP AI Agent は、Gemini Enterprise と管理対象コンテンツを連携させ、検索と AI を活用した Q&A を統合します。その目的は、結果を迅速化し、数時間かかる手作業でのドキュメントレビューを、数秒間で終わる会話形式での問い合わせに置き換えることです。

Lilt: LILT Assist は、グローバルコンテンツマネージャーが手動タスクから自律型オーケストレーションに移行し、エンドツーエンドの多言語制作とブランドガバナンスを管理できるよう支援します。Assist は、エンタープライズグレードの整合性とコンプライアンスを確保しながら、AI を使用してグローバルコンテンツのボリュームを拡大します。

Lovable: Lovable を使用すると、AI とチャットするだけで誰でも実際のアプリやウェブサイトを構築できます。プロダクト、デザイン、マーケティング、セールス、オペレーションの各チームが、アイデアを実用に役立つソフトウェアに変えられます。

LTM: LTM Video Intelligence Agent は Google Cloud AI テクノロジーをベースとしており、録画された動画を標準形式の BDD テストケースに変換することで、テストまでの時間を短縮し、生産性を向上させます。

LumApps: LumApps AI Agent は、組織が企業システム全体で会社の知識や発表を検索し、ワークフローをトリガーして、タスクを完了するのに役立ちます。

Manhattan: Manhattan Active Agents は、倉庫管理、輸送管理、注文管理、プラットフォーム運用のための AI デジタルチームメイトです。これらのエージェントは、業務のモニタリング、例外の解決、ユーザーの案内、タスクの自動化、手作業を減らすためのアクションの提案に役立ちます。これにより、速度と精度が向上し、利用率が上がり、運用上のレジリエンスが向上します。

Menlo Security: Menlo A2A HEAT Shield Agent は、ゼロデイフィッシング、ソーシャルエンジニアリング、CAPTCHA の試みを即座に無効化します。Gemini Enterprise Agent Platform 上に構築されており、管理者は Gemini Enterprise で自然言語で会話して、セキュリティポリシーを設定し、結果を確認できます。

monday.com: monday.com agent は Gemini Enterprise 内で計画を実行に移します。チームはワークスペースを離れることなく、ボードの迅速な構築、更新の要約、自動化のトリガーを行うことができます。これにより、全員の足並みを揃え、進捗状況を追跡し、測定可能な成果を促進できます。

Nativeorange: LexAI Agent は、損害保険の引受と業務を効率化します。提出書類を取り込み、データを抽出し、リスク評価を自動化することで、分類について実用的な分析情報を提供するほか、スピード、精度、意思決定の整合性を向上させるための次のステップを提示します。

Neo4j: Neo4j Agent は、自然言語を Cypher に変換し、アプリケーションが Neo4j データベースに対して読み取りと書き込みを行えるようにします。Gemini Enterprise と統合されているため、GraphRAG でグラウンディングされたエージェントを構築し、企業のナレッジに接続するために使用できます。

Obin AI: Obin Financial Agent は、プライベートマーケットや商業融資のチームが Gemini Enterprise から財務分析を実行するのに役立ちます。ユーザーがモデルのスプレッドシートと取引関連のドキュメントを提出して、シナリオについて平易な言葉で説明すると、エージェントが関連データを抽出して、モデリングの前提条件ごとに財務指標を計算します。

Onix: Onix Risk & Compliance Intelligence Agent は、規制対象の業界全体でコンプライアンスレビューとリスク評価を自動化します。レビューにかかる時間を数週間から数分に短縮し、規制上のリスクを事前に特定して、引用を含む詳細な監査証跡を作成します。

OpenText: OpenText™ Content Aviator™ は、コンテンツ検索と生産性を向上させる生成 AI アシスタントです。Gemini Enterprise Agent Platform 上に構築されており、ユーザーは自然言語検索を実行して企業ドキュメントを効率的に要約できます。

Oracle: Oracle AI Database Agent を使用すると、Gemini Enterprise から Oracle データを直接クエリできます。このエージェントは Google Cloud Marketplace から入手でき、エンタープライズグレードの回答を迅速に提供するため、カスタムチャットボットや自然言語の SQL 変換のメンテナンスは必要ありません。

Orion by Gravity: Orion by Gravity は、Looker や BigQuery などに接続して、プロアクティブにインサイトを探す AI アナリストです。データチームは、異常を特定し、分析情報が豊富な業界で「未知の未知」を明らかにするアクションを推奨できます。

Palo Alto Networks: Prisma AIRS Model Security エージェントは 35 を超えるモデル形式をスキャンし、モデルレイヤの奥深くに隠された不正なコードを排除します。このプロアクティブな防御は、標準的なスキャンの枠を超えて、ニューラルネットワークの完全性を確保し、重みポイズニングやバックドアを検出することで、不正なデータの引き出しとモデルのハイジャックを防止します。

Pendo: The Pendo Agent は、プロダクトのインテリジェンスと Gemini Enterprise を接続します。ユーザーは Gemini Enterprise アプリを離れずに、SaaS や AI ツールの使用傾向をクエリし、導入のギャップを明らかにするとともに、AI 投資の影響を把握できます。

Persistent Systems: Ethical Content Auditor Agent は、出版社で働く編集者が政治や社会に関するコンテンツを監査し、潜在的なバイアスやリスクを特定するのに役立ちます。Editorial Assistant Agent は、原稿の効率的な評価を可能にするもので、長い原稿を読んで理解し、市場の動向を分析して、データに裏付けられた要約と推奨事項を提供します。

Pluto7: Pluto7 の Planning in a Box - Pi Agent は、サプライチェーンチームと製造チーム向けに 50 以上のサブエージェントをオーケストレートします。これにより、需要と生産をリアルタイムで最適化する、自己修復型の自律的なサプライチェーンが実現します。

Product Genius: Product Genius は、AI を活用した e コマースインテリジェンスを Gemini Enterprise に直接取り込みます。ウェブサイトの URL を共有するだけで、店舗の最適化に役立つ分析情報、実行可能なポリシー、会話型アナリストを即座に利用できます。コードのインストールは不要です。

Quantum Metric: Felix Agentic for Gemini Enterprise は、ビジネス目標に沿ったコンテキストでデジタルリーダーや分析チームに即座に分析情報を提供します。Felix は Gemini モデルを活用してデジタルエクスペリエンスを継続的に分析し、何が変化したのか、それがなぜ重要なのか、どこにコストがかかっているのかを説明します。

Red Hat, LLC: Red Hat Lightspeed Agent for Google Cloud は、SRE と管理者が Google Cloud 上の Red Hat Enterprise Linux インフラストラクチャを自然言語で管理できるようにします。A2A と Gemini を基盤として構築されており、Red Hat Lightspeed サービスと安全に接続して、Google Cloud 上のエンタープライズ IT 運用を効率化します。

Replit: Replit Agent を使用すると、ビジネスユーザーが自然言語を使用してエンタープライズグレードのアプリケーションを構築できます。コーディングの知識がないユーザーでも、BigQuery をベースとする顧客健全性ダッシュボードなどの複雑な要件を機能的なカスタムツールに数分で変換できます。

S&P Global: Kensho が提供する S&P Global Data Retrieval Agent を使用すると、金融の専門家が S&P Global 独自のデータセットから引用されたデータにアクセスできます。アナリストやポートフォリオマネージャーは、業績発表の分析、市場調査の実施、特定の財務指標の即時取得が可能です。

Salesforce: Agentforce Sales for Gemini Enterprise を使用すると、Gemini Enterprise を離れることなく、見込み顧客への働きかけ、会議の概要の作成、取引のリスクとガイダンスの提示、パイプラインと CRM の更新の管理を、安全にリアルタイムで行うことができます。エージェントが手作業の雑務を処理するので、販売担当者は関係構築と戦略的な販売に集中して成功を収めることができます。

Sana from Workday: Sana Self-Service Agent は、Workday やその他のナレッジソースから情報を即座に検索して要約し、パーソナライズされた回答とタスクの支援を提供します。給与、時間、欠勤などの分野で 300 以上のスキルを備えたエージェントが、日常的な人事と財務のタスクをグローバルに処理するため、サポートチケットが減り、チームは価値の高い業務に集中できるようになります。

Saviynt: Identity Security for AI は、エージェントの継続的な検出とインベントリを行い、その機能、アクセス、リスクを特定します。エージェントは、目的が定義され、責任を負うオーナーがいる第一級の ID として扱われます。ポスチャーの可視性とアカウンタビリティの適用を組み合わせることで、不透明な自動化が管理可能なエンタープライズ対応の ID に変換されます。

ServiceNow: Now Assist for IT Operations Management は ServiceNow AI Platform 内で動作し、生成 AI を活用して IT 環境全体で運用のインテリジェンスと自動化を強化します。AI を活用して、アラートとインシデント管理のあらゆる段階を最適化するように設計された一連の機能が導入されています。

Sheetgo: Sheetgo は AI 対応のデータ実行プラットフォームであり、スプレッドシート中心の業務を、管理された信頼性の高い BigQuery と Gemini Enterprise のパイプラインへと変換します。

Skyflow: Skyflow Runtime Data Security Agent は、チームが Gemini Enterprise Agent Platform にエージェントを安全にデプロイするのに役立ちます。専門家によるガイダンスと、きめ細かなアクセス制御によるオンデマンドのデータ保護を提供するため、企業はプライバシーを危険にさらすことなくコンプライアンスを確保できます。

Supermetrics: Supermetrics Marketing Intelligence Agent は、クロスチャネルのパフォーマンス分析情報を Gemini Enterprise に直接提供します。Google 広告や GA4 など 175 以上のソースに接続し、シンプルな自然言語プロンプトを使用して、ハルシネーションのない高速な分析を実現します。

Synthpop Inc.: Synthpop Patient Journey Orchestration Agent は、受付と患者対応のワークフローを実行することで、構造化されていない紹介状をリアルタイムで検証し、支払者対応の注文に変換します。これらのフローは、Synthpop の調整された本番環境レベルの管理バックボーンの一部として、支払者の時間の節約に役立ちます。

Tech Mahindra: フロントラインエージェントは Order Assist を使用して、複雑な注文やサービスケースをより迅速に解決しています。このエージェントは、会話を通じてリアルタイムのコンテキストインテリジェンスを提供することで、発送準備時間の短縮、初回問い合わせ時の問題解決率の向上、一貫性のあるデータドリブンな回答を実現します。

Teradata: Data Analyst AI Agent を使用すると、Google Cloud で企業データに対して自然言語分析を実行できます。このエージェントは、ビジネスの質問を Teradata 上の管理された SQL や Python のワークフローに変換し、データの移動を必要とせずに、より迅速かつ安全に分析情報を提供します。

Typeface: Typeface Agent は、クリエイティブキャンペーンへのシームレスなブリッジとして機能します。Gemini Enterprise から、自然言語を使用して、Typeface のチーム、ブランドアセット、キャンペーンに即座にアクセスできます。ユーザーは、ブランドに沿った高品質のコンテンツ作成ワークフローをトリガーし、アイデア出しから制作までのプロセスを効率化できます。

UKG: Agentic People Assist — HR Service Delivery は、従業員とマネージャーに知識と、連携するエージェントを提供してインテントを行動に変えることで、UKG Workforce Operating Platform のエージェント機能を強化します。時間、給与、人事にわたってワークフローをオーケストレートし、リアルタイムでパーソナライズされた測定可能な結果を提供します。

WRITER: WRITER Agent は、Fortune 500 企業向けの自律型 AI です。リスクの高いエンタープライズワークフロー向けに構築されており、ブランド指針から再現可能なハンドブックまで、企業のコンテキストに基づいてデータとツールにわたり自律的な作業を安全に計画、実行します。

XM Cyber: XM Cyber の PostureAI エージェントは、自律型のポスチャースペシャリストとして機能し、セキュリティのベストプラクティスに照らして Google Workspace アプリケーションを継続的に評価します。これは、組織が AI を安全に導入し、重要なビジネスプロセスを保護できるようにする、より広範な継続的エクスポージャー管理サービスの一部となります。

Google はパートナーとともに、世界最大級のエージェントエコシステムを構築しています。このエコシステムが、あらゆる業界を再定義し、あらゆる機能を強化し、あらゆるビジネスプロセスを加速させていきます。これから何を一緒に実現できるのか楽しみにしています。

- Google Cloud、応用 AI とプラットフォームエコシステム担当バイスプレジデント、Satish Thomas

Gemini Cloud Assist: ユーザーの指示を待たずにユーザーに代わって機能するプロアクティブなクラウド運用

Thu, 07 May 2026 01:00:00 +0000

※この投稿は米国時間 2026 年 4 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。

このたび、Google Cloud Next において、よりプロアクティブな運用を可能にするアップデートが AI 支援型クラウド運用プラットフォームの Gemini Cloud Assist に導入されたことを発表いたします。このアップデートにより、Google Cloud の運用が手動のワークフローから、エージェントの強力なエコシステムに支えられたプロアクティブでインテリジェントなエクスペリエンスに移行します。

このアップデートの重要性: 新しいエージェントアーキテクチャにより、Gemini Cloud Assist が煩雑なクラウド管理作業をユーザーに代わって処理できるようになります。インテリジェンス、企業のコンテキスト、Gemini の機能を運用レイヤに直接組み込むことで、Gemini Cloud Assist は、アプリケーションの設計、問題のトラブルシューティング、コストの先行的な最適化など、これまで人間の継続的な監視が必要だった複雑なタスクをプロアクティブに実行します。エンタープライズ規模のシステムでこのアプローチを採用すれば、開発速度が向上し、解決までの時間が短縮されます。

新機能:

自然言語と Gemini の機能を使用することで、再設計された App Design Center での設計から新規のデプロイまたは既存のマルチリソースデプロイメントまでの時間を短縮できます。
gcloud、kubectl、Terraform を使用してインフラストラクチャ運用を自動化し、プロアクティブなマルチターンエージェントを使用してインシデントのトラブルシューティングと解決を行います。
支出の急増を分析してオンデマンドで詳細な費用レポートを生成するプロアクティブな FinOps エージェントにより、24 時間 365 日、費用の異常を検出できます。
どこからでもサポートを提供。Google Cloud MCP サーバーとプロアクティブなエージェントを基盤とする Gemini Cloud Assist は、設計、運用、トラブルシューティング、最適化の機能を公開された MCP サーバーとして公開し、IDE から直接利用できるようにしています。

「Gemini Cloud Assist は当社の開発チームを大いに助けてくれました。Google Cloud に関する質問について、開発チームに連絡する回数やタッチポイントが 60% 減少しました。これにより、当社のクラウドチームはより効果的にスケールし、より複雑なタスクに集中できるようになりました。」- Petco、シニアクラウドエンジニア、Oscar Aldana Assad 氏

エージェント型の Gemini Cloud Assist がどのように運用を支援できるか、詳しく見ていきましょう。

App Design Center で本番環境への準備を加速

Gemini Cloud Assist は、App Design Center のインテリジェントな推論エンジンとして機能し、自然言語のインテントと、視覚的でプロダクションレディなアーキテクチャとの橋渡し役を果たします。Gemini Cloud Assist は App Design Center を活用し、インフラストラクチャの目標を平易な言葉で記述することで、デプロイ可能な Terraform を含むビジュアルデザインを自動的に作成します。これらのテンプレートは、Google Cloud のベストプラクティスアーキテクチャガイダンスに基づいており、セキュリティ、信頼性、コンプライアンスを設計段階から実現するのに役立ちます。Security Command Center と統合されているため、組織のポリシーに準拠したアイデアを迅速にデプロイできます。

プラットフォームチームは、事前承認されたテンプレートの共有カタログをキュレートし、独自のカスタム Terraform モジュールを設計プロセスに直接統合して、管理されたフレームワークを提供できます。この確立された信頼性の高いアプローチは、デベロッパーがデプロイの初日から組織のセキュリティとコンプライアンスのガードレールを遵守するのに役立ちます。Gemini は、クラウドリソースを更新するためのインタラクティブなマルチターン問題解決により、最初のデプロイだけでなくアプリケーションのライフサイクル全体をサポートします。

事後対応型から事前対応型の修復へ

本番環境では、Gemini Cloud Assist によって運用を事後対応のトラブルシューティングから仮説の迅速な分析に移行させ、解決までの時間を短縮することができます。アラートによってトリガーされた Gemini Cloud Assist は、シグナルをプロアクティブにクラスタ化して分析し、問題がエスカレートする前に調査を開始します。Gemini 3 を搭載した Gemini Cloud Assist は、ログと指標を関連付け、インフラストラクチャのシグナルからアプリケーションコードにまで掘り下げて根本原因を特定します。Gemini Cloud Assist は、ツール呼び出しを介して複数の仮説を同時に検証し、観測結果の技術的な分析を一元化された UI に表示します。根本的な Google Cloud の問題に対処するために人間の介入が必要な場合、ユーザーは完全なコンテキストを Google サポートに引き渡すことができます。これにより、構成やコンテキストのデータを共有するために必要な反復処理を最小限に抑えることができます。

24 時間 365 日体制での費用の異常の特定

Gemini Cloud Assist はプロジェクトの事前最適化エージェントとして機能し、経済的な健全性の維持を支援します。Gemini Cloud Assist は 24 時間 365 日バックグラウンドで実行され、費用の異常をモニタリングし、根本原因分析を提供します。費用の急増を、新しいリソースの作成、自動スケーリングイベント、料金の変更などの特定のエンジニアリングトリガーと関連付けます。自然言語でリソース使用率をクエリして、AppHub に登録されているプロジェクトとアプリケーションごとに、オンデマンドの表形式レポートを生成できます。これにより、手動でデータを集計することなく、「誰が、何を、いつ、どのように」使用したかを詳細に把握することができます。たとえば、「昨日、アプリケーションの費用が増加したのはなぜですか？」や「先月のプロジェクトの費用はいくらでしたか？」と質問すると、Gemini Cloud Assist は費用データとインフラストラクチャの変更、監査、モニタリングのログを関連付けて正確な回答を返します。

あらゆる場所でアシスタンスを提供

Google は、利用可能なサーフェスの拡大により、ユーザーが実際に作業する場所で Gemini Cloud Assist を利用できるように努めています。Gemini Cloud Assist エージェントは、コンソールとモバイルインターフェースからすでにアクセスできるようになっています。また、Model Context Protocol（MCP）に新たに対応したことで、Gemini Cloud Assist を Gemini CLI、任意のエージェント IDE や CLI のほか、ServiceNow や Slack などのサードパーティツールチェーンで利用できるようになりました。既存のワークフローにプロアクティブな支援を統合することで、チームはコンテキストの切り替えを回避し、フローの中断を防ぐことができます。

プロアクティブな機能を簡単に利用

Gemini Cloud Assist は、新しいアプリケーションのデプロイからクラウド内の既存のアプリケーションの管理まで、マルチエージェントアプローチを提供し、アプリケーションのエンドツーエンドのライフサイクルを管理できるように設計されています。Gemini 3 のサポートにより、Gemini Cloud Assist では以下のことが可能になりました。

開発速度の向上: ベストプラクティス、セキュリティポリシー、企業のコンプライアンスを統合するインテント駆動型アーキテクチャを使用して、本番環境への準備を加速します。
本番環境の運用を合理化: Gemini によるトラブルシューティング、推奨事項、修復を通じて、本番環境の問題のトリアージ、診断、解決を迅速化します。
費用最適化の自動化: プロジェクトの費用の異常を毎日自動的に検出、分析し、根本原因の特定やアラート通知を行います。
チームのニーズに対応: Google Cloud コンソールから CLI や IDE に至るさまざまなサーフェスからプロアクティブなエージェントと MCP ツールを通じて機能を利用できるため、チームはフロー状態を維持できます。

運用の未来はエージェントにあります。今すぐプロジェクト設定で Gemini Cloud Assist を有効にして、プロアクティブなクラウドの利用を開始しましょう。

- Cloud Foundations 担当バイスプレジデント兼ゼネラルマネージャー、Michael Bachman

- プロダクト管理担当シニアディレクター、Ines Envid

Salesforce と Google Cloud、パートナーシップを拡大

Fri, 01 May 2026 01:00:00 +0000

^{※本記事は 2026 年 4 月 22 日に米国で公開された}^{プレスリリース}^{の抄訳です。本記事の正式言語は英語であり、その内容および解釈については英語が優先されます。}

Google Cloud と Salesforce （NYSE: CRM）は Google Cloud Next ‘26 で、パートナーシップの拡大を発表しました。これにより、長年の課題であったデータの断片化やシステムの連携不足を解決し、AI エージェントが両プラットフォームを横断してエンドツーエンドのワークフローを実行できるようになります。Salesforce とGoogle Cloud の新たな連携により、顧客は Slack や Google Workspace などのツールに AI エージェントを展開することが可能となります。また、Agentforce とGemini Enterprise がバックグラウンドでインテリジェンスとコンテキストを提供します。これにより、AI エージェントはシステムを横断して業務を行うことが可能になり、リスクを伴うデータ移動が削減され、コンテキストの切り替えに費やされる時間のロスも解消されます。

このパートナーシップの拡大に伴い、両社は、顧客が手動による管理から自律的な運用へと移行しやすくする新機能も開発します。従業員は業務が行われている現場で連携し、自社の技術スタックを活用して複雑なワークフローを実行できるようになります。これらの統合により、Google Cloud と Salesforce は、エージェンティックエンタープライズ（英語）のあらゆるレイヤーにおいて連携します。これには、生のインテリジェンスを企業の業務へと変換するあらゆる「コンテキスト供給のためのシステム（System of Context）」「業務のためのシステム（System of Work）」「AI エージェントのためのシステム（System of Agency）」「エンゲージメントのためのシステム（System of Engagement）」が含まれます。

Salesforce プレジデント兼チーフ・エンジニアリング・オフィサーのスリニ・タラプラガダは、次のように述べています。「企業はエージェンティック AI に全社的に取り組む準備が整っており、そのためには企業全体で運用可能なインフラストラクチャとモデルが必要です。 Google Cloud とのパートナーシップ強化により、両社共通のお客様にまさにそれをご提供できるようになりました。お客様はビジネスのあらゆる分野に Agentforce を導入し、エージェンティックエンタープライズへの変革を加速させることができます」

チームがすでに利用している環境で業務を行う：Slack、Google Workspace、そして Gemini Enterprise

現代の業務環境では、目に見えない切り替えの負担が横行しており、平均的な従業員は毎日 2 時間もの生産性を奪われています。セキュリティ上のエスカレーションは Slack で発生し、背景情報は Google ドキュメントにあり、承認プロセスは Salesforceで処理され、関係者の調整はメールで行われています。こうした個別のソリューションを寄せ集めるのではなく、企業は相互に連携したエンゲージメントシステムを構築できるようになりました。これにより、チームは社内のあらゆる業務を迅速に進め、一つの会話からアイデアをエージェント型の行動へと転換することが可能になります。

主な連携機能：

Slack と Google Workspace：ユーザーは、Slackbot にリクエストするだけで、あらゆる依頼を洗練された Google Workspace のコンテンツに即座に変換できます。プロンプトを受けると、Slackbot は Slack のスレッドや Google スライド、ドキュメント、スプレッドシート、PDF などの関連する Slack と Google Workspace の情報を取得し、情報をインテリジェントに整理して、すぐに共有できるファイルとして提供します。これにより、情報の検索、作成、提示の間のギャップを解消します。
Slack 内の Gemini Enterprise： Gemini Enterprise は Slack 内から直接アクセス可能で、アプリ全体からコネクターや関連情報にアクセスできる強力な検索・アシスタントツールとして機能します（例えば、 Slack のスレッドと併せて Google Meet の議事録を要約するなど）。
Gemini Enterprise 内の Agentforce Sales：Agentforce Sales の AI エージェントは、Gemini Enterprise を離れることなく、安全かつリアルタイムで、見込み顧客とのやり取りや面談サマリの作成、案件のリスクやガイダンスの提示、パイプラインや CRM の更新管理を行うことができます。手作業を自動化することで、営業担当者は顧客との関係構築や成約に集中できるようになります。

Wayfair の CTO のフィオナ・タン（Fiona Tan）氏は、次のように述べています。
「Wayfair は、エージェンティックエンタープライズの構築に取り組んでいます。カスタマーサービスから物流に至るまで、業務のあらゆる分野にインテリジェントな AI エージェントを組み込み、何百万人もの人々が我が家のような居心地の良さを感じられるようにしています。このビジョンを実現する上で、 Salesforce と Google Cloud は重要なパートナーです」

Google Cloud の Chief Product および Business Officer である Karthik Narain 氏は次のように述べています。
「Salesforce とのパートナーシップにより、お客様は両プラットフォームのデータを安全に連携させ、ビジネス成果を加速させるとともに、AI エージェント時代のための拡張性の高い基盤を構築できます。Gemini Enterprise に搭載されたエンタープライズ対応の Salesforce の AI エージェントにより、お客様はデータを迅速かつ確信を持って活用するための強力な新たな手段を手に入れることができます」

エージェンティックコンテキストの拡張：最適化されたセキュリティ、高度なインテリジェンス、ゼロコピーデータ

このパートナーシップの基盤となるのは、「コンテキスト供給のためのシステム（System of Context）」です。これは、世界最先端の AI モデルとエンタープライズ規模のデータを結びつけるアーキテクチャです。 Salesforce と Google Cloud により、AI がデータの保存場所であらゆるデータを利用できるようになり、セキュリティやコストのかかるデータ移行についての懸念が無くなります。 CRM レコードや顧客のシグナルから、 Google Workspace のアクティビティや BigQuery のデータウェアハウスに至るまで、これらのデータ連携により、AI エージェントはこれまで実現できなかった規模での成果を実現することが可能となります。

主な機能強化：

Gemini を活用した Agentforce の推論：Agentforce は、Atlas 推論エンジンを通じて、 Gemini モデルをネイティブにサポートしています。これにより、 Agentforce はテキスト、画像、動画といったさまざまな形式のデータを横断的に「把握」し、長年にわたる顧客接点履歴を活用して複雑な問題を正確に解決することが可能になります。これは、より迅速かつスマートな問題解決を実現することを意味し、 Agentforce 内で Gemini を活用してプロンプトを作成し、すでに成果を上げている 1,400 社以上の顧客の実績を基盤としています。
Google Lakehouse によるゼロコピー：顧客データは元の場所に留めておくことが可能です。 Agentforce は、データのコピーや移動、セキュリティリスクを伴わずに、 Google Lakehouse からネイティブにデータを読み取ることが可能になります。これは、データセットがどれほど大規模になっても高品質なパフォーマンスを発揮する単一のコンピューティングレイヤーを実現するものであり、Salesforce Data 360 や Google BigQuery においてすでに数百社の顧客から信頼されているゼロコピーテクノロジーを基盤としています。
IDMC ガバナンスの強化とマルチソース接続： Informatica のデータセキュリティポリシーや Workday や SAP などのエンタープライズデータソースを Google BigQuery に連携させる新しいデータコネクターにより、不正防止や予測マーケティングなどのリアルタイムのインサイトを解き放ち、セキュリティのガードレールをより効率的に適用できます。さらに Google Cloud Storage 上の Apache Iceberg への接続も対応します。大規模データセットの読み取り・書き込み・変換に加え、スキーマ進化と高性能な分析クエリをサポートします。

Pepkor の AI 責任者であるマイケル・ヨランド（Michael Yolland）氏は、次のように述べています。「Salesforce Data 360 と Google BigQuery を活用し、6,400 万件の顧客プロファイルを 2,400 万件に統合したことで、当社のロイヤルティプログラムは、15 以上の全ブランドにわたる顧客行動をより深く把握できるようになりました。これにより、真にパーソナライズされたエンゲージメントを通じて、リーチできる顧客層が 25% 拡大しました。しかも、データを移動したりコピーしたりすることなく、これらすべてを実現できるのです」

Bionic のグループ CTO であるジェームズ・ロマス氏は、次のように述べています。「Agentforce により、企業全体で自律的なアクションをスケールさせることが可能になります。 Gemini を統合することで、AI エージェントに世界最高水準の知能とより深いコンテキストを提供し、セキュリティやガバナンスを損なうことなく、あらゆる部門でスケールを実現することができます」

エージェンティックエンタープライズの時代がついに到来しています。 Google Cloud と Salesforce の本パートナーシップを通じて、企業は断片化したデータを統合し、複雑なプロセスを自動化し、単一の統合アーキテクチャ内で真の人間と AI のコラボレーションを実現できます。これは次なる AI の時代において、より迅速かつスマートに成長したいと考える企業のために構築されたものです。

提供時期

Slack Enterprise Search（Gmail および Google ドライブの検索）：現在、利用可能です。
Gemini Enterprise 上の Agentforce Sales：Gemini Enterprise Marketplaceにてオープンベータ版として現在、利用可能です。
Slack 上の Gemini Enterprise：Slack Marketplace でプライベートプレビュー版として現在、利用可能です。
IDMC Google BigQuery コネクター（CAI および CDAM）：2026 年 4 月より提供開始予定です。
IDMC Apache Iceberg GCP サポート：2026 年 4 月、提供開始予定です。
Gemini によるAgentforce向け推論機能：2026 年 5 月、提供開始予定です。
Slackbot Google Slides Generator：2026 年半ばに提供開始予定です。
Google Lakehouse によるゼロコピー：2026 年後半に提供開始予定です。

Google Cloud について

Google Cloud は、AI インフラストラクチャ、Gemini をはじめとする先進的なモデル、データ管理、マルチクラウドセキュリティ、開発ツール、さらにエージェントやアプリなど、強力で最適化された AI スタックを提供し、エージェント時代に向けた組織の変革を支援します。200 以上の国と地域で、信頼されるテクノロジーパートナーとして選ばれています。

Salesforce について

Salesforce は、あらゆる規模の企業がエージェンティックエンタープライズへと変革することを支援します。人とAIエージェント、アプリケーション、データを信頼性の高い単一のプラットフォームへ統合することで、これまでにない成長とイノベーションを実現します。詳細は salesforce.com/jp をご覧ください。

詳細情報

Salesforce と Google Cloud のパートナーシップに関する詳細は、こちら（英語）。
AgentExchange 上の Google マップ MCP サーバーに関する最新のニュースは、こちら（英語）。
UCP に対応した Agentforce Commerce に関する最新のニュースは、こちら。

第 8 世代 TPU の内幕: アーキテクチャの詳細

Thu, 30 Apr 2026 01:40:00 +0000

※この投稿は米国時間 2026 年 4 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。

Google の TPU 設計理念では、常にスケーラビリティ、信頼性、効率性という 3 つの柱が中心に据えられてきました。AI モデルが高密度大規模言語モデル（LLM）から大規模な混合エキスパート（MoE）や推論重視のアーキテクチャへと進化するにつれて、ハードウェアは 1 秒あたりの浮動小数点演算（FLOPS）を増やすだけでなく、最新のワークロードに固有の演算強度に対応できるように進化する必要に迫られています。

エージェント型 AI の台頭により、長いコンテキストウィンドウと複雑な逐次ロジックを処理できるインフラストラクチャが必要になっています。同時に、現在のデータアーキテクチャの次に必要となる進化として「世界モデル」が登場しています。つまり新しいエージェントは、リスクを伴う試行錯誤ではなく「想像力」を通じて、将来のシナリオをシミュレートし、結果を予測し、学習するものとなっています。第 8 世代 TPU（TPU 8t と TPU 8i）は、上述の課題に対する Google の答えです。すべてのワークロードが、トレーニングの最初のトークンからマルチターン推論チェーンの最終ステップまで可能な限り最も効率的なパスで実行されるようにします。TPU 8t と TPU 8i は Google DeepMind の Genie 3 のような世界モデルを効率的にトレーニングしてサービングできるように構築されているため、数百万のエージェントが多様なシミュレーション環境で推論をトレーニングして改良していくことができます。

TPU 8: 特化された設計

事前トレーニング、トレーニング後、リアルタイムサービングのインフラストラクチャ要件はそれぞれ異なることを踏まえ、第 8 世代 TPU では TPU 8t と TPU 8i という 2 つの異なるシステムを導入しています。これらの新しいシステムは、AI Hypercomputer という、ハードウェア、ソフトウェア、ネットワーキングを 1 つに統合して AI ライフサイクル全体を強化する Google Cloud のスーパーコンピューティングアーキテクチャの重要なコンポーネントになります。TPU 8t と TPU 8i のどちらのシステムも、Google AI スタックのコア DNA を共有して、AI ライフサイクル全体をサポートしますが、それぞれが対処するボトルネックと、効率の最適化を図る開発の段階は異なります。これに加え、第 8 世代 TPU システム全体に Arm ベースの Axion CPU ヘッダーを統合し、データ準備のレイテンシによって発生するホストのボトルネックを解消しました。Axion は、複雑なデータの前処理とオーケストレーションを処理するためのコンピューティングヘッドルームを提供するため、TPU は常にフィードされた状態に維持されて、停止することがありません。

TPU 8t: 事前トレーニングの原動力

大規模な事前トレーニングとエンベディングを多用するワークロード向けに最適化された TPU 8t は、実績のある 3D トーラス型ネットワークトポロジを、1 つの Superpod で 9,600 個のチップというさらに大きなスケールで活用しています。TPU 8t は、トレーニングがスケジュールどおりに実行されるように、数百規模の Superpod 全体にわたって最大限のスループットを実現するように設計されています。

TPU 8t は、前世代の TPU と比較して次のような点で進化しています。

SparseCore の利用: TPU 8t の中核となっている SparseCore は、エンベディング検索の不規則なメモリアクセスパターンを処理するために設計された専用のアクセラレータです。行列乗算ユニット（MXU）が行列演算を処理する一方で、SparseCore はデータ依存の all-gather 演算を他の集団演算とともにオフロードして、汎用チップでよく問題となるゼロ演算におけるボトルネックを回避します。
VPU / MXU のオーバーラップとバランスの取れたスケーリング: TPU 8t は、プロビジョニングされた FLOP の使用率を最大化するように設計されています。このアーキテクチャは、よりバランスの取れた Vector Processing Unit（VPU）のスケーリングを実装することで、ベクトル演算の時間を最小限に抑えます。これにより、量子化、softmax、レイヤ正規化を MXU での行列乗算と効果的に重ねられるようになるため、チップは順次ベクトルタスクを待つことなく、常にビジー状態を維持します。
ネイティブ FP4: TPU 8t では、メモリ帯域幅のボトルネックを克服するためにネイティブ 4 ビット浮動小数点（FP4）を導入しています。FP4 の導入により、低精度の量子化でも大規模モデルの精度を維持しながら MXU のスループットを倍増させています。パラメータあたりのビット数を減らすことで、プラットフォームでのエネルギー消費量の多いデータ移動が最小限に抑えられ、コンピューティングのピーク使用率に対応するローカルハードウェアバッファに、より大きなモデルレイヤを収められるようになります。

図 1: TPU 8t ASIC のブロック図

Virgo Network トポロジと最大 4 倍のデータセンターネットワークの増加: TPU 8t の膨大なデータ要件をサポートするために、Virgo Network を導入しました。この新しいネットワーキングアーキテクチャにより、データセンターネットワーク（DCN）を介した TPU 8t トレーニングでの DCN 帯域幅が最大 4 倍に増加しています。Virgo Network は、最新の AI ワークロードに伴う極めて厳しい要件に対応するように設計されたスケールアウトファブリックです。Virgo Network は高基数スイッチを基盤としているため、スイッチあたりのポート数を増やしてネットワークレイヤの数を削減できます。このことから、Virgo Network ではフラットな 2 レイヤのノンブロッキングトポロジを採用しています。このようにネットワーク階層を最小限に抑えることで、従来のデータセンターネットワークと比べ、レイテンシが大幅に短縮されます。Virgo Network の特徴となっているのは、独立した複数の制御ドメインで TPU 8t チップを接続する、マルチプレーン設計です。コンピューティングサービスとストレージサービスにアクセスするために、TPU 8t ラックは Jupiter の North-South ファブリックにも接続されます。この合理化されたアーキテクチャは、世界最大のトレーニングクラスタを、しかも高可用性を確保した状態で実現するために必要となる、大規模な二分割帯域幅と確定的低レイテンシを提供します。

前世代比で、チップ間相互接続（ICI）のスケールアップ帯域幅が 2 倍、スケールアウト DCN 帯域幅が最大 4 倍の TPU 8t は、データボトルネックを大幅に削減します。さらに、フロンティアモデルの開発を加速するために、Google は単一のクラスタの枠を超えて分散トレーニングをスケールできるようにしています。具体的には、JAX と Pathways を組み合わせることで、単一のトレーニングクラスタ内で 100 万個を超える TPU チップに対してスケーリングを提供できるようになりました。Virgo Network では、1 つのファブリックで 134,000 個以上の TPU 8t チップをリンクして、最大 47 ペタビット/秒のノンブロッキング二分割帯域幅を使用できます。この場合のファブリックは、160 万エクサフロップスを超える演算能力を、ほぼ線形なスケーリング性能で提供します。

図 2: TPU 8t ラックレベルでの Virgo ファブリックへの接続

ストレージアクセスの高速化: TPU 8t には TPUDirect RDMA と TPUDirect Storage を導入しています。TPUDirect RDMA を使用すると、ホスト CPU と DRAM をバイパスして、TPU のメモリ（HBM）とネットワークインターフェースカード（NIC）の間でデータを直接転送できます。これにより、レイテンシとホストシステムのボトルネックが低減されて、TPU 間通信の有効帯域幅が増加します。同様に、TPUDirect Storage は CPU ホストのボトルネックを回避するために、TPU と 10T Lustre などの高速マネージドストレージ間の直接メモリアクセスを可能にします。したがって、大量のデータを転送する場合は帯域幅が実質的に倍増します。このアーキテクチャでは、シリコンがトレーニングデータをラインレートで取り込めることから、大規模なマルチモーダルデータセットを処理する場合でも。MXU は完全に飽和した状態に維持されます。

数百ペタバイトのデータセットを直接シリコンにルーティングするために Managed Lustre 10T と TPUDirect Storage を組み合わせることで、TPU 8t はデータ取り込みのボトルネックによって発生するトレーニングの遅延を防ぎます。これにより、第 7 世代の Ironwood TPU でトレーニングする場合と比較して、ストレージアクセスが 10 倍高速化されます。

図 3: 上の図は、TPUDirect Storage を使用しない場合のデータ転送パスを示しています。下の図は、TPUDirect Storage を使用した場合の 2 つの TPU 8t チップ間の TPU 8t データ転送と、Managed Lustre 10T ストレージを使用した TPUDirect Storage を示しています。

TPU 8i: サンプリングとサービングのスペシャリスト

トレーニング後の高度な並列推論向けに最適化された TPU 8i は、Google の最高水準のオンチップ SRAM、新しい Collectives Acceleration Engine（CAE）と、Boardfly と呼ばれる、サービングに最適化されたネットワークトポロジを使用して設計されています。

大容量のオンチップ SRAM: 前世代比で 3 倍のオンチップ SRAM を搭載した TPU 8i は、より大きな KV キャッシュを完全にシリコン上でホストできるため、ロングコンテキストのデコード中に発生するコアのアイドル時間を大幅に短縮できます。

図 4: TPU 8i ASIC のブロック図

Collectives Acceleration Engine（CAE）: TPU 8i はサンプリングのボトルネックを解消するために CAE を使用します。CAE は、特に自己回帰デコードと「chain-of-thought」処理で必要となる集約ステップと同期ステップを加速して、コア全体の結果をほぼゼロのレイテンシで集約します。各 TPU 8i チップには、コアダイ上に 2 つの Tensor Core（TC）と、チップレットダイ上に 1 つの CAE があります。これらは、前世代の Ironwood TPU で使用されているコアダイ上の 4 つの SparseCore（SC）に代わるものです。TPU 8i は、専用の CAE を統合することで、集団演算のオンチップレイテンシをさらに 5 分の 1 に短縮しています。集団演算あたりのレイテンシが短縮されるということは、待機時間が短縮されることを意味します。これは、数百万のエージェントを同時に実行するために必要なスループットの向上に直接つながります。
Boardfly ICI トポロジ: 3D トーラスでは、数千個のチップを接続して 1 つの集合体として使用できますが、大規模なメッシュではチップ間のホップ数が多くなり、全対全レイテンシが高くなります。8i では、複数のチップが全結合ボードで接続され、こうしたボードがグループに集約されるという仕組みを変更しました。高基数設計を採用して、最大 1,152 個のチップを接続することで、ネットワーク直径と、データパケットがシステムを通過するために必要なホップ数を削減しています。全対全通信（MoE モデルと推論モデルの中核）に必要となるホップ数を大幅に削減する Boardfly は、通信集約型のワークロードのレイテンシを最大 50% 短縮します。

図 5: TPU 8i の階層的な Boardfly トポロジ。4 つの全結合チップを構成要素とし、8 枚のボードで構成される全結合グループへと拡張。これらのグループ 36 個を全結合することで、1 つの TPU 8i ポッドを構成

Boardfly は次の要素で構成されており、そのトポロジは本質的に階層型です。

構成要素（BB）: 各トレイは内部 ICI リンクを使用して 4 チップからなるリングを形成し、より広範なネットワーキングに対応するための 16 個の外部接続を提供します。
グループ（G）: 8 枚のボードが銅線ケーブルで全結合されて、ローカルグループが作成されます。グループ内の通信には、利用可能な外部リンクのうち 11 個が使用されます。
Pod 構造: 最終的なアーキテクチャは、光回路スイッチ（OCS）を介してリンクされた 36 のグループ（最大 1,024 個のアクティブなチップ）にスケールします。どのチップ間の通信でも、最大レイテンシは 7 ホップ分となります。

詳細: Boardfly とトーラスの数学

TPU 8i でトーラスから移行している理由は、突き詰めるところ、ネットワーク直径にあります。

3D トーラスでノードが配置されるグリッドでは、各次元がリングのように折り返されます。8 x 8 x 16（1,024 チップ）構成で最も遠いチップに到達するには、パケットが各リングの半分の距離を移動する必要があります。

3D トーラス = 8/2（X）+ 8/2（Y）+ 16/2（Z）= 16 ホップ

トーラスは、高密度なトレーニングに通常伴う隣接ノード間の通信には非常に効率的ですが、全対全の通信パターンではレイテンシが犠牲になります。推論モデルと MoE の時代では、トークンをルーティングするために、どのチップも他のいずれかのチップと通信する可能性があるため、ホップ数が重要になります。

Boardfly の高基数トポロジは、Dragonfly トポロジの原則にヒントを得たものです。Google はボードのグループ間を直接結ぶ長距離の光リンクの数を増やすという方法で、ネットワークをフラット化しています。同じ 1,024 チップの Pod の場合、Boardfly はネットワーク直径を 16 ホップからわずか 7 ホップにまで削減します。

ネットワーク直径が 56% 縮小するということは、テールレイテンシが短縮されることに直接つながるため、TPU 8i CAE はデータがポッド経由で到着するのを待機する必要がなくなります。

図 6: TPU 8i Pod の光回路スイッチを介した最大 7 ホップの ICI ネットワーク直径の視覚的表現

TPU 8t と TPU 8i の概要

機能	TPU 8t	TPU 8i
主なワークロード	大規模な事前トレーニング	サンプリング、サービング、推論
ネットワークトポロジ	3D トーラス	Boardfly
専用チップの機能	SparseCore（エンベディング）と LLM デコーダエンジン	CAE（Collectives Acceleration Engine）
HBM 容量	216 GB	288 GB
オンチップ SRAM（Vmem）	128 MB	384 MB
ピーク FP4 PFLOPS	12.6	10.1
HBM 帯域幅	6,528 GB/秒	8,601 GB/秒（TPU 8t の約 1.3 倍）
CPU ヘッダー	Arm Axion	Arm Axion

ソフトウェアの有効化: パフォーマンス重視の AI スタック

ハードウェアの性能は、それを動かすソフトウェアの性能に左右されます。第 8 世代の TPU は、第 7 世代の Ironwood TPU で Google が先駆けて開発したパフォーマンス重視のスタックを基盤に構築されています。このスタックは、高レベルのフレームワークの抽象化を犠牲にすることなく、カスタムカーネルを容易に開発できるように設計されたものです。このスタックには以下が含まれます。

Pallas と Mosaic: Google は、Python でハードウェア対応のカーネルを記述できる Pallas というカスタムカーネル言語に対するトップクラスのサポートを提供しています。これにより、TPU 8i CAE と TPU 8t SparseCore のパフォーマンスを最大限に引き出すことができます。
ネイティブな PyTorch エクスペリエンス: このたび、TPU のネイティブな PyTorch サポートのプレビュー版が公開されました。現在 PyTorch でモデルを構築してサービングしている場合は、これまで以上に簡単に TPU の使用を開始できます。お客様が利用しているネイティブ機能（イーガーモードなど）を完全にサポートした状態で、既存のモデルをそのまま Google の TPU に移行できます。
ポータビリティ: Ironwood で実行される JAX、PyTorch、Keras のコードは、第 8 世代の TPU にスケールします。XLA（Accelerated Linear Algebra）は、Broadly トポロジと CAE 同期の複雑な変換を舞台裏で処理するため、ユーザーは相互接続ではなくモデルに注力できます。

世代を重ねるごとにパフォーマンスが大幅に向上しています

ハードウェアとソフトウェアを共同設計するという Google の取り組みは、引き続き成果を上げています。第 7 世代の Ironwood TPU と比較して、第 8 世代の TPU では次のような大きな改善が見られます。

トレーニングの費用対効果: 大規模なトレーニングにおける TPU 8t の 1 ドルあたりのパフォーマンスは、Ironwood TPU のパフォーマンスの最大 2.7 倍です。
推論の費用対効果: 特に大規模な MoE モデルの低レイテンシターゲットにおける TPU 8i の 1 ドルあたりのパフォーマンスは、Ironwood TPU と比べると、最大 80% 向上します。
エネルギー効率: どちらのチップでも、ワットあたりのパフォーマンスが最大 2 倍向上しています。次世代 AI をサステナブルにスケーリングするうえで、これら 2 つのチップは不可欠と言えます。

今後の対応

Google Cloud のお客様がイノベーションの新たな波を切り開けるよう、Google は TPU 8t と TPU 8i を、AI ライフサイクルの多面的な将来の需要に合わせてカスタマイズされた 2 つの異なる専用システムとして開発しました。TPU 8t と 8i はそれぞれ、最も要求の厳しいトレーニングワークロード専用、サービングワークロード専用に構築されており、AI Hypercomputer のソフトウェアスタック（JAX、PyTorch、vLLM、XLA、Pathways）と完全に統合されています。Google DeepMind との緊密なコラボレーションにより、目的に特化してゼロから再設計された第 8 世代の TPU は、卓越したコストパフォーマンスと電力効率を実現します。

第 8 世代アーキテクチャのモジュール性は、将来に向けた明確な、かつ固有のロードマップを可能にします。コンピューティング環境の大きな変化にはインフラストラクチャのブレークスルーが必要でしたが、エージェントの時代も同じです。継続的なフィードバックループ内で計画、実行、学習を行う推論エージェントは、元々従来のトレーニングやトランザクション推論用に最適化されているハードウェアでは、最高の効率で動作できません。その動作強度は根本的に異なるからです。第 8 世代の TPU インフラストラクチャは、こうした固有の要件に真っ向から対処できるように進化しています。

第 8 世代 TPU ファミリーについて、以下の方法で詳細をご確認ください。

- Google Cloud、上級エンジニア、Diwakar Gupta

- Google Cloud、グループプロダクトマネージャー、Sabastian Mugazambi

AI & 機械学習

Google AI Threat Defense 発表：攻撃者の先を行くために

10 年にわたるセキュリティリーダーシップに基づく基盤

Google AI Threat Defense のご紹介

準備：マシンスピードでの対応に向けた基盤の強化

Wiz がコードリポジトリ、 CI/CD パイプライン、 AI プラットフォームとモデル、ハイブリッドクラウドなどを継続的にスキャンし、 AI ネイティブのリスクを表面化させる方法をご覧ください。

このデモでは、開発者が CodeMender のコマンドラインインターフェース ( CLI ) を使用して、いかに簡単にアプリケーションを保護できるかを紹介しています。

パートナーによる AI Threat Defense の活用方法

今後の展望： AI で攻撃者の先を行く

Google の分散エージェント ランタイム、Agent Executor のご紹介

Google のエージェント ランタイムと連携する

エージェント、モデル、コンピューティングを自社で管理する

エージェント ファーストのコンピューティング レイヤを使用して Kubernetes 上でエージェントをスケール

使ってみる

立教学院：Google AI Pro for Education で描く「自由の学府」の未来。全専任職員 100% の利活用を目指す組織変革の舞台裏

伝統ある「自由の学府」が、AI 導入を急いだ理由

「心理的障壁」を突破した、戦略的な 3 ステップ

有償版の「Google AI Pro for Education」がもたらした圧倒的な優位性

展望：AI と共に、新たな大学文化を育む

Cloud Storage Rapid: AI と分析のための超高速化されたオブジェクト ストレージ

Rapid Bucket

Rapid Cache

ビジネスを加速させる最適なプロダクトをお選びください

Google I/O 2026 での発表： Google Cloud の最新イノベーションのすべて

Gemini 3.5 が切り拓く新たな可能性

Gemini Omni による高品質な動画コンテンツの生成

Google Antigravity で誰もが開発者に

Gemini Spark：24 時間体制のパーソナル AI エージェント

Google Workspace がもたらす新たな働き方

フルマネージドのエージェントで開発スピードを加速

エージェンティック エンタープライズを保護

今後の展望

50 以上のフルマネージド MCP サーバーが Google Cloud サービスで利用可能に

エンタープライズ仕様の MCP

事例紹介: 動画編集の概念を覆す Insta360

Google エコシステム全体を網羅する機能性

1. インフラストラクチャ、運用、セキュリティ

2. データベース、分析、ストレージ

3. サービスとアプリケーション

技術的シナリオとデモ

今すぐ開発に着手しましょう

法改正対応を AI で加速する富士通の挑戦：暗黙知の言語化が開発プロセスを変えた

属人化した現場の課題：800 ページの法令を読み解き、数ヶ月でシステムへの反映をせまられる現実

Gemini CLI との出会い：コンテキストの長さとインタラクティブ性が決め手に

TAP で見つけた「暗黙知を言語化する」アプローチ

技術よりも大きかった「マインドの変化」

Google Cloud スペシャリストとの連携で大きな手応え

AI が主役になる開発、その先にあるもの

日本最大規模の総合大学、日本大学が挑む教学 DX：全専任教職員 1 万人へ「Google AI Pro for Education」を導入し、教育の「自主創造」を加速

導入の背景：スケールメリットを「データの力」へ

Google AI Pro for Education による業務の効率化、そして知的創造へ

Google for Education によるトレーニングで DX を加速

今後の展望：日本最大級の知見を社会へ

Google Cloud の役割

未来にフィット: Breuninger が「be your own model」AI で売り上げを伸ばした方法

Trusted Tester からライブ プロダクトへ

3 つのレベルのバーチャル試着

Flutter による、スケーリングを考慮した構築

ホリデー シーズン中の実際の結果

次のステップ

AI を活用したコード移行の先駆け: Google が TensorFlow から JAX への移行を 6 倍高速化した方法

TF から JAX への移行を加速

単一エージェント コーディングからの脱却

スケーラブルな検証と柔軟な Playbook

移行のスピードを革新

AI を活用する時代の展望

ファナックとの協業により、製造業の未来を切りひらく「フィジカル AI」を加速

AI の進化がもたらす「フィジカル AI」の可能性

Google の AI とエンジニアリングが、ファナックのロボットを進化させる

開発者エコシステムとオープンなイノベーション

製造業の未来の実現に向けて

カプコン が推進するエンタープライズ エージェンティック AI の活用

ゲームと企業： 共通する探索の DNA

創造性の火を絶やさないために

カプコンのアプローチ： マルチモーダル ワークベンチ

カプコンの知見をエージェンティック エンタープライズへ応用

丸紅I-DIGIO と Google Cloud、Agentic AI による産業変革に向けた戦略的提携に合意

本提携が目指す、市場への提供価値

Next ’26: Google Cloud と Wiz が AI 時代のセキュリティを再定義

エージェント型防御の提供

Google の分散エージェントランタイム、Agent Executor のご紹介

Google のエージェントランタイムと連携する

エージェントファーストのコンピューティングレイヤを使用して Kubernetes 上でエージェントをスケール

Cloud Storage Rapid: AI と分析のための超高速化されたオブジェクトストレージ

エージェンティックエンタープライズを保護

Trusted Tester からライブプロダクトへ

ホリデーシーズン中の実際の結果

単一エージェントコーディングからの脱却

カプコンが推進するエンタープライズエージェンティック AI の活用

ゲームと企業：共通する探索の DNA

カプコンのアプローチ：マルチモーダルワークベンチ

カプコンの知見をエージェンティックエンタープライズへ応用

あらゆるインフラストラクチャで、AI とクラウドアプリケーションを保護

エージェンティックコンテキストの拡張：最適化されたセキュリティ、高度なインテリジェンス、ゼロコピーデータ