顧客事例

AI エージェント事例アワード開催！指示するから、自律する AI へ。

Mon, 13 Jul 2026 02:00:00 +0000

前身の「生成 AI 事例アワード」を始めてから、2 年あまりが経ちました。この場には、ビジネスを大きく動かした取り組みから、日々の業務を助ける等身大のアイデアまで、素晴らしい事例が数多く集まってきました。そして、この 2 年で生成 AI そのものも、試す段階から業務に組み込む段階へと移ってきています。

指示を一つずつ出す使い方から、目的を伝えて自律的に動かす使い方へ。この変化は、AI を業務にどう生かすかという問いそのものを変えつつあります。そして、アワードに応募いただく事例の顔ぶれも、この 2 年で確かに変わってきました。

こうした変化に合わせて、今回から名称を 「AI エージェント事例アワード」へと改め、次の一歩をつくる活用事例をあらためて募集します。ビジネスを前に進める最先端の取り組みから、アイデアが光る業務効率化まで。分野や規模は問いません。みなさんの事例をお待ちしています。

事例アワードへの応募・詳細はこちら

スケジュール

エントリーからピッチコンテストまでの日程は次のとおりです。

エントリー開始: 7 月 7 日（火）
エントリー締切: 9 月 2 日（水）
ファイナリストのピッチコンテスト : Agentic AI Summit '26 Fall（10 月 29 日）内で実施

評価基準

審査では、次の 3 つの観点から事例を見ます。

技術的革新性（特に AI エージェントの活用）
実用性と実現可能性
社会的・経済的な影響

表彰内容

受賞した企業には、次の賞を用意しています。※ 表彰内容は予告なく変更になる場合があります。

最優秀賞（1 社 2 名）

トロフィー
Google Cloud Next 27（ラスベガス開催）への特別招待

優秀賞（3 社）

トロフィー
Google Cloud グッズ

ファイナリスト賞（8 社）

Google Cloud グッズ

みなさんの応募をお待ちしています。

日立「Gemini Enterprise 活用コンテスト」開催レポート ― 112 件の応募から選ばれた、現場を変える 10 の AI エージェント

Thu, 09 Jul 2026 02:00:00 +0000

6 月 17 日（水）渋谷ストリームグーグルオフィスにて AI エージェントは、現場のどんな仕事を本当に楽にしてくれるのか。その答えを、日立製作所のみなさん自身が見せてくれる一日がありました。今年 4 月からデジタルシステム＆サービスセクターの社員を中心に利用が広がった Gemini Enterprise。その活用アイデアを競う「Gemini Enterprise 活用コンテスト」には、総勢 112 件もの応募が集まりました。選り抜かれた 10 組が登壇した発表会の熱気を、そのままお届けします。

112 件の応募から、現場発の 10 組が登壇

発表会は、日立とグーグル・クラウド・ジャパン両社の挨拶で幕を開けました。AI を業務にどう根付かせるかという強い意志が、冒頭から明確に打ち出されていました。

日立デジタルシステム&サービス/ AI &ソフトウェアサービスビジネスユニット事業主管を務める西孝治氏は、AI への期待をこう語りました。「AI は非常に活況を呈していますが、一番やりたいのは日立の社内トランスフォーメーションです。みなさんが AI を使いこなして、お客様の前でもマーケットの中でも、 Gemini をこんな風に使っているぞと宣伝してくれる、そんな AI のショーケースになってほしい」。 1 人で考えるには限界がある、隣の人が何をしているかという知見をぜひ共有してほしい、という呼びかけもそえられました。

続いて登壇した Google Cloud 執行役員自動車・産業営業本部本部長の浅井は、会場を見渡してこう切り出します。「壇上から見ると、みなさんの顔が自信に満ちあふれているのがひしひしと伝わってきて、私自身もワクワクしています」。日頃 Google Cloud と一緒にビジネスの変革を進められていることへの感謝を述べました。

現場の「困った」から生まれた 10 のエージェント

10 組の発表はどれも、日々の業務でぶつかる具体的な「困った」を出発点にしていました。発表順にご紹介します。

失注ポストモーテム AI 「失注リフレクター」: 失注した案件の経緯を SharePoint の社内資料から再構成し、「3 つの分岐点」「顧客の発言と真意」「次回への教訓」を 3 分で構造化レポートにまとめます。レポートは社内のナレッジ DB にためて、営業担当者が商談前に過去の知見として参照できるようにします。原因分析にかかる時間を短縮するとともに、分析の実施率を大幅に高めることで、失注を組織の武器に変える仕組みを提案しました。
Power Automate × Gemini Enterprise による定例会議議事録作成の「完全自動化」 : Microsoft の Power Automate と Gemini Enterprise を組み合わせ、定例会議の議事録づくりを入口から仕上げまで自動でつなぎました。
業務改善アドバイザー: 複数のエージェントが手分けして、自分の業務をヒアリングし、分析し、ボトルネックを洗い出して改善案まで示します。業務の流れは Mermaid 形式の図にして一目で見渡せるようにしました。業務のヒアリングから分析、改善提案までのプロセスを大幅に短縮できる可能性が示されました。これまで数日かかっていた作業が、約 10 分に縮みます。
議事録「ワンショット 5 方向展開」マルチエージェント: Gemini Enterprise の Agent Designer で 5 つのサブエージェントを組み、 Teams のトランスクリプトから Markdown レポート、 Word 議事録、 Excel の Q&A 、 Teams 向けの展開メッセージ、 Redmine チケットを一度に生成します。議事録1 本あたりの二次加工は 90 分から 5 分へ、 94 % 削減。年間およそ 7,000 時間の削減になります。
開発チーム、転生したら AI だった件: 開発が一段落してメンバーが抜けた後の問い合わせや軽微なバグ修正を引き受ける仕組みです。離任する前に「AI 転生テンプレート」で自分の思考の進め方や口調まで写したサブエージェントを残し、人が減ってもチームが回ります。問い合わせ対応や初期調査は 1 時間〜半日から 5 〜 10 分に短くなり、問い合わせの 8 割以上に対して、AIが妥当な回答案を提示できると見ています。
ExcelScribe 手書き帳票の Excel 自動転記ツール: 端末を持ち込めないデータセンターなどの現場で手書きした帳票を、 Gemini Enterprise が文字認識して元の Excel に書き戻します。アウトプットをより精緻に行うために組み合わせるツールを作成しました。
画面録画 × Gemini で PC 操作のムダを可視化: PC 上の自分の作業を画面録画して渡すだけで、 Gemini が操作を読み取り、ショートカットや関数で速くできる箇所を具体的に示します。リモートワークで「隣の人の操作を見て盗む」機会が減った今だからこそ効くアイデアで、マウス操作などをおよそ 20 〜 30 % 減らせます。
NotebookLM と Gemini Enterprise を活用したグラフィックレコーディング作成 : 会議資料や記事を NotebookLM で要約し、その結果を Gemini Enterprise に渡して、グラレコの構成案・レイアウト・イラストの案、さらに画像までを生成します。技術のある社員が、構成作りも含めて 2 時間かかっていた作業が、10 分で実施できるケースも見られました。
提案の質と速度を極める財務分析 with 3 つの AI エージェント: 決算短信サーチ、財務諸表分析、可視化の 3 つのエージェントが連携し、企業名を入れるだけで IR 資料を集め、在庫の回転日数など供給網に効く指標まで自動で計算します。 1 社あたり 3 時間かかっていた情報収集・分析が 45 分に、工数を 75 % 削減しました。
Gemini マルチエージェントによる設計書レビュー支援: チェックリストや日立がこれまで積み上げてきた社内の設計ガイドをレビュー観点として整理し、複数の専門エージェントがシステムの設計書を多角的に確認します。観点不足による見逃しを抑え、レビューがレビュアーの経験に左右されにくくなりました。

どの発表にも共通していたのは、 AI に丸投げするのではなく、「どこを AI に任せ、どこは人が判断するか」をていねいに切り分けていたことです。発表のあとは毎回 Q&A が活発に飛び交い、自分の業務にどう応用できるかを考える声が会場のあちこちから上がっていました。

受賞した 5 組と、審査員からの言葉

審査員が選んだ受賞者の 5 組には、それぞれの着眼点に対して温かいコメントが寄せられました。

オーディエンス賞: 画面録画 × Gemini で PC 操作のムダを可視化。会場の投票で一番多くの支持を集めました。審査員からは「なぜこの人たちは、資料を書かないという選択をしなかったのか。ふつうは AI に資料そのものを作らせたくなるのに、この人たちはあえて、作る作業を速くするほうへ情熱を注いだ。そこがすごい」「現場で起きている泥臭い作業をいかに AI で効率化していくか。これはフィジカル AI の基本で、とても期待できます」と熱のこもった講評がありました。

Google Cloud 賞: 開発チーム、転生したら AI だった件。 Google Cloud の執行役員カスタマーエンジニアリング統括技術本部長渕野は「アイデアとしてとても面白い」と評価したうえで、応用の広がりに触れました。「コーディングを助けるエージェントは増えていますが、実際のシステム開発はプロジェクトの背景を踏まえて進める必要があります。その文脈までエージェントに引き継げる、という意味で応用が効く発想だと思いました」。

Google Cloud 賞: ExcelScribe 手書き帳票の Excel 自動転記ツール。賞品を手渡した Google Cloud 浅井は、「他社のツールであっても、ちゃんと書き込めるモジュールを開発してほしい、という熱いプレッシャーを感じました。フィールドの声として、しっかり開発チームに届けます」とコメントしました。

日立賞: 失注ポストモーテム AI 「失注リフレクター」。日立の内藤氏は、失注分析の難しさに踏み込みました。「受注は意外と再現性が低く、失注は再現性が高いという事実をよく見ていくと、受注確度を上げることに繋がります。そこをきちんと言語化できているのがとても良かった。ぜひお客様の営業活動にも役立てられる形へ、 Gemini と一緒にアイデアを練り上げていってください」。

日立賞: Gemini マルチエージェントによる設計書レビュー支援。日立のものづくりで培ってきた設計の知見を、そのままレビューの観点としてエージェントに持たせた点が評価されました。

5 組とも、削減できた時間や工数といった数字だけでなく、現場の心理的な負担まで軽くしている点が印象的でした。

これからも、日立の挑戦とともに

閉会のあいさつで、 Google Cloud の渕野はこの日の手応えをこう振り返りました。「今日のプレゼンはどれも Q&A が活発で、発表を見て自分のアイデアはこうできるんじゃないか、と考えている様子が伝わってきました。みなさんを支援している私たち Google のメンバーも、やりがいと達成感を感じる素晴らしい会でした」そして、これからへの期待も。「 1 回目でこのレベルの高さです。 2 回、 3 回と続けていけば、どんどん上がっていくはずです。私たちも引き続き、しっかり支援させていただきます」。

また、審査員を務めた日立デジタルシステム&サービス/経営戦略統括本部統括本部長内藤氏からは、30年のキャリアを振り返りつつ、日立の未来への明るい展望が語られました。

「私自身、社内で Gemini Enterprise を毎日5回以上は必ず使う愛用者ですが、今日の皆さんのアイデアを聞いて『こういう使い方もあったのか！』と非常に理解が深まりました。今すぐにでもやってみたいアイデアがたくさんあり、とても楽しいひとときでした」と感謝を述べました。

また、コンテストを通じて見えた社内の変化についても、次のように熱く語りました。「この活動は、自分たちの業務を良くしていく『カスタマーゼロ』につながることはもちろんですが、何より発表者の皆さんが本当に楽しそうでした。これまで30年間会社にいますが、横の人がこんなに楽しそうに仕事をしている姿は見たことがありません。今日そういう一面が見えて、日立の未来は明るいんじゃないかと勝手に思ったりしています」

挨拶の最後には、「日立の取り組みと、Google さんの発展を心から祈念して、ぜひ皆さんと一緒にやってみたいと思います！」と会場に呼びかけました。内藤氏の「すごいぞ！」という掛け声に、会場全体が「Gemini！」と大きな声で応え、イベントは最高潮の盛り上がりのなか締めくくられました。

開会で西さんが語った「日立を AI のショーケースに」という思いは、この日の 10 組の発表で、もう確かな形になり始めていました。現場の「困った」から生まれたアイデアが、 112 件という数になって集まり、その一つひとつが誰かの仕事を軽くしていく。 Google Cloud はこれからも、日立のみなさまのこうした挑戦に、 Gemini Enterprise とともに伴走していきます。

Alphaevolve で分子発見を 4 倍に高速化した Schrödinger の事例

Mon, 06 Jul 2026 19:00:00 +0000

※この投稿は米国時間 2026 年 7 月 1 日に、Google Cloud blog に投稿されたものの抄訳です。

計算化学の研究者は、従来より、分子間相互作用をシミュレートする際に、精度を犠牲にする高速な古典的力場を使用するか、大規模なジョブでは実行速度が遅すぎる高精度の量子力学的手法に頼るかという、悩ましいトレードオフに直面してきました。

ML 力場（MLFF）は、高忠実度の量子データでニューラルネットワークをトレーニングすることで、そのギャップを埋めます。しかし、現代の創薬や材料設計では、膨大な化学ライブラリを処理するために、さらに高速な処理速度が求められています。このようなパフォーマンスの制約を克服するために、Schrödinger は Google Cloud と提携して AlphaEvolve をデプロイしました。これは Google DeepMind が開発した進化型 AI コーディングエージェントで、アルゴリズムのボトルネックを克服する最も効率的なコードパスを見つけるために、アルゴリズムを繰り返し生成して改良します。

AlphaEvolve とのコラボレーション

30 年以上にわたり科学ソフトウェアの開発をリードしてきた Schrödinger は、MLFF トレーニングパイプライン内でパフォーマンスを制限する重要なアルゴリズムとして、近傍リスト計算法とエバルト総和法の 2 つを特定しました。これらのアルゴリズムは、原子の近傍からのデータを集計して長距離ポテンシャルを計算しますが、どちらもトレーニングと推論の速度において制限要因となっていました。

Schrödinger の技術面での最大の目標は、エネルギーと力の計算のための AI モデルのトレーニングを高速化することでした。具体的には、分子力学で使用される、重要ではあるものの計算負荷の高い機能であるエバルト総和法をターゲットとしました。Schrödinger の PyTorch コードにおいて、エバルト総和法が主なパフォーマンス上の制約となっていました。ベクトル化されたアルゴリズムは確立されておらず、通常は単純な for ループに頼っていたため、大規模なシミュレーションでは処理が遅くなっていました。

AlphaEvolve をモデルに組み込むことで、システムは並列バッチ行列乗算を使用して、エバルト総和法のバッチ実装を生成できるようになりました。これにより、PyTorch コードが進化し、既存のカスタムカーネルを上回るパフォーマンスを実現できました。

評価指標

Schrödinger は、厳格な多層的評価フレームワークを使用して、進化したコードがパフォーマンスと科学的正確性の両方を備えていることを確認しました。

逆時間（主要指標）: 計算時間をベースラインスコア 7.9 から短縮して、スループットを最大化することが主な目標でした。
機能的正確性: 進化したプログラムはすべて、無秩序水モデルなどの複雑なシステムに対する回帰テストを含む、完全なテストスイートに合格する必要がありました。
成功率: 機能的に正確で、ベースラインよりも高速なプログラムの割合で測定しました。

「AlphaEvolve を使用することで、これまでよりも迅速かつ効率的に、より広範な化学空間を探索できるようになりました。MLFF 推論の高速化は、創薬、触媒設計、材料開発における研究開発サイクルを短縮し、企業が分子候補のスクリーニングを数か月ではなく数日で完了できるようにすることで、ビジネスに現実的な効果をもたらします。」- Schrödinger、ML テクニカルリード、Gabriel Marques 氏

結果: 4 倍の高速化とボトルネックの解消

AlphaEvolve を適用することで、Schrödinger はエバルト総和法のコード内の単純な for ループを並列バッチ行列乗算に置き換えました。この最適化により、プログラムの成功率は 1% 未満（5,000 件の評価のうち 40 件）から 60% 以上に向上し、パフォーマンス指標はベースラインの 7.9 から 30 近くまで改善されました。

これらの基本的なアルゴリズムを最適化することで、MLFF のトレーニングと推論の両方で 4 倍の高速化が実現しました。この高速化により、研究者は分子スクリーニングのタイムラインを短縮できます。これは、いくつかの重要な研究分野に直接的なメリットをもたらします。

創薬: 緊急の医療ニーズに対応するため、有望な治療候補を迅速に特定できます。
触媒設計: 産業用途向けに効率的な化学プロセスを開発できます。
材料開発: 電子機器やエネルギー貯蔵向けに、カスタムプロパティを持つ次世代材料を設計できます。

次なる進化

Schrödinger は、この進化的なアプローチをカスタム GPU カーネルに適用し、AI によって生成されたコードが、人間が設計した実装よりも優れているかどうかをテストする予定です。

進化型 AI エージェントが科学的なコードベースを最適化する方法については、AlphaEvolve に関する技術論文の全文をお読みください。また、研究ワークフローの高速化についてご相談されたい場合は、Google Cloud AI チームにお問い合わせください。

- Google、プログラムマネージャー、Kartik Sanu

- Google、グループ AI プロダクトマネージャー兼エンジニア、Anant Nawalgaria

Atlas が Cloud SQL Enterprise Plus エディションにより数百の加盟店のデータベースをどうスケールしたか

Fri, 03 Jul 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 6 月 17 日に、Google Cloud blog に投稿されたものの抄訳です。

Atlas は、飲食店向けのオペレーティングシステムを構築しています。オンラインショップ、POS、サードパーティロジスティクス、食のプラットフォームの統合、顧客ロイヤリティ、AI ツールは、飲食店の立ち上げから運営、そして成長に必要なあらゆる要素を網羅しています。当社はシンガポールでは、SaladStop、Killiney、Haidilao、Raffles Hotel、Lo and Behold Group、Les Amis Group などのブランドと連携し、加盟店の 1 回あたりの購入額の増加、売上拡大、運用コスト削減を支援しています。

Atlas の各加盟店には、専用の Cloud SQL for PostgreSQL データベースが割り当てられます。飲食店の形態はそれぞれ大きく異なります。単一店舗のカフェと複数店舗あるチェーン店で、裏側の仕組みが同じであるべきではありません。データベースを独立させることで、データが完全に分離されているほか、昼食時や夕食時のピーク時でもパフォーマンスが予測可能で、各店舗を個別にスケール、チューニング、移行できる柔軟性があります。Atlas の成長に伴い、データベースの数も増えています。

課題: 標準エディションの枠を超えたスケール

当社は、最初に標準の Cloud SQL Enterprise エディションを導入しました。これは強固な基盤でしたが、加盟店が増え、機能が追加されるにつれて、データベースを管理するために必要な運用レイヤがボトルネックになりました。

接続プーリングを別のレイヤとして管理していたため、実行、保護、モニタリングするサービスが増えていきました。クエリによって CPU が急上昇した場合、何が起こったのか、どの加盟店がトリガーしたのかを正確に把握する必要がありましたが、限られたシグナルから問題を突き止めるのに時間がかかりすぎていました。小規模なチームで、専任のデータベースエンジニアがいなかったため、コンポーネントが追加されるたびにメンテナンスの負荷が増加していました。

Enterprise Plus エディションへの移行

新しいデータベースインスタンスをプロビジョニングする必要が生じたとき、Google Cloud チームに Cloud SQL Enterprise Plus エディションを紹介してもらいました。運用上のオーバーヘッドがどれだけ増えるのかをすでに懸念していましたが、Enterprise Plus エディションでは、本来なら自社で対応しなければならない作業のカテゴリ全体が不要になることがわかりました。

マネージド接続プーリング: この機能が Cloud SQL に直接組み込まれるようになったため、プーリングを個別のレイヤとして実行する必要がなくなりました。これにより、システムの構成要素が減り、メンテナンスの負担が軽減されただけでなく、攻撃対象領域も小さくなりました。
Query insights: これは、当社に最も大きな効果をもたらした機能でした。どのクエリの負荷が高く、どの加盟店がそのクエリをトリガーしているかを正確に把握できるようになったからです。パフォーマンスチューニングが、推測に基づくものから、具体的で実行可能なものへと変わりました。数百ものデータベースを実行するプラットフォームにとって、この可視性は「スーパーパワー」と言えます。
データキャッシュ: これにより、加盟店のデータセットが増加しても、読み取りパフォーマンスが一定に保たれるようになりました。飲食店では毎日多くのデータが生成されるため、データレイヤはそうした複雑化に合わせて高速処理を維持する必要があります。
ダウンタイムがほぼゼロのスケーリング: 加盟店の拡大に合わせて、オフピーク時にサービスを中断することなくインスタンスをスケールできるようになりました。

新しいインスタンスで結果を確認した後、既存のすべてのデータベースも Enterprise Plus エディションに移行しました。

効果: インフラストラクチャ管理ではなくイノベーションに注力

現在、Atlas は数千の飲食店で利用されており、数百ものマネージドデータベースを使用して毎日数万件の注文を処理しています。最も大きな変化は、エンジニアリングの時間の使い方です。データベース運用にかかる時間が 30% 減り、プロダクトを構築するための時間が増えました。新規加盟店のオンボーディングも簡素化されました。すぐに使用できるマネージドデータベースが数秒でプロビジョニングされるため、導入がスムーズです。パフォーマンスは以前よりもはるかにプロアクティブになり、問題が加盟店に悪影響を及ぼす前に検出して修正しています。日々の業務では、データベース管理について考える必要はなく、加盟店により良いサービスをどう提供するかに注力できています。その結果 Atlas は前年比 200～300% の成長を遂げました。

今後の展望: AI ファーストの未来

当社は、社内外で AI に多額の投資を行っています。社内では、AI 支援の開発ワークフローを通じてエージェントエンジニアリングに全面的に取り組んでおり、少人数のチームでもコードのビルド、レビュー、リリースを大幅に高速化できるようになりました。社外では、飲食店の経営者がより良い意思決定を行い、それに基づいて行動できるよう支援する AI 搭載ツールを構築しています。当社のロードマップは、ユーザーとの新たな接点や飲食店の成長を支援する新しい方法など、多くの実験的なアイデアであふれています。これらすべてを迅速に進める自信を与えてくれるのは、基盤となるレイヤである Cloud SQL と Google Kubernetes Engine（GKE）の存在です。このレイヤは実績があり、開発の妨げになることはないからです。

インフラストラクチャの複雑さは Google Cloud が処理してくれるため、Atlas は飲食店向けの最適なツールの構築に専念できます。

Cloud SQL Enterprise Plus により、柔軟性、オブザーバビリティ、スケーラビリティに優れたデータベースアーキテクチャが実現しました。これによりインフラストラクチャ管理に頭を悩ませることなく、加盟店のことだけを考えられるようになりました。AI をさらに活用し、プラットフォームを成長させていく中で、Google Cloud は、基盤となるインフラストラクチャを気にかけずに迅速に前進するための自信を与えてくれます。

データベースアーキテクチャをスケールする準備はできていますか

インフラストラクチャのボトルネックにより、イノベーションが妨げられないようにしましょう。管理するデータベースが数十個でも数百個であっても、エンジニアリングチームが最も重要な作業に集中できるように、Google Cloud SQL がどのように運用の合理化とオブザーバビリティの強化を行うかをご覧ください。

Cloud SQL Enterprise Plus エディションに関する詳細
登録して Cloud SQL を無料で試す。

- Atlas、共同創業者 / エンジニアリング責任者、Surendhar Reddy 氏

- Google Cloud、データベース、シニアプロダクトマネージャー、Alok Srivastava

英国の成長企業が AI 時代にどのようにビジネスを構築しているか

Thu, 02 Jul 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 6 月 18 日に、Google Cloud blog に投稿されたものの抄訳です。

英国の 500 万を超える中小企業（SMB）は、英国経済の屋台骨です。現在、こうした重要な役割を担う企業は AI の導入を進めており、業務の効率化や迅速化、そして最終的には顧客により良い成果を提供できるようになりつつあります。

この変化は、日々の具体的な成果によってもたらされています。Google とのパートナーシップで Enterprise Nation が発表した最近の調査によると、英国で調査対象となった AI 導入企業の 71% が、AI によってルーチン業務の時間を節約できていると回答し、64% が生産性の直接的な向上を報告しています。さらに、AI 対応の生産性向上ツール（Google Workspace with Gemini など）は、中小企業の生産性を 20% 向上させており、これは実質的に、毎週 1 日分の労働時間を中小企業に還元していることになります。

Google Cloud は、この変化を最前列で見てきました。中小企業は長年にわたって Google Workspace などのプラットフォームを利用しており、現在では Google AI プラットフォームとモデルで変革を遂げています。実際、Google Cloud AI を利用している英国の中小企業の数は、前年比でほぼ 2 倍になっています。これには、Gemini モデルや、Gemini Enterprise、AI Studio などのプロダクトが含まれます。これらは、中小企業が次のようなことを行えるよう支援しています。

より優れたカスタマーサポートシステムを導入し、電話対応のエスカレーションと解決をより迅速に行えるようにする。
給与計算や会計などの分野で、反復的な作業を自動化する。
データアナリストとしての専門教育を受けていない従業員も含め、より多くの従業員が業務でデータを理解し、活用できるようにする。
マーケティング関連資料の新しいデザインを迅速に作成し、導入する。
より多くの人が、日々の業務をサポートする独自の AI エージェントを構築できるよう支援する。
これまでにないスピードと低コストで、複雑な調査プロジェクトを実施する。

今回の Google Cloud ロンドンサミットでは、Google AI ツールを積極的に使用して業務を変革している、革新的な中小企業のお客様を多数ご紹介します。その中には、最近 Google との連携を拡大した企業も含まれます。

サステナビリティフィンテック企業の Neural Alpha は、Gemini モデルを使用して、非構造化の環境レポートや企業のサステナビリティレポートを読み取り、数千もの重要な事実を自動的に抽出および整理しています。これにより、数か月を要していた手動での調査を、ほんのわずかな時間に短縮しました。
デジタルセキュリティプロバイダの Sep 2 は、Gemini Enterprise を使用して、24 時間 365 日体制で脅威をモニタリングする自律型 AI エージェントをデプロイしています。これにより、インシデント検出を迅速化し、顧客に対するセキュリティ脅威を素早く排除しています。
戦略的なブランドデザインエージェンシーである Sunhouse は、Gemini Enterprise を使用して Google ドライブに保存されたアーカイブ済みのデザイン制作物を簡単に見つけられるようにしています。これにより、チームはファイル検索に費やす時間を減らし、グローバルブランドとのビジネスを成長させるためにより多くの時間を使えるようになっています。
グローバルな B2B イベント企業である Terrapinn は、Gemini モデル、NotebookLM、Looker、BigQuery を活用して手作業を自動化されたワークフローに置き換え、世界クラスのカンファレンスの企画、マーケティング、開催までのスピードを加速させることで、業務を変革しています。
通信プロバイダの VoCoVo は、Google Cloud AI をシステム全体に統合して、孤立したデータを活用可能なインテリジェンスに変え、自律的なワークフローを構築しています。これにより、ルーチン業務を効率化し、チームがインパクトの大きいイノベーションに集中できるようにしています。

チームの強化: 英国企業の成長を支援する AI スキル向上リソース

中小規模のチームがインパクトを最大化し、最新の AI 環境を自信を持って活用できるよう、Google は専用の無料スキル向上リソースを用意しました。既存のチームをトレーニングする場合でも、全従業員がデータツールを利用できるようにする場合でも、これらのプログラムは AI 活用に向けた組織づくりに役立ちます。

中小企業向けプログラム: 新しい中小企業向け学習プログラムをチェックするか、Gemini Enterprise Agent Ready（GEAR）プログラムに登録して、エージェント型 AI の専門的なトレーニングを受けることができます。
組織向け Google Skills: Google Cloud と Google DeepMind のエキスパートが作成した 3,000 以上の AI コースとハンズオンラボを備えた、無料のオンデマンドラーニングプラットフォームを利用できます。
Get Certified Program: チームの専門知識を実証する準備ができたら、このプレミアムなコホートベースのプログラムを活用しましょう。ここではクラスルームトレーニング、技術メンターシップ、AI を取り入れたスキルバッジが提供されており、業界で認められた認定資格の取得に向けてチームが準備できるよう設計されています。

Google は、Workspace の生産性向上ツールから、すべての広告サービス、そして強力な AI ツールまで、中小企業向けのテクノロジーとトレーニングのフルパッケージを提供することで、中小企業が将来どのような状況になっても成長し続けられるよう支援しています。

- 英国、アイルランド、サハラ以南のアフリカ担当バイスプレジデント、Maureen Costello

AI の可能性からエージェント型の現実へ: 英国の新たな章を切り拓く

Wed, 01 Jul 2026 01:00:00 +0000

※この投稿は米国時間 2026 年 6 月 18 日に、Google Cloud blog に投稿されたものの抄訳です。

英国、特にロンドンは、ヨーロッパおよび世界における AI 開発の主要な拠点の一つであり続けています。もちろん、Google DeepMind の本拠地でもあり、Ineffable Intelligence のような重要な AI ユニコーン企業（Google Cloud のお客様）も存在します。Ineffable Intelligence は本日、Google との重要なパートナーシップを発表しました。

1 年前、Google はロンドンサミットに参加し、英国の公務員のスキルアップへの大規模な投資など、生成 AI の大きな可能性を紹介しました。本日、パートナー様を再び歴史ある Tobacco Dock の空間にお迎えするにあたり、その可能性は産業規模の現実となっています。ホワイトホール（政府機関）とシティ（金融街）のリーダーたちとの対話を通じて、焦点がチャットボットやメディアでの実験的な試みから、実運用を伴う本格的な実行へと移っていることを実感しています。今はエージェント型企業の時代です。単に会話するだけのシステムから、自ら推論し、計画を立て、複雑なワークフローを実行できるシステムへと進化を遂げようとしています。

この移行は、2030 年までに AI が英国経済にもたらすと予測される 4,000 億ポンドの経済効果の礎となるものです。Google Cloud は、エージェント型企業を現実のものにするために必要な完全統合スタック（カスタムシリコン、最先端モデル、グローバル規模のインフラストラクチャ）を提供する唯一のプロバイダです。

英国の企業と研究の新たなフロンティア

銀行業界は、この変化を実証する重要な場です。そして、世界最大級かつ極めて重要な金融機関の一つである HSBC は、その先駆者として道を示しています。このたび、Google は HSBC との複数年にわたる変革的なパートナーシップを発表し、HSBC のプロダクトとサービス全体で AI の導入をグローバルに加速させることになりました。この新たなコラボレーションにより、HSBC のグローバルな業務全体で AI を活用した働き方への移行がさらに加速します。

HSBC は、Google Cloud および Google DeepMind のエンジニアリングチームと連携して、新しい AI 搭載ツールとプログラムを共同開発します。これには、Gemini モデルや Gemini Enterprise Agent Platform などの Google の最新のエージェント型 AI 機能へのアクセスが含まれます。初期の展開では、3 つの分野に重点を置きます。具体的には、高度にパーソナライズされた資産管理サポート、金融犯罪リスク管理の強化、そして現場の担当者やリレーションシップマネージャーの顧客サービスを向上させる AI ツールです。

英国のスタートアップは、Ineffable Intelligence のような最先端の研究所の取り組みに示されているように、テクノロジー、特に AI で新たな境地を開拓し続けています。今年初めに設立された同社は、Google Cloud を優先クラウドパートナーとして選び、Google の AI 最適化ハードウェアとツールのフルスタックを活用して、Ineffable の第 1 世代の基盤モデルを構築、トレーニングしています。

AlphaGo プロジェクトで重要な役割を果たした元 Google DeepMind 研究者の David Silver 氏が率いる Ineffable Intelligence は、AI 開発に独自のアプローチを採用しています。このチームは、言語モデルの背後にあるような、人間が生成した大規模なデータセットに依存するのではなく、主に強化学習を通じて独自の経験から学習するシステムを構築しています。その野望は、試行錯誤を通じて知識を深める「スーパーラーナー」を作り出すというものです。今年、Ineffable Intelligence はヨーロッパのシードファンディングラウンドで 11 億ドルの記録を樹立しました。現在、同社は Google Cloud 上の NVIDIA Vera Rubin NVL72 プラットフォームを搭載した A5X の最大規模のクラスタの一つをデプロイすることで、トレーニング作業をサポートし、大規模なコンピューティングスケールを実現しています。

試験運用から本格的な実運用へと移行するには、企業はモデルを導入するだけでなく、明確なロードマップを必要としています。その道筋を示すため、Google は Deloitte とのパートナーシップを強化します。これに伴い、Deloitte はロンドンのキャンパスに新たな AI Studio を開設する予定です。Google Cloud とのコラボレーションで開発されたこのスタジオは、英国の組織が AI の試験運用から一歩進んで、自律的で行動指向の AI システムを大規模にデプロイできるよう支援します。

また、Deloitte は英国の AI およびデータ担当の従業員 1,000 人を対象に、Gemini Enterprise に関するスキルアップを支援することも表明しています。この認定プログラムにより、デロイトの AI およびデータエンジニアが Google の最先端のエージェントアーキテクチャを実装するための技術的専門知識を身につけ、英国のお客様に地域最大規模の認定 AI 人材プールを提供できるようになります。

将来を見据えた公共部門の構築

現代的なデジタル政府の青写真を実現するには、硬直化したレガシーな契約から脱却し、アジャイルで AI 主導の公共サービスへと転換することが求められます。住宅・コミュニティ・地方自治省（MHCLG）、i.AI インキュベーター、Google Deepmind、および Faculty との連携により、英国の「建設を促進する」という国家目標を直接的に支援する、実効性のある公共部門の改革と刷新のためのツールを実現しています。

MHCLG などの行政機関は、Google のテクノロジーを使用して構築された Extract というツールをすでに導入しています。このツールは、文書処理時間を 2 時間からわずか 2 分に短縮することで、計画策定プロセスの変革を推進しています。同時に Google は、バーネット、ドーセット、カムデンの各自治体と共同開発した AI 都市計画ツールの試験運用を支援しています。このツールは、一般的な申請における意思決定時間を 50% 短縮することを目指しています。さらに、英国運輸省（DfT）は、Gemini を活用してパブリックコンサルテーションの分析を効率化しており、年間 400 万ポンドの節約が見込まれています。

この規模のイノベーションには、安全で主権が確保された基盤も必要です。そのため、Google Cloud は英国におけるデータ所在地に関する取り組みを強化しており、その一環として、国内での AI 処理を特徴とする Gemini 3.5 Flash を、2026 年 6 月末までに機密性の高い主権ユースケース向けに提供する予定です。また、英国の組織が厳格なコンプライアンスの境界内でイノベーションを起こせるよう支援しています。

AI やその他のデジタル脅威を利用する悪意のあるアクターがもたらす課題からビジネスを保護するために、Google は最近、包括的な AI 搭載サイバーセキュリティプラットフォームである Google AI Threat Defense を発表しました。このプラットフォームは、Wiz、Mandiant、Gemini、CodeMender を組み合わせて、お客様の脆弱性を発見および修正し、安全を確保します。

小売業界から公共サービスまで、実証されたインパクト

自律型エージェントはもはや将来の予測ではなく、すでに英国経済全体に価値をもたらしています。e コマースソリューションプロバイダである THG Ingenuityとの取り組みでは、AI ショッピングアシスタントを通じてコンバージョン率が 8 倍に向上しました。同様に、Starling は、「支出インテリジェンス」ツールを提供することで、お客様が購入や支出の傾向を即座に分析できるようにしています。また、Rightmove は、Google の Gemini モデルを基盤とした AI 搭載の会話型物件検索ベータ版をリリースし、ユーザーが自分の言葉で物件を検索できるようにしました。

このインパクトの広さはあらゆる分野で確認できます。Kingfisher は小売業に特化したエージェント型アプリケーションを先駆けて開発し、Openreach は通信業界でフィールドサービスの最適化を推進しています。また、Unilever はバリューチェーン全体で AI を大規模に活用し、成長を促進して新時代の消費財において魅力的なブランドを構築しています。

一方、VMO2 は複雑なデータオペレーションを合理化し、Vodafone はネットワークパフォーマンスを再定義する 10 億ドルのパートナーシップを推進しています。また、WPP は、高品質なキャンペーンアセットの迅速かつ大規模な生成、AI エージェントの駆動、ロボットカメラオペレーターのトレーニングなど、クリエイティブワークフロー全体に Gemini を統合しています。

中小企業とスタートアップの成長エンジンを強化

英国の AI の成功の真価は、中小企業とスタートアップのエコシステムにあります。Google の AI Works 調査では、重要な転換点が浮き彫りになっています。AI は、中小企業の生産性を 20% 向上させ、英国経済に 1,980 億ポンドの生産額を創出する可能性を秘めています。小規模企業の 56% がすでに支援を求めていることを受け、Google は、どの企業も取り残されないように、AI Works for Britain スキル向上の取り組みを開始しました。

また、ロンドン AI ハブでは、Tech Nation との継続的なパートナーシップを通じて、次世代の英国ユニコーン企業の育成にも取り組んでいます。この継続的なコミットメントにより、創業者には事業拡大に必要なリソースとコミュニティが提供されます。今年 9 月には、ロンドンで Gemini Startup Forum: Cybersecurity を開催し、スタートアップが設計段階からセキュリティを考慮した AI アプリケーションを構築できるよう支援することで、このミッションをさらに推進します。

Platform 37 の Model Garden

英国の可能性に対する Google の信念は、物理的な拠点にも反映されています。Google は、増大する需要に対応するため、英国のデジタルインフラストラクチャへの投資を継続しています。2025 年 9 月にはウォルサムクロスに最先端のデータセンターを開設しました。これは、英国の AI 経済を活性化するために 2 年間で 50 億ポンドを投資する計画の重要な一環です。また、今年初めには、ロンドンのキングスクロスに新しいオフィス Platform 37 を開設しました。あわせて、AI の理解を深めるための新しい公共スペース「The AI Exchange」の計画も発表しています。

この勢いを活かし、2026 年第 4 四半期には Platform 37 の Model Garden を開設できることを嬉しく思います。ロンドンを拠点とするこのハブは、単なる物理的なスペースではありません。Google の最も重要なお客様との関わり方を根本的に向上させることを目的とした戦略的投資です。時代を超越した英国庭園の美学と、リビングデジタルウォールや 3 階建てのアトリウムなどの没入型ハイテクイノベーションを融合させた Model Garden は、Google の最高のアイデアを物理的に体験できる場所です。

エージェント型企業の青写真

英国の企業、行政リーダー、各種組織が AI の潮流をリードし続けるためには、活用するテクノロジーだけでなく、仕事の進め方の根本的なあり方も再考する必要があります。国内外の数千の組織と数百万のチームをサポートする中で、Google は AI で成功を収めるための 3 つのコア戦略を見出しました。

文化: 将来を見据えて組織を再構築する必要があります。真の変革とは、チームが AI エージェントとまったく新しい方法で協働できるよう、チームの意欲を高め、実行できる体制を整え、必要な環境を完備することです。これは単なる自動化ではなく、人と AI の協働を目指すものです。
責任: 設計段階から安全性とセキュリティを念頭に置いて構築する必要があります。ユーザー、顧客、ブランドの保護は最優先事項です。Google のフロンティアモデルは、厳格な AI 原則と、設計段階からセキュリティを考慮したインフラストラクチャを基盤として構築されています。
サステナビリティ: コンピューティング需要が高まる時代において、経済的に持続可能であり、かつ地球環境に貢献する方法で規模を拡大させる必要があります。Google は、24 時間 365 日カーボンフリーエネルギーを利用することに取り組んでおり、英国の AI の成長が気候変動目標の犠牲にならないよう確実なものにしています。

共に未来を築く

Google Cloud は、英国のエージェント型への移行における主要なパートナーです。私たちは、試験的な試みによる期待先行の段階を脱し、実運用における厳格なフェーズへと足を踏み入れています。キングスクロスの研究室から、小売業界を支える多様な企業まで、私たちは英国のレジリエントで、主権が確保された、繁栄ある未来を設計しています。

昨日、今日、そして未来に向けて、ロンドンで活動を共にしてくださる皆様に感謝申し上げます。今年は、特別なオンデマンドエクスペリエンスをご用意しました。ロンドンサミットの決定的な瞬間を、いつでもどこでもストリーミングで視聴いただけます。

- 英国、アイルランド、サハラ以南のアフリカ担当バイスプレジデント、Maureen Costello

Sakana AI: Gemini Enterprise Agent Platform をサービス基盤に全面採用し、日本発の斬新なマルチエージェントサービスを実装

Mon, 29 Jun 2026 01:00:00 +0000

目覚ましい技術進化が続く生成 AI。その分野において異彩を放っているのが、日本発のスタートアップ、Sakana AI株式会社（以下、Sakana AI）です。同社は巨大な単一モデルに頼らず、複数の AI モデルを協調させて「集合知」を引き出すという独自のアプローチで、斬新な生成 AI の研究開発を推進。2026 年 6 月には、Google Cloud を運用基盤に据えたマルチエージェントオーケストレーションシステム、「Sakana Fugu」をローンチしています。今回はプロジェクトの中心となった 3 名のサイエンティストに、開発の舞台裏を聞きました。

利用しているサービス:
Gemini, Gemini Enterprise Agent Platform, Cloud Run, Cloud SQL, Memorystore for Redis, BigQuery, Cloud Armor, Cloud Load Balancing, Identity Platform, Cloud Scheduler, Cloud Logging

利用しているソリューション:
生成 AI

日本のスタートアップが実現した、新世代のマルチエージェント AI モデル

現在の生成 AI 技術は、LLM（大規模言語モデル）の容量を拡大する方向で世界中で開発が続いています。そのような中、Sakana AI は社名の由来でもある「小さな魚が集まって 1 匹の大きな魚のように振る舞う生態」や、進化の原理にインスピレーションを受け、複数の AI モデルを動的に組み合わせる独自の研究を推進。2026 年 4 月には、「Sakana Fugu」のコアテクノロジーとなる AI モデルを発表しています。プロジェクトを率いたチーフサイエンティストの Yujin Tang 氏は、開発の背景をこう振り返ります。

「私たちは Google、OpenAI、Anthropic といった主要な企業が提供する AI モデルと同等、またはそれを上回る性能を持つ基盤モデルを開発することを目指してきました。しかし、自分たちですべての基礎研究をゼロから行うのは、現実的でも効率的でもありません。そこで Sakana AI では、オープンソースやクローズドソースの API サービスとして提供されているモデルを協調させ、タスクをより効率的に処理できる『Sakana Fugu』を開発しました。原点となったのは、2025 年 1 月に『Nature Machine Intelligence』誌に論文として寄稿した、『進化的モデルマージ（基盤モデル群の融合・活用）』^（※1）という手法です。」

このようなモデル開発は、市場の潜在的なニーズに応え、新たな事業の展開を可能にするものでもありました。

「現在の LLM は、あるモデルはコーディングに強く、別のモデルは経済分野に強いというように、得意分野が分かれています。そのためユーザーは用途に応じて AI を使い分けなければならず、非効率な作業を強いられていました。しかし『Sakana Fugu』を利用すれば、ユーザーは単一のエンドポイントを呼び出すだけで、背後にある多様な AI にアクセスして最適な回答を得られます。このシステムをサブスクリプションモデルとして提供することは、世界中の AI 研究者やエンジニア、企業、ビジネスパーソンなどのニーズに応えつつ、新たなビジネスを展開するという意義も持っていました。」（Tang 氏）

「集合知」を活用できるプラットフォームを、Gemini Enterprise Agent Platform で構築

「Sakana Fugu」の特徴は、単に既存の AI を決まったパターンで組み合わせるのではなく、クエリの複雑さに応じて最適なモデルと処理を選択する「オーケストレーション」機能にあります。学習を担当した Stefan Nielsen 氏は、その動作原理を次のように説明します。

「『Sakana Fugu』はスポーツに例えるなら、さまざまな選手（AI モデル）やフォーメーション（組み合わせ）、戦術（タスク処理）を対戦相手（クエリ）に応じて使い分けるコーチのような存在です。つまり『AI のチームを指揮する AI』として『集合知』にアクセスし、個々のモデルを上回るパフォーマンスを発揮できるシステムになっています。実現にあたっては、モデルの選択を最適化する『進化戦略』と、モデルの連携方法を学習する『強化学習』を実施しました。いずれも 2026 年の国際学会 ICLR で発表した研究成果です^（※2）。また、学習過程でモデルが自分自身を呼び出す手法を組み込み、『推論時スケーリング』も可能にしています。」

専用設計のアーキテクチャも奏功し、「Sakana Fugu」ではモデル間の遷移を感じさせないほどシームレスな利用環境が確保されています。

「今回のサービスローンチでは、私たちは推論速度を重視した『Fugu』と、高いパフォーマンスを発揮する『Fugu Ultra』という 2 つのバリエーションを用意しました。これらのシステムではコーディングや対話能力などに卓越した Gemini も、動的に呼び出すフロンティアモデルの 1 つとして中核に組み込まれています。」（Nielsen 氏）

「オーケストレーション」を通じて、個々のモデルを上回る結果を引き出す。この難しい要件を実現するために選ばれたのが、Google Cloud です。もともと Sakana AI は Google や Google DeepMind 出身のエンジニアを中心に設立されたため、Google Cloud が採用されたのは自然な流れでした。しかし、インフラ設計を担当した Qi Sun 氏は、運用プラットフォームとしての適性の高さを再認識したと強調します。

「インフラ構築における最優先事項は、常に高品質なレスポンスを時間通りに返せる安定性の確保です。一方で、可能な限り多くの処理ができる、非常に高いスループットも重視していました。Google Cloud は、これらの要件をしっかり満たしています。さらに述べれば、『Sakana Fugu』では、Gemini をはじめとする各モデルを同一基盤上でフレキシブルに統合・連携できることが不可欠となります。この点、Gemini Enterprise Agent Platform は GPU をホスティングしつつ、マネージドサービスで管理や運用の負荷も軽減してくれるので最適でした。」

Sun 氏は、サービス構築に必要な各種ツールが十全に揃っていたことも、採用理由に挙げています。

「『Sakana Fugu』は、フロントエンド層、中間処理層、モデル層という 3 つのレイヤーで構成されています。フロントエンドでは Cloud Armor や Model Armor で不適切な入力や DDoS 攻撃からモデルを保護し、ランタイムセキュリティを確保。Firebase によるユーザーの認証と保護、API キーの管理などを実施しています。中間処理層は、基盤モデルの呼び出しやログとキャッシュの処理、BigQuery へのデータ書き込みなどを担当。そしてシステムのコアにあたるモデル層が、クエリに応じて最適な処理を行います。Cloud Run と Gemini Enterprise Agent Platform は、自動でロードバランシングとスケーリングをする機能も備えており、どのようなリクエストが来てもすぐに対応できます。」

Google Cloud のサポートを受け、わずか半年でサービスローンチに成功

2025 年 10 月に始動した開発プロジェクトは、2026 年 4 月に完了。6 か月という短期間で実装にこぎつけています。Tang 氏によれば、それを支えたのが Google Cloud によるサポートでした。

「彼らとは毎週のようにミーティングを行うだけでなく、専用のチャットスペースでも密にコミュニケーションをとっていました。質問に応じて、各専門分野に最も詳しいエキスパートを連れてきてもらったり、事前に理想的なユースケースやベストプラクティスを示してもらえたりしたのも助かりました。通常のように、ドキュメントを頼りにソリューションを探していたなら、開発は数週間から数か月単位で遅れていたと思います。」

サポートは GPU ワークロードにおける Cloud Run、Gemini Enterprise Agent Platform、Google Kubernetes Engine（GKE）の使い分けといった設計判断から、スケーラビリティの確保、権限管理の効率化といった詳細にも及びました。

「Google Cloud の担当チームは、Firestore のスケーリング制限や Cloud Logging のデータ制限といった、本番の運用で直面する課題をうまく回避する方法も一緒に考えてくれました。私たちも Terraform を導入し、運用の再現性と整合性を担保しつつ、IAM 権限を含む環境を、すべてコードで管理できる体制を整えました。」（Tang 氏）

こうして開発された「Sakana Fugu」は、社内の研究者やエンジニアが、リサーチ、コード作成、アイデアの創出などの幅広い業務で活用。すでに高い評価を得ています。

「定量的な成果としては、代表的な 6〜7 種類のベンチマークで、主要な AI モデルを上回る SOTA（最高水準）のスコアを記録したことも挙げられます。Google Cloud のダッシュボードを活用して、システムを精緻にモニタリングしたことも改善につながりました。細部を見直した結果、キャッシュヒット率は 5％向上しています。」（Tang 氏）

約 2 か月に及ぶ PoC（概念実証）を経て、Sakana AI は 2026 年 6 月に有料の AI 開発プラットフォームである「Sakana Fugu」の提供を開始。このサービス実装は、グローバルなレベルでもすでに大きな注目を集めつつあります。最後に Tang 氏は、開発プロジェクトを総括しつつ、今後への展望を語ってくれました。

「今回のプロジェクトでは、やはり Gemini Enterprise Agent Platform が非常に役立ちました。BigQuery からデータを取得し、Model Garden を柔軟に活用するフローを、エンタープライズクラスの安定した環境で構築できるからです。『Sakana Fugu』は、Sakana AI のさまざまな製品を支えるコアテクノロジーとなっていく予定です。生成 AI の可能性を探りながら、社会の幅広い分野に貢献していくためにも、今後も Google Cloud と連携しながら、独自の技術開発を続けていきたいと考えています。」

^{※1 Akiba, Shing, Tang, Sun, Ha. Evolutionary optimization of model merging recipes. Nature Machine Intelligence 2025. https://doi.org/10.1038/s42256-024-00975-8}

^{※2 Xu, Sun, Schwendeman, Nielsen, Cetin, Tang. TRINITY: An Evolved LLM Coordinator. ICLR 2026. https://arxiv.org/abs/2512.04695. Nielsen, Cetin, Schwendeman, Sun, Xu, Tang. Learning to Orchestrate Agents in Natural Language with the Conductor. ICLR 2026. https://arxiv.org/abs/2512.04388}

Sakana AI株式会社
世界トップクラスの AI 研究者が集まり、2023 年 7 月に日本で設立。自然界の生物や進化の仕組みに着想を得た「進化的モデルマージ」を提唱。巨大な単一モデルに頼らない、効率的かつ省エネルギーな AI システムの研究・開発に強みを持つ。その独創的な理論とテクノロジーは注目を集め、世界の名だたる企業から出資を受ける。創業 1 年足らず、日本最速でユニコーン企業となった。

インタビュイー（写真左から）
・チーフサイエンティスト　Yujin Tang（ユージンタン）氏
・リサーチサイエンティスト　Qi Sun（チーサン）氏
・リサーチサイエンティスト　Stefan Nielsen（ステファンニールセン）氏

その他の導入事例はこちらをご覧ください。

Siemens が「象の切り分け」（細分化）により産業用ソフトウェア開発のエージェントワークフローを推進

Thu, 25 Jun 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 6 月 17 日に、Google Cloud blog に投稿されたものの抄訳です。

Siemens のようなテクノロジー企業では、ソフトウェアは世界中の工場、エネルギー網、輸送ネットワークを結びつける、人体で言えば神経系のような役割を果たしています。

産業用 AI、産業用ソフトウェア、産業オートメーションのグローバルリーダーである Siemens には、工場やプロセスの自動化、エネルギーインフラストラクチャ、インテリジェントな輸送など、数十年にわたるドメインの専門知識の蓄積があります。これは、既製の AI ソリューションでは再現できないものです。しかし、イノベーションにあたってはレガシーコードが重い足かせとなっています。

10 年以上にわたって開発された数億行に及ぶコードベースを持つ Siemens は、標準的な AI ツールでは解決できない課題に直面していました。それは、このコードと、その上で実行されるアプリケーションを理解し、モダナイズすることです。産業グレードのソフトウェアの規模と複雑さには、根本的に異なるアプローチが必要です。既存のコーディングアシスタントには、複雑な多層構造の産業用コードベースをナビゲートするために必要なコンテキストの深さが欠けており、このギャップを埋める必要がありました。

この問題を解決するために、Siemens と Google Cloud は、ソフトウェア開発ライフサイクルを自動化する AI システムである Knowledge Fabricを作成しました。このエージェントは、Spanner Graph のナレッジグラフ、Google Agent Development Kit、Gemini API、Agent Platform、Gemini CLI、Anthropic Claude Code を使用して構築されました。既存のフロンティアをウェブベースのインターフェースに移行するパイロット版では、Knowledge Fabric によって実装作業が軽減され、エンジニアはシステムとの完全な互換性を維持しながら、顧客のイノベーションに集中できるようになりました。

「ソフトウェアエコシステム全体を、カスタムナレッジグラフを備えたインテリジェントなエージェントシステムに取り込むことで、開発者が開発時間を最適化できるよう支援するだけでなく、自律エージェントが過去を推論して未来を構築できるようにします。これにより、エンジニアは反復作業から解放され、より価値の高い問題解決に集中できるようになります」と、Siemens のプロダクトクリエーションエクセレンス担当シニアバイスプレジデントである Franz Menzl 氏は述べています。

課題: 産業用ソフトウェアの複雑さ

大規模な産業グレードのソフトウェアシステムのモダナイゼーションは、飛行機を飛行中に改修するようなものだとよく言われます。Siemens が直面した課題には次の 4 つの側面がありました。

規模: リポジトリは膨大で、標準的な大規模言語モデルのコンテキストウィンドウをはるかに超えています。
断片化: 重要な知識が、コード、Jira チケット、Confluence ページ、2000 年代初頭にスキャンされた PDF マニュアルに散在していました。
複雑さ: 特定のコード行が 10 年前の機能要件定義書のどこに該当するのか追跡することは、手作業や従来のツールでは効率的に対処できない課題となっていました。これは業界全体が共通して抱えている現実です。
責任: システムは、多くの場合 15～20 年以上にわたる運用期間にわたって、厳格な品質、コンプライアンス、ライフサイクルの要件を遵守する必要があります。そのため、AI によって生成された出力は、説明可能で、追跡可能で、検証可能でなければなりません。ハルシネーションや検証されていない変更は、非効率的であるだけでなく、運用上も許容できません。

「標準の RAG（検索拡張生成）では不十分であることがわかりました。コードは単なるテキストではなく、固有の構造を持っています。クラスはファイルに属し、ファイルはモジュールに属します。これをベクトルデータベースにフラット化すると、コードベースの要素間の関係性の表現が失われてしまいます」と、Google Cloud のテクニカルリードである Agata Gołębiowska は言います。

解決策: ドメインを認識する Knowledge Fabric

この広大なソフトウェア環境を AI 主導のワークフローでナビゲートできるようにするため、チームは Knowledge Fabric エージェントを構築しました。このエージェントは、キーワードの一致だけでなく、アセット間の関係を「理解」します。

Spanner Graph を使用してコードベースの固有の構造をモデル化し、あらゆる形式のドキュメントに対しても同様に厳密なアプローチを適用しています。これらのドメイン間の接続をマッピングすることで、特定のコードスニペットを設計ドキュメントの要件に直接関連付けることができます。次にエージェントは、ツールを使用して Graph Query Language（GQL）で構造をクエリし、このグラフを走査します。

しかし、GQL はその一部にすぎません。セマンティックな理解を可能にするために、Spanner の近似最近傍（ANN）アルゴリズムを使用してすべてのノードのエンベディングを生成し、コードベース全体で効率的なベクトル検索を実行します。最後に、エージェントに全文検索機能を提供します。この機能は GQL と組み合わせて、ノードとエッジを正確に特定できます。

これら 3 つの方法を組み合わせることで、LLM エージェントは「Axis Control Panel のロジックを変更した場合、どの関数を更新する必要がありますか？」といった複雑なクエリに回答できます。システムは、キーワードと意味的類似性を考慮してグラフを走査し、依存関係を特定して関連ドキュメントを取得し、正確な影響分析を提示します。

この正確なコンテキストにより、コーディングエージェントは有効で、使用可能で、保守可能な実装を生成できます。

「象の切り分け」: エージェントワークフロー

このプロジェクトから得られた重要な知見は、AI エージェントは大規模で曖昧なタスクを苦手としているということです。成功を収めるために、チームは「象の切り分け」という設計パターンを採用しました。

このシステムは、「このモジュールをリファクタリングする」のような広範なリクエストを、より管理しやすい小さなタスクに分割します。各タスクは、Google Agent Development Kit（ADK）で構築された専門のエージェントによって処理されます。

検索エージェント: 詳細な調査のスペシャリストとして機能します。ツールを使用してコードグラフを探索し、エージェント検索でドキュメントと調査結果を相互参照します。
ユーザーストーリーエージェント: プロダクトオーナーにインタビューして要件を収集し、既存のシステムコンテキストにリンクされた受け入れ基準を含む詳細なユーザーストーリーの下書きを作成します。
アーキテクチャの影響エージェント: グラフに対して提案された変更を分析し、コード行の記述を開始する前に副作用を予測します。
タスク分解エージェント: アーキテクチャの影響エージェントからの分析結果を使用し、作業を管理しやすい小さなタスクに分解します。各タスクには、特定の変更に関連するすべてのコンテキストが含まれます。
コーディングエージェント: 特定のタスクで説明されている変更を実装します。コンテキストや事前分析なしにこのステップに進んでも、実用可能なコードは生成されません。

このシステムでは、すべてのステップで人間が関与するため、本番環境レベルの信頼性の高い成果が保証され、エンジニアはルーチン的な実装作業から解放され、有意義な作業に集中できます。

Siemens のプロジェクトリードである Alexander Lomakin 氏は次のように述べています。「象の切り分け、つまり、複雑なリファクタリングジョブを、エージェントが主導する小さなタスクに分割することで、生産性が大幅に向上しました。AI の複雑な構造をナビゲートするために必要なロードマップを与えたということです。」

パイロット運用の結果: エンジニアリングの迅速化と効率化を実現

デベロッパーはほぼ即座にその成果を確認できました。

新機能の依存関係を分析するには、以前はシニアエンジニアが数日かけてコードベースと従来のドキュメントを調べる必要がありました。Knowledge Fabric を使用すると、同じ作業にかかる時間が大幅に短縮されます。

最近の試験運用では、従来のコントロールパネルを最新のウェブベースのインターフェースに移行する際に、Knowledge Fabric によってシステムの完全性と産業品質基準を維持しながら、コーディング作業全体が削減されました。

エンジニアは、反復作業に費やす時間を減らし、顧客価値の創出により多くの時間を費やせるようになりました。

使ってみる

Knowledge Fabric は、生成 AI がボイラープレートコードの作成だけでなく、ビジネスが最も依存するレガシーシステムのモダナイゼーションにも役立つことを示しています。

グラフベースのエージェントを構築してレガシーをモダナイズする方法の詳細については、以下をご覧ください。

Spanner Graph について読む。
Agent Platform を確認し、Agent Garden で事前構築済みの本番環境グレードのエージェントを見つける。
Agent Development Kit を確認する。
Siemens が産業用 AI をどのように推進しているか詳細を確認する。

- Google、グループプロダクトマネージャー兼 AI エンジニア、Anant Nawalgaria

- Google、スタッフソフトウェアエンジニア、Tomasz Świtoń

グラフ技術を活用した信頼できるエージェントプラットフォームの構築: Yahoo の事例

Wed, 24 Jun 2026 01:00:00 +0000

※この投稿は米国時間 2026 年 6 月 16 日に、Google Cloud blog に投稿されたものの抄訳です。

エージェント型 AI を導入する企業にとって必要なのは、事後対応型のインテリジェンスシステムから、プロアクティブなアクションシステムへの転換です。これは、必要とされるコンテキストとパフォーマンスを備えたエージェントを構築するとともに、すべての意思決定について説明と監査が可能な、規制当局の要求に対応できるレベルの説明責任を担保するためです。

Google Cloud Next ‘26 では、Agentic Data Cloud でアクションシステムを実現する方法について解説しましたが、まさにこのビジョンの好例となるのが Yahoo のデジタルメディア購入プラットフォームです。Yahoo は Google Cloud と提携し、Google データクラウドのグラフ技術を活用して、Seller Agent デジタルメディア購入プラットフォームを構築しました。Seller Agent は、数週間かかる手動プロセスをわずか数秒に凝縮して、完全に管理されたライブキャンペーンを実行できます。自律システムが厳格な説明責任を維持しながら驚異的なスピードで動作できることを証明するこのシステムは、さまざまな業界で活用できる強力なブループリントとなります。

「Yahoo! の使命は、デジタルの世界を案内する、信頼されるガイドになることです。Google Cloud とのパートナーシップを通して迅速性、透明性、効果、信頼性を確保したエージェント型メディア購入を実現することで、私たちは広告主様に対してもこの約束を果たしていきます。」- Yahoo、収益化責任者、Gabriel DeWitt 氏

このブログでは、エージェント型 AI への移行について詳しく説明し、Yahoo の Seller Agent アーキテクチャがメディア購入におけるスピードと信頼性の課題をいかに解決しているかを検証します。また、このグラフベースのパターンを応用して、皆様の組織で信頼できるアクションシステムを構築する方法もご紹介します。

ケーススタディ: エージェント型メディア購入

長年にわたり、プレミアムデジタル広告キャンペーンのような複雑で価値の高いワークフローでは、人手を介した数週間にわたる引き継ぎ、断片化したスプレッドシート、そして手動の分析が必要とされてきました。Yahoo は、エージェント型 AI を使えば、このタイムラインを劇的に短縮し、わずか数秒でキャンペーンを計画して実行できる可能性があることに着目しました。「手動から自律的な実行へ」というこの飛躍は、運用効率を大幅に改善し、投入した予算をより確実に測定可能な成果へと結びつける大きなチャンスでした。

しかし、リスクの高いワークフローに LLM をただ組み込むだけでは問題は解決しません。もし、リアルタイムの広告在庫や、価格設定ルール、ビジネス上の制約を決定論的に理解できていないエージェントが契約や広告掲載の交渉を行えば、ハルシネーションが生じやすくなり、甚大な損失を招く取引となるおそれがあるからです。信頼できるエージェントプラットフォームには、統計的な推測ではなく、確固たる事実に基づいて行動するためのリアルタイムかつ決定版の情報源が不可欠です。

しかも、「スピード」と「事実へのグラウンディング」は必要とされる条件の半分にすぎません。AI エージェントが実際の予算を動かし始めた瞬間、その動作は規制当局の厳しい監視の対象となります。そして規制当局は、特定の決定がなぜ行われ、どのポリシーが適用されたのかについて即座に説明できることを求めてきます。事後にシステムログをさかのぼって調べるような手法は、自律的な実行を管理する手段としては不適切です。実用できるレベルのアクションシステムには、後付けではなくワークフローに直接組み込まれた、規制当局の要求に対応可能なガバナンスと監査可能性が必要です。

信頼できるアクションシステムのアーキテクチャ

Yahoo! の使命は、デジタル世界を案内する、信頼できるガイドになることです。エージェント型メディア購入は、予算を Yahoo に託し、真の説明責任が果たされることを期待する広告主、代理店、パブリッシャー、そして規制当局に対しても、その約束を広げていくものです。課題は、説明可能、管理可能、監査可能な方法でキャンペーンの実施を自動化することでした。

この課題に対処するため、Yahoo は Google Cloud で実行されるマルチエージェントシステムとして Seller Agent を構築しました。バイヤーのリクエストは、Google Kubernetes Engine（GKE）で実行され、Google の Agent Development Kit（ADK）でオーケストレーションされる計画スーパーバイザーエージェントを介して入力されます。スーパーバイザーは、在庫の検出、オーディエンスのマッチング、予測、価格分析、パッケージの推奨、ガバナンスのレビュー、実行など、各リクエストを専門的なタスクに分解します。エージェントは、オープンな Agent2Agent（A2A）プロトコルを介して連携します。一方、Gemini Enterprise Agent Platform は、エンベディング、予測、グラフ学習のためのモデルをホストします。

しかし真のブレークスルーは、自律的な実行における迅速性と完全な透明性を両立させている「デュアルグラフ基盤」のプラットフォームです。このプラットフォームは、行動に最適化されたナレッジグラフと、記憶と学習を担うコンテキストグラフという、意図的に役割を分離した 2 つの特殊なグラフシステムによって支えられています。

ナレッジグラフ: エージェントをビジネスの実態にグラウンディング

Spanner Graph を活用した Yahoo のナレッジグラフは、収益化ビジネスの各要素を相互に関連付けられた運用モデルとして表すことで、エージェントのあらゆる意思決定をビジネスの実態にグラウンディングします。広告サービス、プレースメント、オーディエンスセグメント、広告枠、契約、ガバナンス管理は、それぞれファーストクラスエンティティとして、その相互関係とともにモデル化されます。重要なのは、ポリシーをアプリケーションロジックに埋め込むのではなく、バージョン管理された関係としてグラフ内に直接組み込んでいることです。この設計により、商品、契約上の義務、同意に関する要件、規制上の制約を、単一の統合されたグラフ操作でまとめて評価することが可能になっています。

グラフは、エージェントプラットフォーム全体でセマンティックコントラクトとして機能します。キャンペーンの評価中、エージェントは 1 つのクエリプラン内で、バイヤーの初期要件から対象となるオーディエンスや管理ポリシーまでを横断的に参照できます。Gemini Enterprise Agent Platform のエンベディングは、セマンティック類似性によってこれらのエンティティの情報を拡充し、グラフニューラルネットワークは推論された関係を提供します。これにより、エージェントは単に利用可能な広告枠を取得するだけでなく、広告枠選定の根拠を正確に把握したうえで、あらゆるガバナンス上の制約を確実に遵守できるようになります。

Yahoo のナレッジグラフオントロジー（IAB AdCOM などの業界標準に準拠）

コンテキストグラフ: 監査可能なメモリの作成

エージェント規模での実行が安全なのは、完全な透明性が確保されている場合のみです。その透明性を確保することが、コンテキストグラフの核となる役割です。Seller Agent がアクションを実行するたび、その正確な実行プロセスが BigQuery Agent Analytics プラグインによってキャプチャされます。システムは、未加工のイベントをログに記録するだけでなく、Yahoo の意思決定トレースオントロジーを活用した BigQuery Agent Analytics SDK を使用して、このエビデンスから型付きのクエリ可能なコンテキストグラフを作成し、BigQuery Graph に格納します。

その結果、すべての意思決定ポイント、候補パッケージ、ポリシー評価、スペシャリストエージェントへの委任、実行結果を相互に関連付けた、エビデンスのグラフが出来上がります。このトレースは型付きグラフとして構造化されているため、エージェントの意思決定プロセスを簡単なクエリによって説明することができます。監査人は、元のキャンペーンの概要、割り当てられたすべてのスコア、適用されたポリシーなどの意思決定までのプロセスを即座にトレースできます。これにより、自律的な動作が「不透明なプロセス」から「完全に透明で継続的に改善される意思決定記録」に変わり、絶対的な説明責任を確保するのに役立ちます。

Yahoo のコンテキストグラフオントロジー

人間ができる範囲からエージェントならではの規模へ

このアーキテクチャが実際にどのように機能するのか、具体例として広告キャンペーンの実施を考えてみましょう。従来は計画、販売、運用、コンプライアンスの各部門で数週間を要していた調整作業を、2 つのプロセスを同時進行させることで数秒で完了できるようになっています。

ナレッジグラフに基づくアクションの実行: このパイプラインでは、バイヤーのリクエストからナレッジグラフに基づくキャンペーンの公開まで、直線的に予算を動かしていきます。このプロセスは、以下の 4 つのステップで構成されます。

キャンペーンの概要の送信: バイヤーエージェントは、対象オーディエンス、予算、地域、ビジネス目標を記述したキャンペーン概要を Ad Context Protocol（AdCP）を介して送信します。
ナレッジの検索: Seller Agent は、ナレッジグラフに対してクエリを実行し、関連する広告枠、オーディエンス、契約上の利用可能性、過去のパフォーマンス、管理ポリシーを特定します。
評価とスコアリング: エージェントはこれらの要素を総合的に評価して、メディア購入候補のパッケージを組み立てます。予測モデルが各機会をスコアリングする一方で、ガバナンスエージェントが同意、ブランド保護、規制上の制約を個別に確認します。
承認と実行: パッケージは、ポリシーのしきい値に基づいて自動的に承認されるか、人間による審査のためにエスカレーションされます。承認されるとメディア購入が実行され、配信が開始されます。

コンテキストグラフを使用した監査と学習。実行パイプラインが進行する一方で、この並列ループはシステムの推論プロセスをコンテキストグラフに継続的に記録します。これにより、透明性が確保され、将来のサイクルの改善が可能になります。この監査と学習プロセスには、次の機能があります。

継続的なキャプチャ: 検討されたすべての候補、割り当てられたスコア、適用されたポリシー、ガバナンスの意思決定は、紐付けられた記録としてコンテキストグラフ内で元のキャンペーンセッションにリンクされます。
クローズドループ学習: 配信、アトリビューション、成果のシグナルが届くと、それらが生成元の意思決定に紐付けられ、将来の推奨事項を改善するためのトレーニングデータが作成されます。
即時の説明可能性: 広告主が特定のパッケージが選択された理由や、成果に影響を及ぼしたポリシーについて質問すると、回答がコンテキストグラフに保存され、1 回のクエリでアクセスできます。

これにより、ナレッジ、意思決定、ガバナンス、測定、学習が連携して機能するプラットフォームが実現し、自律的なメディア購入の説明可能性と監査可能性を確保しつつ、継続的な改善を図ることが可能になります。

あらゆる業種に適用できる設計

単なるアドバイザーとしての AI の時代は終わりを迎えつつあります。企業がいま求めているのは、複雑な複数ステップのワークフローを実行できる自律型エージェント、つまり「アクションシステム」です。しかし、規制の厳しい業界では、意思決定の根拠を証明できない場合、AI がもたらすスピードがむしろリスクに変わってしまいます。自律的な実行の主な障壁となるのは、もはやインテリジェンスではなく、信頼性です。

Yahoo と Google Cloud が構築したアーキテクチャは、この問題を解決できる、幅広く適用可能なブループリントを提供します。デジタルメディアの購入におけるボトルネックを解消するために設計されたものではありますが、その基盤となるパターンは、金融取引からサプライチェーンのロジスティクスまで、リスクの高い意思決定を管理するあらゆる業界に適用可能です。エージェントならではのスピードで運用しながら、人間による監督を維持していくために、企業は以下のような新しいアーキテクチャのベースラインを採用する必要があります。

ビジネスの実態に基づく意思決定: 確率モデルだけでエージェントを運用することはできません。ビジネスロジック、有効な契約、コンプライアンスルールを決定論的にマッピングするナレッジグラフによって、エージェントをグラウンディングする必要があります。
監査可能なメモリの構築: 追跡できないものを管理することはできません。エージェントのすべてのアクションをコンテキストグラフに記録し、クエリ可能な不変のレコードを作成して、意思決定の理由や却下された代替案を正確に把握できるようにする必要があります。
オープンな相互運用性の重視: 信頼には透明性が不可欠です。オープンプロトコルと来歴標準を基盤とすることで、エージェントの動作に関する、業界共通の監査可能な枠組みを確立できます。

基盤モデルがコモディティ化するにつれ、企業の競争優位性は変化してきています。長期的に優位性を守る鍵となるのは、デプロイする言語モデルではなく、自社独自のビジネスオペレーショングラフと、統制された履歴データです。同様に、エンタープライズ AI の未来は、単に動作できるシステムではなく、その動作を説明、管理し、責任を負うことができるシステムにあります。

使ってみる

信頼できるアクションシステムを構築する準備はできましたか？まず、Spanner Graph を使用して、エージェントワークフローをビジネスの実態にグラウンディングしましょう。次に、BigQuery Graph を使用して監査可能なメモリを構築すれば、クローズドループ学習と、規制当局の要求に応じられるレベルの説明可能性を実現できます。BigQuery Agent Analytics プラグインと SDK を使用して、これらの運用トレースのキャプチャと分析を今すぐ開始できます。最後に、Ad Context Protocol を確認して、Yahoo のエージェントプラットフォームを支えるオープンコミュニケーション標準をぜひ理解しておきましょう。

- Yahoo、エンジニアリング担当ディレクター、Mikul Bhatt 氏

- Google Cloud、シニアスタッフソフトウェアエンジニア、Bei Li

豊田自動織機ITソリューションズ: Gemini Enterprise を一斉展開し、業務効率化とナレッジ集積、人材の育成・確保を実現

Mon, 22 Jun 2026 02:00:00 +0000

生成 AI の社内展開は、部署を限定して段階的に進めていくのが定石とされています。しかし、株式会社豊田自動織機ITソリューションズ（以下、TIIS）は、500 ライセンスの Gemini Enterprise を全社員に一斉提供するという方法を選択。情報の集積と活用による業務拡大、人材確保、新たな価値の創出などを図っています。その詳細を、同社代表取締役社長鈴木洋氏をはじめとする今回の取り組みのコアメンバーに伺いました。

利用しているサービス:
Gemini Enterprise, BigQuery など

利用しているソリューション:
生成 AI

激変する IT 業界の中でスタートした業務改革「TIIS-X プロジェクト」

TIIS は豊田自動織機グループ（従業員数約 8 万人 / 関連企業数約 300 社）における国内唯一のシステムインテグレーターです。社員約 450 名のうち、400 名ほどが IT 業務に従事しており、生産現場における設計業務からシステム開発、サーバーネットワークなどのインフラ構築、セキュリティ管理、組込みソフトウェアの開発まで、幅広い領域でグループの課題と向き合い、解決してきました。そんな同社の優位性と現況について鈴木氏は、こう胸を張ります。

「弊社は豊田自動織機グループの一員として、IT 戦略立案から参画し、超上流の要件定義から開発、運用保守まで、IT に関する全ライフサイクルに携わっています。その幅の広さと奥行きの深さ、そしてグループ現場の業務知識と IT スキルの両方を備えていることが我々の強みです。特にこの 3 年間は、新型コロナ禍を経て豊田自動織機からの IT 需要が爆発的に増加し、売上規模が倍以上に拡大しています。」

しかし、これと同時に IT 業界全体を取り巻くビジネス環境が激変。人材の流動性が高まった結果、長期的に活躍できる環境の整備が喫緊の重要課題となってきました。一方、運用面では、既存システムの老朽更新がリソースを圧迫し、新たな価値創造を難しくしつつありました。

このような状況を受けて始まったのが、社内変革活動「TIIS-X プロジェクト」です。2022 年に始まった本プロジェクトは、「テクノロジー推進」「ワークスタイル・制度変革」「コミュニケーション活性化」の三本柱で構成され、多角的な問題解決を目指すものとなっていました。鈴木氏と共にこの取り組みを推進してきた、執行職の小形健一氏は、その "伏線" が、すでに 10 年ほど前から張られていたと語ります。

「2017 年ごろに、散在していた社内ファイルサーバーを今後どのように運用していくかという議論が起きました。その際重視したのが、情報の検索性です。まず、弊社には過去に開発したアプリや業務システムの膨大なデータがありますので、これらを集約していかに活用するかは、将来の事業展開に向けた鍵となります。また、情報の整備は、人材の流出や業務の外注化などが進む中、個々人に蓄積した知見やノウハウを共有・活用していくという意味でも有効です。そこで 2018 年、社内ファイルサーバーを、優れた検索性を備える Google ドライブに統合しました。」

当時はまだ生成 AI が話題になる以前でしたが、Google ドライブを選んだ背景には、そう遠くない未来に AI 技術が劇的に進化するだろうという読みもあったといいます。

「例えば 2022 年末に対話型 LLM が大ブレイクした後、社内でさまざまな生成 AI サービスを検証しました。この際、焦点となったのが学習です。学習効果を最大限に得るには、500 万ファイルを超える社内データをすべて外部に送出して学習させる必要がありましたが、現実的ではありませんし、セキュリティの観点からも実施したくありません。しかし Google Cloud の生成 AI サービスであれば、Google ドライブに統合済みの社内データを安全かつシームレスに活用できます。2024 年末に、企業向け AI エージェントプラットフォームである Gemini Enterprise（当時の名称は Google Agentspace）が発表された時には、待ち望んでいたツールがついに登場したなと思いました。」（小形氏）

Gemini Enterprise が選ばれた理由は、データの連携性だけではありません。小形氏のもと、TIIS の技術戦略推進を担ってきた同社デジタル情報技術戦略部部長丹羽宏太氏は、グラウンディング（回答根拠の提示）によって情報の正確性を担保できることや、他社サービスと広く連携できることも大きな優位点だったと言います。

「Gemini Enterprise は、Google Cloud の各種サービスだけでなく、豊富に用意されたコネクタによって、多くの外部ソースとつなげることができます。弊社では業務にさまざまなサービスを日常的に利用しているので、このオープンさはとても魅力的でした。現在、TIIS では Outlook やSharePoint、OneDrive、GitHub などを含む合計 9 個のコネクタで社内サービスと接続しており、社内の知見を広く共有することに成功しています。」

PoV の成功を踏まえて、500 ライセンスを全社員に一斉に展開

こうして TIIS は、2025 年 4 月に Gemini Enterprise の導入を決定。8 月から開始された PoV（Proof of Value / 価値実証）では、間接部門も含めた各部署から選別された 12 名の「CHAMPION（活用の牽引役）」と協力するかたちで、Gemini Enterprise の活用方法と、運用における注意点などを集中的に検証・解決。その3か月後には、500 ライセンスを契約し、約 450 人の全社員に一斉展開することを決定しました。

「全社一斉展開を決意したのは、少しでも早く、より多くの社員に生成 AI の便利さを実感し、活用してもらいたかったからです。もちろん、そのコストは決して小さいものではありません。しかし TIIS なら誰でも最先端の生成 AI サービスを使えるという話が広まれば、就職活動を始める学生にも大きなアピールになります。そうした副次的効果を含めれば、十分にリターンのある投資だと考えました。」（鈴木氏）

Gemini Enterprise の現場への展開を担当したデジタル情報技術戦略部デジタル戦略推進課 BX 推進 1 グループグループリーダーの堀尾一孝氏は、現場への展開に向けた取り組み、工夫について、次のように振り返ります。

「PoV に協力してくれた 12 名の CHAMPION をそのまま推進チームとし、ワークショップやハンズオン体験会を繰り返し開催しました。また、社内チャットツールを使った日常的な情報発信や見やすいドキュメントの整理、チャンピオンたちが作った便利な AI エージェントの紹介・共有など、さまざまなかたちで興味を促し、実際に使ってもらえるよう手を尽くしました。」

なお、導入に際する一連の取り組みにおいては、Google Cloud のコンサルティングサービスと技術支援を活用。専門家集団による手厚い支援を受けながら、Gemini Enterprise を業務プロセスに組み込んでいくことができました。

「導入に際しては、まず業務的にインパクトの大きなものを対象にする、そこから業務プロセスを細かく分解して、それぞれに適切に AI を活用していくアプローチなど、私たちが持っていなかった知見を惜しみなく共有いただけたことで、無駄なステップを踏まずに導入できました。困った時に Google Chat ですぐに相談できることも心強かったですね。」（丹羽氏）

「技術的な支援もたくさんしていただいています。例えば、社内の課題を解決する AI エージェントを作る際は、ADK（Agent Development Kit）やローコードの対話型エージェントなど、さまざまな選択肢があるのですが、課題ごとに、どのような構成を取れば効率的なのかもアドバイスいただきました。コンサルティングチームの伴走は社内のナレッジ蓄積でも極めて有用でした。」（堀尾氏）

Gemini Enterprise の活用は、新たなる価値創造に向けた切り札になる

導入後、Gemini Enterprise は驚くべき速度で TIIS の現場に浸透しています。社員によって作成された AI エージェントは 1,300 以上にもなり、契約条項の精査や誤字・脱字のチェック、請求書・領収書の確認、議事録の要約、スライド作成、過去のシステム問い合わせ台帳の検索など、これまでマニュアルで行われてきた作業が劇的に効率化されているとのことです。もちろん、経営面でも大きなインパクトが生まれています。

「Gemini Enterprise の導入後、会社全体の平均残業時間は、前年度比で約 10% 減少しました。退職者数も前年度比で約 30% 減少しています。Gemini Enterprise 以外のさまざまな取り組みの成果も含めた数字ではあるのですが、想定していた以上の成果を得られています。」（鈴木氏）

TIIS では、Gemini Enterprise を業務プロセスの中にシームレスに組み込む取り組みが加速しています。BigQuery とLooker を活用したデータプラットフォームを整備し、コネクタで連携できない ERP や Excel データも含めたあらゆる社内資産を扱える環境を構築中です。

「中長期的な目標は、数年に一度、大型案件を受託・開発する『一括構築型モデル』から、長いライフサイクルの中で、小さな改善を速く回す『継続的な改善モデル』への転換を推進し、工数のすべてを価値向上に直結させていくことです。簡単なことではありませんが、まるで複雑な問題を一発で解決する "銀の弾丸" のように、想像以上の働きをしてくれるツールが登場したことで、その実現は夢物語ではなくなりつつあると強く感じています。また、我々が Gemini Enterprise で成果を出していけば、横展開もしやすくなります。弊社の取り組みをモデルケースに、豊田自動織機グループ全体で Gemini Enterprise を使っていこうという気運が高まると、さらなる業務効率化が実現できるのではないかと期待しているところです。」（鈴木氏）

株式会社豊田自動織機 IT ソリューションズ
1991 年に株式会社豊田自動織機の情報システム部門が独立して設立。国内唯一のシステムインテグレーター子会社として、グループ内の IT 課題解決を一手に担うほか、外部一般企業へのソリューション提供も拡大中。従業員数は 496 名（2026 年 4 月現在）。

インタビュイー（写真左から）
・デジタル情報技術戦略部デジタル戦略推進課 BX 推進 1 グループグループリーダー
　堀尾一孝氏
・代表取締役社長　鈴木洋氏
・執行職　小形健一氏
・デジタル情報技術戦略部部長　丹羽宏太氏

その他の導入事例はこちらをご覧ください。

Gemma で実現するデータ拡充のリアルタイムアーキテクチャ: Trustpilot の事例

Tue, 09 Jun 2026 02:20:00 +0000

※この投稿は米国時間 2026 年 6 月 2 日に、Google Cloud blog に投稿されたものの抄訳です。

厳しいレイテンシとコストの制約のもとで、数百万件のユーザーレビューをリアルタイムに処理するのは簡単なことではありません。Trustpilot は、大規模言語モデル（LLM）が注目を集めるはるか前から、カスタム ML を活用してこの課題に取り組んできました。そして現在、同社はコアスタックを生成 AI へと移行しています。ここでは、Google と Trustpilot が協力して、ファインチューニング済みの Gemma モデルを活用する大量処理向けストリーミングパイプラインをどのように構築したのかをご紹介します。

大規模で高度なレビューインテリジェンスを実現

Trustpilot のコアビジネスは、実用的で深いレビューインテリジェンスを提供することにあります。透明性と信頼できるフィードバックを重視するプラットフォームとして、データの完全性を守り、その価値を最大限に引き出すことが欠かせません。そのためには、受信するレビューからあらゆるメタデータを抽出する必要があり、このタスクには LLM が最も適しています。

LLM は、人が書いた雑多なテキストを解析し、固有表現抽出（NER）、ビジネスドメインの分類、感情スコアリング、顧客意図の特定を行うことに優れています。しかし、数件のレビューを LLM に処理させるのは簡単でも、コストを膨らませずに数百万件のレビューをリアルタイムで処理するとなると、エンジニアリング上の大きな課題になります。

オープンモデルをファインチューニングする理由

このような大規模なタスクに取り組む場合、Gemini のような強力な既製のフロンティアモデルに接続するだけでは、なぜ十分ではないのでしょうか。レビュー処理は Trustpilot のコアビジネスを支える重要なパイプラインであるため、クローズドモデルが最適な選択肢になることはほとんどありません。代わりに、Gemma のようなオープンウェイトモデルをファインチューニングすることで、Trustpilot は AI 戦略を自社で主体的に管理できます。具体的には次のとおりです。

モデルの完全な独立性: Trustpilot はモデルを自社で管理することで、再トレーニングのライフサイクルを自ら制御できます。これにより、サードパーティベンダーの更新スケジュールや突然の API 変更に左右されなくなります。
予測可能なコスト構造: トークン単位の変動料金モデルから、固定的なインフラストラクチャコストに移行することで、数百万件の予測処理を財務面で現実的かつ最適化可能なものにできます。
MLOps 機能の拡張: これらのモデルを社内で構築することで、Trustpilot はオープンウェイトモデルに関する専門性を高めながら、レビューインテリジェンスにおける独自のノウハウをモデルに組み込むことができます。
アーキテクチャの継続性: オープンウェイトモデルの系統に標準化することで、ベースモデルの将来のイテレーションも活用し続けられます。これにより、エンジニアリングの負担を最小限に抑えながら、パフォーマンス向上を取り込むことができます。

Trustpilot は、1 つの巨大なモデルをデプロイするのではなく、軽量な google/gemma-2-9b をベースに、高度に特化したモデル群を構築しました。

小さなフットプリントで高いパフォーマンスを実現するため、Trustpilot は自社のレビューコーパスから層化サンプリングしたデータに対し、Gemini 2.0 / 2.5 Pro / Flash ファミリーから選定した教師モデルを使用して、コンセンサスアノテーションを行いました。このプロセスにより、トピック分類、NER、感情抽出などの専門タスクに対応する高品質なトレーニングデータセットが生成されました。

その後、これらのデータセットを使用して、目的別に設計されたカスタムモデル群をファインチューニングしました。その結果、従来のソリューションを大幅に上回る精度を達成し、教師モデルのコンセンサスと比べても、わずか数ポイント低い程度の精度を実現しました。

システムアーキテクチャ

このアーキテクチャは、Dataflow と Gemini Enterprise Agent Platform エンドポイントの上に構築されています。VertexAIModelHandlerJSON をそのまま使用できるため、両者は非常にスムーズに連携します。

ビジネスロジックと LLM 推論そのものを分離するため、2 つのエンドポイントを作成しました。

分類器: FastAPI ベースのエンドポイントで、前処理 / 後処理、プロンプトテンプレート、チェーンなどの複雑な処理を担います。
LLM: vLLM 経由で Gemma モデルをサービングすることに特化した独立型の Agent Platform エンドポイントです。

このアプローチにより、Dataflow ジョブをシンプルに保ちながら、LLM エンドポイントを得意分野であるテキスト生成に専念させることができます。さらに、分類器と LLM エンドポイントを、トラフィックに応じて個別にスケールできます。

パフォーマンスチューニング

vLLM ベースの Agent Platform エンドポイントを最大限に活用するため、Trustpilot はパイプライン全体のパフォーマンスを可能な限り引き出すことに注力しました。特に、A100 GPU を搭載した A2 VM の性能を最大限に活かすことを重視しています。また、Gemini Enterprise Agent Platform が管理するカスタマイズおよび最適化された vLLM バージョンも活用しました。

パフォーマンスチューニングでは、処理のボトルネックを防ぐため、vLLM バックエンド構成の最適化に重点を置きました。エンジンパラメータを慎重に調整し、適切なデータ型を選択したうえで、プレフィックスキャッシュなどの有用な設定を有効にすることで、大量のストリーミングをモデルがスムーズに処理できるようにしました。

さらに、vLLM 推論サーバーの最適なサービング容量を見極め、パフォーマンス特性を把握するために、再利用可能な負荷テストフレームワークも共同で作成しました。これにより、必要なインフラストラクチャのベースラインを設定し、リクエスト数ベースの指標を使用して自動スケーリング設定をチューニングできるようになりました。加えて、vLLM で待機中のリクエスト数を使用する新しい指標のほうが、この用途にはさらに適している可能性があります。

課題

この構成を構築するにあたり、Trustpilot はいくつかの大きな課題に直面しました。

プライベートネットワーキング: このアーキテクチャでは、プライベートエンドポイントと Private Service Connect を使用して完全に分離された構成を目指していました。しかし、別個のエンドポイント間で直接プライベート通信を行うためのネイティブサポートがなかったため、実現には至りませんでした。
デプロイのオブザーバビリティと信頼性: エンドポイントのデプロイは時間がかかる場合や、内部の状態が見えにくい場合があります。そのため、正常でない状態になった際には、追加のトラブルシューティングが必要になることがあります。Trustpilot は現在も Gemini Enterprise Agent Platform のプロダクトチームと緊密に連携し、今後のオブザーバビリティ機能やプラットフォームの改善に取り組んでいます。
GPU の不足: EU リージョンで A100 GPU を確保するのは難しく、オンデマンド VM は多くの場合、現実的な選択肢になりません。そのため、予約の活用が望ましいものの、開発、本番環境、トレーニング、推論、試験の間で予約をどのように配分するかは非常に難しい課題です。

結果

Trustpilot は Google Cloud と協力し、Gemini Enterprise Agent Platform 上で Gemma の可能性を最大限に引き出すことで、1 日に数百万件のレビューをほぼリアルタイムで処理できるようになりました。その結果、Gemini に近いパフォーマンスをわずかなコストで実現しました。これにより、Trustpilot Business Platform は、日々寄せられる何百万件もの顧客レビューを、即座に活用できるインサイトへと変換できるようになりました。詳しくは、Trustpilot の Medium ブログ投稿をご覧ください。

^{このブログ投稿は、2025 年末に実施された共同プロジェクトの成果に基づき、Assulan Nurkas 氏（Trustpilot）、Subu Ramasubramanian 氏（Trustpilot）、Konrad Stanek 氏（Trustpilot）、Dario Banfi（Google）、Michael Cohen Hjertén（Google）が執筆しました。}

- Google、フォワードデプロイドエンジニア、Dario Banfi

- Trustpilot、スタッフ ML エンジニア、Assulan Nurkas 氏

「Google for Startups Accelerator: 中東、北アフリカ、トルコ」に新たに選出された企業の紹介

Thu, 04 Jun 2026 01:00:00 +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。

Google の使命は世界中の情報を整理し、世界中の人々がアクセスできるようにすることです。中東、北アフリカ、トルコ（MENA-T）のような技術革新に意欲的な急成長市場では、AI ファーストのスタートアップを支援することで、このミッションを遂行しています。これらのスタートアップは、次世代の情報主導型サービスをグローバル規模で構築しています。Google は、その高いレジリエンスで知られるこの地域の創業者たちがどんな状況でも成功を収めるための支援を提供したいと考えています。

Google for Startups Accelerator: MENA-T プログラムの最新のコホート（15 社）が 6 月 1 日にスタートします。前回にあたる第 6 回は 2025 年 11 月に終了し、この地域に新たなベンチマークを打ち立てました。

第 6 回のプログラムでは、8 か国から 14 社の AI ファーストスタートアップが参加し、Google のスペシャリストから 230 時間を超える専門的な 1 対 1 の指導を受けました。このサポートにより、ビジネス戦略のブラッシュアップ、Google Cloud を使用した AI / ML イニシアチブの加速、プロダクトデザイン全体の強化など、技術面とビジネス面の両方で測定可能な成果を達成しました。

2026 年のプログラムでは、リソース、重点分野、トレーニングをさらに拡充し、地域や世界に影響を及ぼす可能性のある不確実な地政学的な状況を乗り切るための支援を提供します。

最新の「Google for Startups Accelerator: 中東、北アフリカ、トルコ」のコホートの紹介

今回は過去最多の応募数を記録しましたが、このことからも、AI テクノロジーを活用して事業を通じた重要課題の解決に取り組むスタートアップがますます増えていることがうかがえます。このコホートに参加する 15 社をご紹介します。

BioTwin は、健康に関するデータからバーチャルツインを作成し、リスクの検出と予防措置の推奨を行います。
Coral は、企業全体のサステナビリティ関連の指標をリアルタイムで提供し、手作業のプロセスを不要にします。
Each::labs は、複雑なデベロッパーワークフローを合理化する次世代の AI ネイティブツールを構築しています。
Hakeem は、臨床研究を個々の患者に合わせたガイダンスにリアルタイムで変換し、医療従事者に提供します。
inveon.ai は、エージェント型 AI をデプロイして、e コマース向けの自律型デジタル従業員を提供します。
Jusoor Labs は AI を使用して科学実験でのインタラクションを分析し、学習成果を向上させています。
Openfarming は、販売業者のワークフローを自動化して、廃棄物の削減と利益の保護に貢献します。
Plusfinity は、スケーラブルでインタラクティブな教育を実現する AI ネイティブな学習インフラストラクチャを構築しています。
Promake は、AI を活用した設計と生産の最適化ツールで製造業を支援します。
Qanooni は、手動で行われる法律業務を構造化された検索可能なワークフローに変換します。
Repzo は AI を使用して、複雑な現場のデータを現場のチームが読む自然言語のレポートに変換します。
RFxAI は、AI 主導型の回答評価を通じて調達と販売を合理化します。
Tapper は、ML を適用して異常を検出し、無効なトラフィックをブロックします。
TruBuild は、構造化されていない建設データを分析することで、より迅速かつ客観的な入札評価を実現します。
Woliz は、音声 AI を使って小型店舗のオーナーがオンライン注文を利用できるようにします。

成果を上げるためのカリキュラム

6 月 1 日以降、各企業の創業者はスタートアップ特有の課題の解決を目的に特別にカスタマイズされた 3 か月間のプログラムに参加します。カリキュラムでは、包括的なスタック監査やグローバルエキスパートによる 1 対 1 のメンターシップなど、集中的な技術サポートが提供されます。

AI セキュリティとジェネレーティブデザインに焦点を当てた高度な技術トレーニングと、戦略的なビジネスモデリングおよび市場参入計画のバランスを調整することで、イノベーションの安全な拡大を支援します。この包括的なアプローチは、スタートアップが勢いを維持し、地域の持続的なデジタル成長と長期的なレジリエンスを促進することを目的としています。

このプログラムは昨年秋のコホートでも大きな成果を上げており、多くのスタートアップが成長と開発を加速させています。

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）スイートのプロバイダである COGNNA も、継続的な成長を遂げている企業の一つです。アクセラレータ期間中に改善された同社のプラットフォームにより、アナリストは以前より 80% 速く作業できるようになりました。その後、同社は 920 万ドルのシリーズ A 資金調達ラウンドを完了しました。

BigQuery を使用してペタバイト規模のデータを取り込み、Google Kubernetes Engine により調査をスケールすることで、セキュリティ運用の変革と効率性の大幅な向上を達成しました。COGNNA の共同創業者 / CTO である Ziyad Alshehri 氏は「Google は、グローバル市場でのスケーリングを可能にすることで、COGNNA の未来を形作っています」と語っています。

AI を活用した不動産投資を行う UAE のスタートアップである Smart Bricks は、最近、a16z Speedrun が主導する 500 万ドルのプレシードラウンドを完了しました。Smart Bricks は、Google の ML パイプラインを使用して、ドバイ、ロンドン、ニューヨークの不動産投資ワークフローの 99% を自動化しています。

Smart Bricks の創業者 / CEO である Mohamed Mohamed 氏は次のように述べています。「Google for Startups Accelerator は、当社の技術開発を加速させるうえで重要な役割を果たしました。Google AI とクラウドスタックにアクセスできたことは、エージェント型 AI モデルの構築とスケーリングに役立ちました。特に、当社が扱うデータの規模と複雑さを考えると、その恩恵は大きなものでした。また、Gemini Enterprise Agent Platform や BigQuery などのインフラストラクチャにより、開発サイクルを大幅に高速化し、モデルのパフォーマンスを向上させ、より堅牢なデータドリブンプラットフォームをより迅速に市場に投入することができました。」

MENA-T の成長に向けた Google の取り組み

Google は、イノベーションの継続的な拡大を目的として、専門的なリソースとクラウドインフラストラクチャを提供し、この地域の創業者を支援し続けています。Google は、この地域のデジタルエコノミーがより安全で革新的な未来に向けて加速し続けることを目指しています。

この新しいコホートが MENA-T エコシステムの未来を形作っていくことを楽しみにしています。

- Google Accelerator およびスタートアップエコシステム責任者（中東、北アフリカ、トルコ担当）、Baris Yesugey

Urban Outfitters、Sterling OMS を AlloyDB for PostgreSQL に移行して大幅な費用削減を実現

Tue, 02 Jun 2026 02:00:00 +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。

編集者注: Urban Outfitters, Inc.（URBN）は最近、大規模なインフラストラクチャのアップグレードを完了し、既存の IBM Sterling Order Management System（Sterling OMS）の Oracle データベースを Google Cloud の AlloyDB for PostgreSQL に移行しました。Google Cloud と IBM のパートナーシップの拡大を証明するこの戦略的な取り組みは、URBN に大きなメリットをもたらし、効率向上と費用削減を実現したほか、将来を見据えたテクノロジー環境の構築への道を開きました。この成功事例は、企業が AlloyDB for PostgreSQL を活用してデータベースをモダナイズし、新たなレベルのパフォーマンスとスケーラビリティを実現する方法を示しています。

変化の速い小売業界において、注文管理はシームレスなカスタマーエクスペリエンスの基盤となります。Urban Outfitters, Inc.（URBN）は、IBM Sterling Order Management System（Sterling OMS）を同社のグローバルな e コマース事業の中心に据え、注文の受付から、リアルタイムの在庫追跡、納品の最適化、購入後のロジスティクスに至るまで、あらゆる業務をオーケストレートしていました。このシステムは、店舗、倉庫、デジタルチャネルのグローバルネットワーク全体で数百万件のトランザクションを効率的に処理でき、迅速で正確かつ柔軟に注文を処理するという顧客の期待に応えられるものでした。

しかし、この重要なシステムの基盤である 11 TB もの巨大な Oracle データベースが、次第にボトルネックになりつつありました。また、高額なライセンス費用や保守費用、増大する運用上の複雑さ、独自技術による制約が、スケーラビリティと長期的なイノベーションにとって重大な課題となっていました。そのため、Sterling OMS の高可用性、パフォーマンス、トランザクションの整合性を維持するために、以下のような要件を満たす最新のデータベースソリューションが必要になりました。

総所有コスト（TCO）の削減: 信頼性を維持しながら、ライセンス費用、運用上のオーバーヘッド、インフラストラクチャ費用を削減する。
ビジネス継続性の確保: 高可用性、迅速なフェイルオーバー、障害復旧をサポートし、注文処理や顧客取引の中断を防ぐ。
オープンスタンダードの採用: 独自技術から移行し、オープンで柔軟性があり、将来を見据えたソリューションを採用する。
同等の機能の維持: Sterling OMS の機能を損なうことなくシームレスな移行を実現し、すべてのミッションクリティカルな機能をそのまま維持する。

URBN のような小売企業においては、注文管理のわずかな不具合でさえ、財務面や運用面に重大な影響を及ぼす可能性があります。取引の失敗、在庫の予測ミス、納品の遅延は、顧客満足度、ブランドの評判、収益に直接影響します。Sterling OMS はミッションクリティカルなシステムであるため、URBN は技術的に堅牢かつ正確な移行アプローチを必要としていました。そのため、ダウンタイム、データ損失、パフォーマンス低下をほぼゼロに抑えた移行が求められました。

ソリューション: AlloyDB for PostgreSQL

この複雑な移行の成否は、URBN、IBM、Google Cloud による緊密かつ継続的なコラボレーションにかかっていました。このパートナーシップにより、業界をリードする専門知識と最先端の技術が結集し、各チームが全フェーズを通じて綿密に連携して取り組みました。URBN の技術スタッフと IBM と Google Cloud の専任エンジニアが直接連携することで、各チームは大規模なデータベースの移行を綿密に計画し、最適化できました。

このプロジェクトの成功は、以下のような重要な柱によって支えられました。

ファーストティアデータベースの認識と機能開発: IBM と Google Cloud のエンジニアリングチームが協力して、Sterling OMS で AlloyDB for PostgreSQL をファーストティアデータベースとして完全に認識し、サポートできるようにしました。
2 つの読み取りレプリカによるエンタープライズグレードの信頼性: パフォーマンスを向上させ、高可用性とスケーラビリティを実現するために、AlloyDB のデプロイアーキテクチャには 2 つの読み取りレプリカが含まれています。これにより、レポート作成や分析のためのデータへの低レイテンシアクセスが可能になり、Sterling OMS アプリケーション全体のオペレーショナルレジリエンスが向上します。
広範なパフォーマンスチューニング: Google Cloud の専任のパフォーマンスエンジニアリングチームが、URBN と IBM のエキスパートと協力して、データベースクエリの微調整と構成の最適化を行いました。このような継続的かつ高品質なサポートにより、AlloyDB は以前の Oracle データベースのパフォーマンスベンチマークを達成しただけでなく、それを上回る成果を上げることができました。この作業は、AlloyDB 上で Sterling OMS の膨大なトランザクション量を処理する、URBN のような非常に大規模な小売業者にとって不可欠です。
厳格な切り替えテストとリスク軽減: Google Cloud と IBM のチームは、厳格かつ反復的な切り替えテスト戦略で URBN を支援しました。この戦略には、Sterling OMS システムで AlloyDB を丸 1 日稼働させてから Oracle データベースに戻すという作業が含まれていました。このプロアクティブなテストにより、URBN のチームは制御された環境下で潜在的な問題を特定、解決でき、リスクを大幅に軽減するとともに、移行後のシステムに対する信頼性を高めることができました。

aside_block: <ListValue: [StructValue([('title', 'Google Cloud データベースでよりスマートに構築'), ('body', <wagtail.rich_text.RichText object at 0x7f1d6708eac0>), ('btn_text', ''), ('href', ''), ('image', None)])]>

変革をもたらす転換

AlloyDB への移行により、URBN のデータ戦略は根本的に再構築されました。パフォーマンスや信頼性を損なうことなく、最適化されたストレージとコンピューティングアーキテクチャを通じて、より望ましい TCO を実現しています。さらに、PostgreSQL 互換データベースである AlloyDB への移行により、オープンソースエコシステムの柔軟性を手に入れました。この移行により、ベンダーロックインから解放されるだけでなく、活気のあるコミュニティやさまざまな最新ツールにアクセスできるようになり、長期的な技術的アジリティの確保につながりました。

この移行によって、費用や柔軟性の面だけでなく、優れたパフォーマンスと拡張性が実現し、URBN のミッションクリティカルな業務をサポートできるようになりました。また、最適化されたデータベースカーネルと高精度のクエリ調整を組み合わせることで、大幅な速度向上を実現し、Sterling Commerce システムの応答性を直接的に高めることができました。

成功への道筋: 計画とテスト

URBN が IBM Sterling OMS での AlloyDB への移行を成功させたこの事例は、ミッションクリティカルなインフラストラクチャをモダナイズし、AI の拡張に備えた将来性のある環境を構築しようとする組織にとってのブループリントとなります。組織をまたいだ緊密なパートナーシップと、段階的にリスクを軽減するアプローチの組み合わせは、極めて複雑なミッションクリティカルな移行でさえも実現できることを証明しています。

モダナイゼーションの課題に直面している企業にとって、URBN の事例は成功への明確なロードマップとなります。AlloyDB 上でシステムを実行し、元の環境に戻すという反復的な切り替えテストの実施は、本番稼働に必要な信頼を築くための「秘訣」でした。このレベルの厳格なテストを優先することで、企業はよりアジリティと効率性に優れ、イノベーションに満ちた未来へと進むことができます。

その他の情報

AlloyDB が PostgreSQL の優れた機能と Google Cloud の強みを組み合わせている方法を紹介している最新の電子書籍。
AlloyDB を 30 日間無料で試せる AlloyDB の無料トライアルクラスタ。
AlloyDB for PostgreSQL の詳細。

- Urban Outfitters、CIO、Rob Frieman 氏

- Google Cloud、プロダクト管理、データベース担当バイスプレジデント、Raj Pai

Google Cloud AI を活用して、未知なる偉大な創造に挑むスタートアップ

Wed, 27 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。

ラスベガスから未来へ、今週、新しい扉が開かれます。世界をリードするスタートアップが Google Cloud Next で一堂に会し、画期的な AI の取り組みを紹介します。最高水準の AI モデル、極めて負荷の高いワークロードにも対応するインフラストラクチャ、インテリジェントなマルチモデルデータベース、安心と成長のためのセキュリティおよびデジタル主権ソリューション、これらのいずれかを、あるいはすべてを必要とする、あらゆる規模、あらゆる業界のスタートアップが、Google Cloud を選択しています。

活用事例は枚挙に暇がありませんが、ほんの一例を挙げると、人気ソフトウェア作成プラットフォーム Lovable では、Google Cloud インフラストラクチャが利用され、現在 Lovable で作成されているプロジェクトは 1 日 20 万件を超えています。また、米国の医師に広く利用されている医療 AI プラットフォーム OpenEvidence は、Google AI ツールを使用してエビデンスに基づく回答を医療現場で提供しています。同社は最近、Wiley および Mount Sinai との大規模なパートナーシップを発表し、信頼できる医学研究とその AI アシスタントへのアクセスを拡大しました。

今回の Google Cloud Next では、Google Cloud を使用して新たに取り組みを開始した、または取り組みを拡大している、さらに多くのスタートアップをご紹介しました。バイブコーディング、モデルのトレーニングと推論、ヘルスケアとライフサイエンス、画像生成、金融サービス、ゲームなど、さまざまな分野をリードするスタートアップが盛り沢山です。さらに、Google Cloud の AI Hypercomputer を通じて GPU ベースの AI コンピューティングを利用し始めた新しいスタートアップグループもご紹介します。これは、Google と NVIDIA の緊密な技術パートナーシップが生み出した潮流であり、躍進が期待される分野です。

Google Cloud は常に AI スタック全体をスタートアップに統合環境で提供し、ビジネスがすぐにトップスピードに乗れるよう力強く後押ししてまいりました。Next ‘26 で発表する新サービスにより、スタートアップの選択肢と機会は一層広がるばかりです。

たとえば、Gemini Enterprise エージェントプラットフォームによる複雑なエージェントの迅速な構築、推論とトレーニングのための 2 つの差別化された TPU サービスによるコンピューティングニーズの最適化、次世代のクロスクラウドレイクハウスによるデータフリクションの削減、Wiz AI エージェントと Google 規模の脅威インテリジェンスによる総合的なガバナンスの向上など、進歩を支えるさまざまな取り組みが目白押しです。また、Marketplace と Gemini Enterprise のインテグレーションにより、AI ソリューションを企業ユーザーに直接販売できる仕組みも整っています。

多岐にわたるスタートアップのイノベーションをサポート

AI が仕事や生活のあらゆる側面をいかに劇的に変革しているかについて疑問をお持ちの方は、Google を利用しているスタートアップが市場にもたらしているイノベーションをご覧になればすぐにご理解いただけるはずです。

コーディングおよびデベロッパー用ツール

Emergent AI は、Google Kubernetes Engine（GKE）をコアインフラストラクチャとして使用し、オンデマンドの隔離された開発サンドボックスを何千件もオーケストレートすることで、バイブコーディングをサポートします。自動スケーリングに GKE Autopilot を活用し、コード生成に Gemini モデルを活用して、自然言語のプロンプトをプロダクションレディなライブアプリケーションに変換し、即座にプレビュー可能にするプラットフォームです。
Lovable は Google Cloud との連携を拡大し、新しいコーディングエージェントをリリースしました。このエージェントは、Google Cloud Marketplace と Gemini Enterprise から購入できます。
Parallel は、AI エージェントに特化した高精度のウェブ検索と調査のための API を構築しています。Gemini、BigQuery、BigTable、Spanner などの Google Cloud プロダクトを活用することで、2025 年 8 月のサービス開始以来、プラットフォームの構築、リリース、大規模なスケーリングを実現しています。
Temporal は Google Cloud と提携し、独自の Application Development Kit（ADK）インテグレーションを構築しています。これは、強力な実行保証、稼働時間、監査可能性、運用上のレジリエンスを必要とするミッションクリティカルなユースケースにエージェントシステムのデプロイを可能にするものです。

顧客エンゲージメント

Satisfi Labs は、行楽地や体験に関する顧客エンゲージメントを変革するために設計されたエージェント型 AI プラットフォームで、スポーツ、エンターテイメント、観光業界にまたがる 800 社の顧客にサービスを提供しています。Google Cloud エコシステム上に構築され、Gemini、BigQuery、AlloyDB、Datastream などのテクノロジーを活用して、インテリジェントなインタラクション、スケーラブルなデータ処理、リアルタイムのインサイトを実現しています。
Vapi は、会話型音声 AI を作成するデベロッパー向けのプラットフォームです。インテリジェンスコアとして Gemini を活用することで、コンピューティングの費用対効果を最大化しながら、驚異的なスケールでプレミアムな音声体験を生み出せます。
Vurvey Labs は、Gemini Enterprise Agent Platform を活用してエージェント集団の仮想世界を構築し、人間の行動と将来のニーズを予測しています。
ZenBusiness は、Gemini Enterprise Agent Platform を利用し、ビジネスの設立支援、コンプライアンス、ウェブサイト開設のための AI アシスタント「Velo」のリリースなどを通じて企業運営を簡素化しています。

ドキュメントインテリジェンス

Reducto は、Gemini Enterprise Agent Platform と AI Studio をコアモデルとともに活用して、リスクの高いワークフローを自動化し、本番環境の AI パイプラインを大規模に強化しています。

FinOps

Mavvrik は、Gemini と BigQuery を活用した FinOps プラットフォームです。統合された費用管理プラットフォームで、FinOps、IT、財務のリーダーによるパブリッククラウド、プライベートクラウド、AI ワークロード、SaaS アプリケーションにまたがる支出の管理、可視化、割り当ての自動化を支援しています。

生成メディア

ComfyUI は、Nano Banana Pro を統合することで、複雑なノードベースの生成メディア制作を合理化し、プロビジョンドスループットを使用してカスタマーエクスペリエンスの一貫性を向上させています。
Gamma は、Nano Banana 2 を活用し、ローカライズされたビジュアルを瞬時に生成してアイデアを数秒で共有可能なコンテンツに変換するツールです。7,000 万人以上のユーザーが、プレゼンテーション、ドキュメント、ウェブサイト、ソーシャル投稿の作成に使用しています。

業種特化型 AI

Chorus は、Alphabet のイノベーション部門である X から分離独立した企業で、さまざまな業界で物的資産の製造、移動、管理方法を変革する AI オーケストレーションツールを構築しています。Gemini Enterprise Agent Platform、高度な ML、独自のアルゴリズムを活用して、物的資産ごとのきめ細かな可視性、温度データ分析インテリジェンス、ミッションクリティカルなサプライチェーン全体にわたる動的な配送予測を提供しています。
ExaCare AI は、救急治療回復期ケア業務向けの AI プラットフォームです。Gemini Enterprise Agent Platform と Gemini を推論に使用し、入院から清算までのワークフロー全体で臨床データと運用データを処理します。
Industrility は、機械メーカー向けの AI 搭載アフターセールスプラットフォームです。Google Gemini の高度な言語モデルを基盤としてメンテナンスインテリジェンスエンジンが構築され、重要なメンテナンスタスクを抽出することで従来 2 か月かかっていた手動プロジェクトを 3 時間に短縮しています。
Insilica は、Gemini Enterprise Agent Platform を使用して、数百万件の毒性規制文書と数千件のデータベースを処理し、統合されたエージェント型リスク評価プラットフォームを編成しています。
Proximal Health は、DocAI を利用して保険金請求の審査プロセスを自動化しています。
Stord は、オムニチャネルの小売業向けのフルフィルメントサポートとソフトウェアを提供しています。Gemini Enterprise Agent Platform を活用して、商品取引総額年 100 億ドル以上の実データに基づき、数百万件の注文において配達日を予測し、需要計画を最適化する ML モデルを構築しています。
Stylitics は、Gemini Enterprise Agent Platform を使用して、世界トップクラスの小売業向けに 1,000 以上の AI プログラムをサポートし、AI による画像生成やコーディネートとスタイリング、AI 分析などを提供しています。
Wand は Gemini Enterprise Agent Platform を使用して、同社のシングルプレーヤー PC ゲームプラットフォームに組み込まれたコンテキスト対応型コンパニオン Game Guide を運用しています。Game Guide は、プレーヤーが行き詰ることのないよう導いたり、隠しコンテンツの発見を手伝ったりして、ゲームウィンドウを離れずに没頭し続けられるようプレーヤーをサポートします。

生産性向上

Notion は、生産性向上ツールへの AI 統合の最先端スタートアップであり、テキストと画像の生成機能に Gemini モデルを活用しています。

サステナビリティ

Watershed は、エンタープライズ気候プラットフォームで業界をリードするスタートアップです。Google Cloud を活用してサステナビリティデータを実用的な気候インテリジェンスに変換し、脱炭素化をグローバルに加速させ、組織が前例のない規模で測定結果を行動につなげられるよう支援しています。

NVIDIA AI インフラストラクチャによるモデルのトレーニングと推論のサポート

世界で最も革新的なスタートアップが NVIDIA の最先端 GPU を搭載したコンピューティングへのアクセスを必要とする場合、現在その多くは Google Cloud に依存しています。Google と NVIDIA との長年にわたるパートナーシップにより、スタートアップは Google Cloud を利用することで、AI モデルのトレーニングと実装、ファインチューニングのサポート、新しいエージェントワークロードのスケーリングが行えます。

今回の Google Cloud Next では、このようなスタートアップの成功事例を紹介し、さらに NVIDIA AI インフラストラクチャと Google Cloud の AI スタックの利用を選択した新しいスタートアップとのパートナーシップについても発表いたしました。

新規および拡大中のパートナーには、以下のスタートアップが含まれます。

Thinking Machines Labs は、Google Cloud を通じて最新の NVIDIA Blackwell チップを利用する予定です。これにより、GB300 を利用する最初の Google Cloud ユーザーの 1 社となります。Thinking Machines は初期テストにおいて、GB でのトレーニングとサービングの速度が前世代のチップと比較して 2 倍に向上したことを確認しています。
GMI Cloud は、Google Cloud の GPU インフラストラクチャを活用し、推論に最適化されたプラットフォームを運用して、テキスト、画像、動画にわたる GMI Studio のワークフローと大規模なモデル提供を実現しています。本番環境グレードのリアルタイム AI アプリケーションへの需要が高まる中、高使用率をサポートする Google Cloud の GPU インフラストラクチャが注目されています。
Inferact は、データセンターハードウェア上のオープンソース LLM 向けに、高性能で使いやすい推論エンジン vLLM を開発しています。これには、Google Cloud 上の NVIDIA GB200 のクラスタや、Managed Lustre や Cloud Filestore などのサービスが利用されています。
Neuraldefend は Google Cloud および NVIDIA と提携し、H100 および L4 GPU を使用してモデルトレーニングと本番環境の推論を行い、リアルタイムのディープフェイク検出エンジンとデジタルトラストソリューションを提供しています。
Nucleus AI は、Google Cloud を介して NVIDIA H100 GPU のクラスタをモデルトレーニングに利用しています。
Reflection は、Google Cloud を通じた G4 VM の使用や Google Cloud Storage などのサービスの利用を拡大し、オープンウェイトモデルのトレーニングと推論をサポートしています。
Reve は、Google Cloud 上の A3 Mega（NVIDIA H100 GPU）インスタンスと A3 Ultra（NVIDIA H200 GPU）インスタンスを使用して、高負荷マルチモーダル基盤モデルのトレーニングと推論を処理しています。また、GKE を使用して高パフォーマンストレーニングのニーズを管理しています。

多くのスタートアップは通常、NVIDIA の最新の Blackwell インフラストラクチャで実行される Google Cloud G4 VM を通じて NVIDIA の GPU にアクセスしています。さらに、今年中には NVIDIA の Vera Rubin アーキテクチャへのアクセスもスタートアップに提供する予定です。NVIDIA との緊密なパートナーシップにより、Google Cloud AI Hypercomputer は GPU ユーザー向けに高度に最適化されており、さまざまなユースケースで超低レイテンシ、高スループット、費用対効果に優れたパフォーマンスを実現できます。

この高度な最適化は、スタートアップが GPU を利用する手段として Google Cloud を選択する理由の一つです。また、Gemini Enterprise、Agent Builder、BigQuery、Google Kubernetes Engine など、高度に差別化された Google AI スタックのテクノロジーに簡単にアクセスできることも決め手となっています。

また、Google は今後も NVIDIA との緊密な連携を継続し、NVIDIA の Inception プログラムと Google for Startups クラウドプログラムを通じて、初期段階のスタートアップを AI コンピューティングとクラウドサービスでサポートしていきます。対象となるスタートアップには、以下の有望な企業が含まれます。

Aible は、長期稼働用エンタープライズ AI エージェントを構築しています。Google Cloud 上で GPU にアクセスすることで、Aible は Nemotron 3 や NemoClaw のエージェントを BigQuery 上で直接実行したり、インテリジェントウェアハウスのようなマルチエージェントブループリントをオーケストレートしたり、サーバーレスの RTX アクセラレーションによる推論を Cloud Run にデプロイしたりできます。
Baseten は、大規模言語モデルとビジョンモデル用のモデル提供を最適化するマネージド推論プラットフォームを提供しています。Google Cloud 上で GPU にアクセスすることで、Baseten は NVIDIA アクセラレーションによる推論をデプロイし、本番環境で生成 AI ワークロードを実行する顧客向けに 1 秒あたりのトークン数、1,000 リクエストあたりの費用、GPU 使用率を向上させています。
CodeRabbit は、Google Enterprise Agent Platform を介して Nemotron モデルでサポートされる、コードレビュー用の AI 主導ワークフローを構築し、低レイテンシの PR 要約、エンベディングを活用したコンテキスト拡充、スケーラブルな同時レビューパイプラインを実現しています。
Factory AI は、複雑なコードグラフを走査したり、依存関係を解決したり、実際の本番環境リポジトリに対して安全なパッチを生成したりできる自律型コード編集エージェントを開発しています。Factory AI が Gemini Enterprise Agent Platform の Nemotron モデルによって実現した、このエージェントは「Droids」と呼ばれ、Nemotron Super で稼働します。Droids は、セマンティックコード検索、grep や静的解析などのツール拡張型推論、大規模な複数ファイルのリファクタリング計画などを実行できます。
Mantis AI は、ラテンアメリカのメディアおよびエンターテイメント企業向けに、動画ネイティブのインテリジェンスレイヤを構築しています。NVIDIA の Inception プログラムと Google Cloud とのコラボレーションを通じ、Mantis AI は高スループットの推論パイプラインを運用し、ファインチューニングされたモデルバリエーションの厳密な評価と、NVIDIA NIM、Blueprints、ベクトル検索サービスの試験適用によって、放送局やライブ配信者が動画の分析から大規模なオーケストレーションに移行するのに役立つ本番環境対応のスタックを提供しています。
Photoroom は、商品画像を生成、編集する拡散ベースとトランスフォーマーベースのビジョンモデルを専門に扱っています。Photoroom は 1 分あたり 1,000 件以上の画像を処理し、4 倍速の TensorRT と xformers を使用して Stable Diffusion パイプラインの 100% 高速化を実現することで、Google Cloud で 50 万 GPU 時間以上を問題なく消費しています。

Gemini Enterprise でエージェントを直接販売

AI スタートアップにとって、企業の調達プロセスは成長のボトルネックとなることがよくあります。そこで、Google は Google Cloud Marketplace を Gemini Enterprise に統合することで、調達プロセスを加速するグローバルな場を設けました。

このたび、Next において、Marketplace でエージェントを提供する優秀なスタートアップ 70 社を発表しました。

これに加え、さらに多くのスタートアップがエージェントを構築して市場に投入できるよう、Google はパートナーのエージェント開発とマーケティングを支援する新しい 7 億 5,000 万ドルのファンドを立ち上げます。この新しいファンドについて詳しくは、こちらをご覧ください。

Gemini Startup Forum のご紹介

6 月には、シードからシリーズ A までのスタートアップの創業者を対象とした内容の濃い 2 日間の会合 Global Gemini Startup Forum を開催します。参加者は Google のリーダーやエンジニアと交流し、プロダクトの構築やスケーリングを体験しながら、Google の AI ポートフォリオを構成するさまざまなチームとフィードバックを共有します。プログラムの詳細をご確認のうえ、今後開催予定のイベントにご興味がございましたら、ぜひご登録ください。

今年後半には、次回のプログラム Gemini Startup Forum: Cybersecurity がロンドンで開催予定です。ご応募受付中ですのでご検討ください。AI を活用して次世代セキュリティソリューションを構築しているスタートアップには、ぜひご参加いただきたく存じます。

Google for Startups AI エージェントチャレンジにご参加ください

スタートアップは今すぐ参加して、実践力をお試しください。Next 2026 では、Google for Startups AI エージェントチャレンジを開催することが決定しました。

Next の参加者だけでなく誰でも参加できるこのグローバルコンペティションは 6 週間にわたって開催され、各チームには 500 ドルのクレジットと、新しい Gemini Enterprise Agent Platform をはじめとするツールが提供され、これを使用して自律システムの構築と、賞金総額 90,000 ドルの分け前を競い合います。

チャレンジ応募作品は受付が開始されており、提出期限は 2026 年 6 月 5 日までとなっています。このチャレンジには、各チームの開発状況に応じて 3 通りのトラックが用意されています。新しいエージェントをゼロから構築するか、既存のプロトタイプを最適化して本番環境での信頼性を高めるか、ビジネスで実用化されているエージェントをリファクタリングするかにより、Google Cloud Marketplace と Gemini Enterprise アプリを通じエンタープライズ仕様で配布できる可能性があります。

応募作品は、技術的な実装（30%）、ビジネスケース（30%）、イノベーションと創造性（20%）、デモとプレゼンテーション（20%）の各基準に基づいて評価されます。こちらで詳細をご確認のうえ、ふるってご応募ください。

新レポート「Future of AI: Perspectives on generative media for Startups」をお読みください

Future of AI: Perspectives on generative media for Startups レポートでは、8 人のスタートアップ創業者、投資家、Google 社員への独占インタビューが掲載され、業界の将来に関する率直なアドバイス、戦略的プライオリティ、予測がまとめられています。

創業者たちの生の声に耳を傾けることは、AI 主導のコンテンツ作成における新たな波を乗り越え、Google Cloud で生成メディアの未来を築くうえで、大いに役立つはずです。そして、将来の Next で、あなた自身が生の声を発する立場になるかもしれません。

- Google、グローバルスタートアップおよび投資家エコシステム担当バイスプレジデント、Darren Mowry

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

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

Google Cloud パートナーとのエージェント型エンタープライズの構築と 7 億 5,000 万ドルのイノベーションファンド

Mon, 27 Apr 2026 02:10:00 +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。

現在、エージェント型エンタープライズがお客様にとって現実のものとなりつつあります。今週開催の Next ‘26 では、お客様がエージェント型 AI をさらに加速させるのに役立つ、新しい画期的なイノベーションを発表しました。

エージェント型エンタープライズを実現するうえでは、Google のパートナー様が重要な役割を果たします。そこで今回は、エージェントの時代に業界で最も有能なパートナーエコシステムをお客様に提供するための新しいリソース、テクノロジー、緊密な技術パートナーシップについても発表いたしました。これには以下が含まれます。

グローバルコンサルティング企業、ソフトウェアパートナー、チャネルパートナーを対象とするエージェント開発のための 7 億 5,000 万ドルのパートナーファンド。
お客様が Gemini Enterprise でパートナーのエージェントをデプロイできる新しい方法。
お客様をサポートするために、グローバルコンサルティング企業との技術パートナーシップを強化し、Google から現地に配置するエンジニアチームを新たに編成。
Palantir、Salesforce、SAP、ServiceNow などのエンタープライズプラットフォームに Gemini モデルをより深く統合。
パートナー様が質の高いサービスを提供できるよう、Google Cloud パートナーネットワークの AI 搭載機能を拡充。

AI エージェントの開発を加速させるための投資

Google は、業界で最も AI 能力に優れたパートナーエコシステムをお客様に提供できるよう取り組んでいます。エージェント型 AI の時代にパートナー様が真の変革を推進できるよう、Google は 7 億 5,000 万ドルのイノベーションファンドを立ち上げます。エージェントの開発とデプロイを世界中で加速することを目的とし、対象はあらゆるビジネスプロセス、機能、業界となります。

このファンドは、以下のような幅広い活動を支援します。

ソフトウェア会社が Gemini Enterprise Agent Platform を使用して AI エージェントを自社製品に組み込み、Google の Agent Marketplace や、Gemini Enterprise の新しい Agent Gallery を通じて市場に投入できるよう、実践的サポートを提供します。
熟練した Google の前線配置エンジニア（FDE）が、主要なシステムインテグレータと連携して、お客様の技術的に難しい課題の解決や Google AI の迅速なデプロイを支援します。
デプロイと利用に関するインセンティブにより、サービスパートナー様がエージェントの時代に成功を収められるよう支援します。
パートナー様が Gemini Enterprise Agent Platform を使用してお客様向けにエージェントを構築、デプロイできるよう、トレーニング、技術開発イニシアチブ、ワークショップを提供します。

パートナー様が構築したエージェントを Gemini Enterprise で公開

Next では、エージェントを構築、スケール、管理、最適化するための包括的なプラットフォームである Gemini Enterprise Agent Platform を発表しました。このプラットフォームには、パートナーが構築した厳選されたエージェントをお客様が閲覧できる Agent Gallery が含まれます。

現在、Agent Gallery では幅広いサードパーティエージェントにアクセスできます。これらのエージェントは、Google の安全なエンタープライズグレードのインフラストラクチャ上に構築されているため、お客様は最高レベルのガバナンスと信頼性をもってビジネスにデプロイできます。現在、Accenture、Adobe、Atlassian、Deloitte、Lovable、Oracle、Palo Alto Networks、Replit、S&P Global、Salesforce、ServiceNow、Workday などが構築したエージェントがあります。

グローバルコンサルティングパートナーが AI トランスフォーメーションを推進できるよう支援

現在、Google Cloud のグローバルコンサルティングパートナーとシステムインテグレータパートナーは、Google AI の実装に関するトレーニングを受けた 33 万人以上のエキスパートをお客様に提供しています。Google Cloud は、今回の Next に合わせて、主要なシステムインテグレータとのパートナーシップを次のように拡大します。

Accenture は、前例のない Gemini Enterprise Acceleration Program の立ち上げにより、企業が AI を活用した変革とビジネス価値の向上を迅速かつ大規模に推進できるよう支援します。このプログラムでは、Google Cloud と Accenture のトップレベルの技術力と前線配置エンジニアをお客様の現場まで直接届けます。
BCG は Google Cloud とのパートナーシップを拡大して Gemini Enterprise による変革を加速させ、組織がエージェントの導入を大規模に実現できるよう支援します。
Capgemini は、Gemini Enterprise のエンタープライズ規模での導入を加速させるために、Google Cloud AI Enterprise Hub を設立します。
Cognizant は、Gemini Enterprise の企業への導入を加速させるために、Gemini Enterprise 専門のプラクティスグループを立ち上げます。
Deloitte は、Gemini Enterprise に特化した Google Cloud エージェント変革のプラクティスを立ち上げ、10 万を超える自社チームに Gemini Enterprise を展開します。
HCLTech は、Gemini Enterprise を基盤とする業界固有のソリューションの開発と導入を加速させるために、Gemini Enterprise ビジネスユニットを立ち上げます。
Infosys は、Infosys Topaz プラットフォーム内で Gemini Enterprise を活用し、Infosys のグローバルデリバリーチーム全体で 10 万人を超える Infosys の開発者に Gemini Enterprise を提供します。
KPMG は、ライフサイエンス企業に Gemini Enterprise をデプロイし、Workday と Google Cloud で構築された新しい Financial Close Companion エージェントをリリースします。
Kyndryl は、AI 対応の主権アプリケーション向けの Google Distributed Cloud サービスを拡大し、Google Cloud とのパートナーシップを強化します。
McKinsey は、McKinsey Google Transformation Group を立ち上げ、Gemini Enterprise を使用して企業の AI 成果を加速させます。戦略的専門知識と Google の AI スタックを組み合わせることで、組織がエージェントによる変革をスケールできるよう支援します。
PwC は、Google Cloud AI 専門のセンターオブエクセレンスを立ち上げ、組織の AI 導入の拡大を支援します。業界の専門知識と Gemini Enterprise を組み合わせることで、推論、行動、プロセスの自動化を大規模に行う AI エージェントをデプロイします。
TCS は、新しいエージェント型 AI サービスと Gemini Enterprise 専門のプラクティスを開始します。3,000 を超える業界に特化した AI エージェントと、Gemini Experience Centre のグローバルネットワークの拡大により、AI ネイティブの自律的な企業運営を加速させます。

Google Cloud はさらに、Accenture、Capgemini、Cognizant、Deloitte、HCLTech、PwC、TCS などの一部のグローバルパートナーにエンジニアチームを派遣し、お客様が自社内で AI エージェントのプロトタイプ作成とデプロイをより迅速に行えるよう支援します。Altimetrik、Artefact、Covasant、Deepsense、Distyl.ai、Northslope、Quantium、Tribe.ai、Tryolabs などの AI ネイティブサービスパートナーは、Gemini Enterprise のプラクティスを立ち上げ、サンドボックス開発、技術的なスキルアップ、紹介の機会のクレジットを受け取る予定です。

また、Google Cloud は、Accenture、BCG、Deloitte、McKinsey など、一部のパートナー様にモデルの早期アクセスを提供する新しいプログラムも展開します。これらのパートナー様は、Google DeepMind の今後のモデルのプレリリースバージョンをプレビューして、構築を開始できます。

一般的な SaaS プラットフォームを通じて Gemini をより多くのお客様に提供

世界をリードする多くのエージェント型 SaaS や AI プラットフォーム企業が、Gemini をすでに自社製品に統合しています。Cloud Next では、こうした統合を次のようにさらに拡大します。

Atlassian は、Gemini 3 Flash を Rovo に導入し、マルチモーダル機能を Confluence の Remix に統合することで、チームがテキストベースのドキュメントを忠実度の高い図やグラフに即座に変換し、関係者の意思決定を迅速化できるようにします。
Box は、Gemini 3 Flash と Gemini Enterprise を活用した新しい Box Agent をリリースします。これにより、企業は AI オーケストレーションを安全なコンテンツ管理ワークフローにネイティブに統合し、静的ファイルを実用的なインテリジェンスへと変換できます。
DocuSign は、Gemini を活用して、複雑な契約書を要約し、重要な条項を特定し、契約の言外の意味をユーザーが理解できるようにする新機能を提供します。
Oracle は、Gemini Enterprise 向け Oracle AI Database コネクタをリリースします。この新しいエージェントにより、エンドユーザーは Gemini Enterprise で Oracle データに関するビジネス上の質問を自然言語で行うことができるため、SQL を記述したり、基盤となるデータモデルを理解したりする必要がなくなります。
Palantir は、商用のお客様向けに Gemini と BigQuery のインテグレーションを追加し、お客様が最高水準のモデルを最も重要な AI ワークフローや業務に接続できるようにします。
Salesforce は、Atlas 推論エンジンにネイティブの Gemini サポートを追加します。これにより、Agentforce はテキスト、画像、動画など形式を問わず確認し、長年にわたる顧客履歴から複雑な問題を的確に解決できます。すでに数千ものお客様が Agentforce 内で Gemini を使用してプロンプトを作成した成果を基盤に、より迅速かつスマートな解決が可能になります。
SAP は、Gemini Enterprise を Engagement Cloud に統合し、AI を活用したカスタマーサービスと販売の分析情報とともに、画像やテキストを生成するクリエイティブツールを提供します。
ServiceNow は、自社の AI エージェントを Gemini Enterprise と統合し、世界最大規模の企業に自律運用を提供します。

エージェント時代のパートナーチャネルの構築

Google の新しいパートナープログラムである Google Cloud パートナーネットワークは、パートナー様がエージェントの時代に成功できるよう設計されています。昨年、Google は AI を使用してパートナーツール全体で深い分析情報を引き出せるようにしました。現在は、これらの分析情報を自律的な成長につなげるエージェント型ワークフローを構築しています。主な更新内容は次のとおりです。

Partner Agent: Partner Network Hub に統合されたこのエージェント型ツールは、パートナーエクスペリエンスの中央のオーケストレーターとして機能します。質問に答えるだけでなく、次のステップについて積極的にパートナーを導き、複雑なアセットを要約し、登録や作業明細書についてリアルタイムでコーチングします。
Agentic Earnings Hub: ここでは、作業明細書の下書きを自動で作成する新機能や、使用量のマイルストーンをモニタリングして請求リクエストを自動生成する新機能を確認できます。これらのツールを Earnings Potential Modeler と組み合わせると、コンテキストに応じて、利用可能なすべてのインセンティブを個々のクライアントレベルまでマッピングする推奨事項が提案されます。
パートナー検索ツール: このインテリジェンスをお客様にも拡張し、極めて具体的なワークロードに最適なパートナーを自然言語のプロンプトで特定できる会話機能を実現します。

最後に、Google Cloud の 2026 年パートナーアワードの受賞者をご紹介します。このアワードは、パートナー様が過去 1 年間にお客様にもたらした変革面の影響と素晴らしい価値を称えるものです。Google Cloud のエコシステムは、あらゆる業界のビジネスニーズに応えるために進化を続けています。Google Cloud のテクノロジーを使用してグローバル規模の複雑な課題を解決するパートナーの皆様の能力には、常に感銘を受けています。これらの優れた成果について詳しくは、パートナーアワード受賞者の一覧をご覧ください。

今週、数千人ものパートナーの皆様にお会いして、エージェント型エンタープライズの未来を一緒に構築できることを楽しみにしています。

- Google Cloud、グローバルエコシステム担当プレジデント、Kevin Ichhpurani

エージェントの未来を築く: メディアとエンターテイメント分野の Google Cloud パートナーエコシステムに注目

Fri, 24 Apr 2026 00:00:00 +0000

※この投稿は米国時間 2026 年 4 月 17 日に、Google Cloud blog に投稿されたものの抄訳です。

ラスベガスで NAB Show 2026 の開催が迫るなか、業界内の話題は変化しています。今は AI が機能するかどうかよりも、AI をいかにスケールさせるかに注目が集まっています。AI の試験運用の時代は終わり、本番環境グレードの実行の時代が到来しました。

Google Cloud は、スタジオや放送局がこの未来を単独で構築する必要はないと考えています。Google Cloud のミッションは、パートナー企業がアイデアを迅速にイノベーションにつなげられるエージェントプラットフォームと AI ツールやクラウドツールを提供することです。これは、編集スイートで使用するツールから、世界中の何百万人もの視聴者に動画を配信するテクノロジーまで、広範囲に及びます。

制作の強化: 手作業からインテリジェントなアシスタントへ

最新のクリエイティブワークフローは、手動の技術的タスクによってスピードが落ちることがよくあります。Google Cloud は、エコシステムのリーダー企業と協力して、高度な AI 機能を本番環境ソフトウェアのコアに直接統合しています。これにより、クリエイターは面倒な作業よりも、作品の芸術面に集中できます。制作チームは、クリエイティブスイート内で AI をプロアクティブなアシスタントとして活用することで、原案がフレームとして完成するまでの時間を大幅に短縮できます。

Avid は、Google Cloud 上で Content Core をリリースし、真のクラウドネイティブスタジオを提供しています。また、Media Composer にマルチモーダル AI 検索を統合しているため、編集担当者は自然言語を使用して必要なフレームを正確に見つけることができ、何時間もかかっていたログの検索が数秒で完了します。
Backlight は、制作から収益化まで、あらゆる規模のチームにとって複雑なメディアワークフローを簡素化します。Google Cloud と Video Intelligence API を基盤とする Backlight の Iconik プラットフォームは、アップロード時に検索可能なメタデータを自動的に追加します。お客様は、メディアライブラリを深く理解し、重複を減らし、アセットの配置を最適化することで、制作サイクルを最大 50% 短縮し、ストレージを最大 60% 節約できます。
Brahma AI は、小売、エンターテイメント、ヘルスケアの各分野で高忠実度のデジタルライクネスを推進するエンタープライズ AI コンテンツプラットフォームです。安全で管理されたフレームワーク内で、インタラクティブでインテリジェンス主導のデジタルライクネスを実現します。

コンテンツの価値向上: 静的なアーカイブからアクティブなアセットへ

データの価値は、そこから引き出せるインサイトによって決まります。Google Cloud Marketplace に掲載されているパートナー企業は、生成メディアモデルを使用して、膨大な静的アーカイブを検索可能で収益を生み出すエンジンへと変えています。Google Cloud は、すべてのフレームを検出可能にすることで、メディア企業が何十年分もの歴史を即座に機会に変えられるよう支援しています。

Ateme は、生成 AI を活用した新しい字幕ソリューションにより、グローバル配信を簡素化しています。このソリューションによって、さまざまなメディアタイプのローカライズにかかる手作業を大幅に削減できます。
Perfect Memory は、従来のストレージを、コンテキストを認識するナレッジエンジンへと変えるのに役立ちます。このプラットフォームは、アスリート、過去のイベント、感情のニュアンスの関係を理解し、膨大なメディアアーカイブをインテリジェントなライブラリに変換します。クリエイティブチームはあらゆるストーリーに最適なコンテンツを即座に探し出すことができます。
VionLabs は、Cineverse、Plex、Crunchyroll などの企業と連携し、AI を使用してコンテンツライブラリを分析、インデックス化することで、動画アセットへのアクセスを容易にし、メタデータの生成を可能にしています。Vionlabs は、各シーンの具体的なムードやスタイルを理解することで、ストリーミングプラットフォームが基本的なジャンル別タグの枠を超えて、より微妙な感情ベースのコンテンツの発見とマーケティングを実現できるよう支援します。

グローバルリーチへの拡大: シンプルなストリーミングから視聴者の拡大まで

この時代にメディア企業が成功するには、スムーズな視聴体験と簡単な支払い方法を提供する必要があります。Google Cloud のエコシステムは、信頼性と品質に優れた配信を通じて企業のリーチを拡大し、すべての視聴者の価値を最大化できるツールを提供しています。

Bending Spoons は、Google Cloud のグローバルな規模を活用し、Brightcove や Vimeo などの自社サービスを通じて、大企業、中小企業、次世代のクリエイターなどにプロフェッショナルグレードのツールを提供しています。同社のプラットフォームにより、グローバルブランドから独立系のストーリーテラーまで、誰もが質の高い動画を制作、配信できます。
Bitmovin は、ストリーミングサービスが効率的にスケールしながら、幅広いデバイスでプレミアムなエクスペリエンスを提供できるようにします。メディアチームは、リアルタイムのオブザーバビリティと AI による分析情報を組み合わせることで、エンゲージメントと収益化をプロアクティブに最適化できます。また、Bitmovin の高度なエンコードが、低ビットレートで優れた画質を実現し、需要の高いビデオオンデマンド（VOD）から大規模な 24 時間 365 日のライブ配信まで幅広くサポートします。
Evergent は、複雑な請求と収益化のワークフローを自動化し、AI を活用した収益管理を可能にします。メディア企業や通信企業は、Evergent のツールを使用して、個別の状況に応じたアジャイルな支払いオプションを用意することで、サブスクリプションの増加を最大化し、長期的な顧客維持率を向上させることができます。
Harmonic は、Grupo Globo などの大手放送局の業務のモダナイズを支援しています。新しいデジタル放送機能をクラウドベースのストリーミングソリューションに統合することで、リーダー企業が大規模な動画の処理と配信をより迅速かつ効率的に管理できるようにしています。

信頼性の確保: インフラストラクチャから信頼の基盤へ

高品質のコンテンツには、高性能の基盤が必要です。Google Cloud は、インフラストラクチャのリーダー企業と提携し、最も複雑なグローバルブロードキャストの安定性、安全性、応答性を確保しています。

Zixi は、プロフェッショナルな動画をあらゆるネットワーク上で移動するために必要となる放送レベルのトランスポートとワークフローの自動化を提供しています。Zixi は、制御の一元化と、配信プロセスに対する完全な可視性を提供することで、Fubo のようなリーダー企業が、信号が途切れるリスクを負うことなく、重要な放送品質のライブイベントを管理できるようにします。

エコシステムを実際にご覧ください

Google Cloud のエコシステムの強みは、メディアとエンターテイメントのあらゆる側面を統合していることです。カメラからクラウド、そして視聴者の画面まで、各パートナー企業が、よりクリエイティブで効率的、そして主体的なメディア業界の未来を体現しています。

4 月 19～22 日に開催される NAB Show で Google Cloud のブース（West Hall、#W2731）にお越しください。ライブデモやシアターセッションを通じて、多くのパートナー企業のソリューションをご覧いただけます。

- 通信、メディア、エンターテイメント、ゲーム担当グローバルリード、Anshul Kapoor

- Google Cloud、エンターテイメント業界ソリューション担当グローバルリード、Buzz Hays

エージェント型 AI で経費報告を自動化した SAP Concur

Wed, 22 Apr 2026 00:00:00 +0000

※この投稿は米国時間 2026 年 4 月 11 日に、Google Cloud blog に投稿されたものの抄訳です。

経費の自動化は、数十年にわたって「機械がテキストを読み取ることができれば、経費精算は可能である」というシンプルな前提に基づいていました。しかし、ポケットの中で丸まったレシートや、汚れがあったり、日焼けしたりしているレシートのスキャンを試みたことがある人は、情報の読み取りだけでは不十分であることがおわかりでしょう。都市名や明確な日付などの重要データが読み取れないと、機械は停止し、ユーザーが手動で入力しなければならないからです。

こうした従来の光学式文字認識（OCR）では対応できない課題を解決しようと、SAP Concur のエンジニアリングチームが取り組みを開始しました。業界の多くの企業がまだ会話型インターフェースの設計に注力していた頃、SAP Concur はより大きな変化を予見していました。同社は、効率性を飛躍的に高めるには、スキャン技術の改善ではなく、インテリジェントな推論が必要であることを早い段階で認識していたのです。

その結果、ExpenseIt のエージェント型 AI がアップグレードされ、テキストの読み取りだけでなく、一筋縄ではいかない複雑な推論も自動化されました。これにより、手動入力の手間が大幅に削減されました。出張中の社員は、受け取った領収書を写真撮影、デジタルスキャンのアップロード、またはメールでの転送を行うだけで、ExpenseIt によって内容が経費項目に正確かつ瞬時に変換されるため、日付の入力や明細の作成が不要になります。

このような次世代システムの実現に至るには、イノベーションの限界を超え、大胆な目標を短期間で実現したいという意欲を持つパートナーが必要でした。SAP Concur は、カスタムシリコンやデータプラットフォームから世界水準のモデルやエージェントに至るまで、あらゆるレイヤを共同設計できる唯一のプロバイダである Google Cloud と提携し、SAP Concur の先見的なロードマップと Google Cloud のフルスタック AI の力を融合させました。両社のチームは協力して、費用管理における真のブレークスルーを実現しました。つまり、領収書を読み取るだけでなく、出張者の状況を直感的に把握する AI エージェントです。

スピード、スケーラビリティ、創意工夫

標準的な経費の自動化は、領収書の記載内容を把握するのに優れていますが、記載されていない情報は把握できません。SAP Concur は、AI エージェントの登場を、自ら推論、判断、アクションを実施できるシステムを構築する好機と捉えました。

たとえば、「メインストリートカフェ」というレストランで昼食をとったときの領収書をアップロードした場合を考えてみましょう。この領収書には住所が記載されていません。以前は、こうした不足情報によって自動化が完全に中断され、続行するにはこのデータをユーザーが手動入力する必要がありました。

エージェント機能があれば、ベンダー名、経費の種類、出張日程データなどのコンテキスト上の手がかりの分析を通して、不足情報が補われます。SAP Concur は、人間のアシスタントのように考えられる AI エージェントを構築したいと考えていました。たとえば、「『メインストリートカフェ』と記載されています。このベンダーはダラス行きのフライトとテキサス州グリーンビルのホテルを予約しているため、この取引は同ベンダーの出張日程と一致しています。したがって、このベンダーはフランスのパリではなく、テキサス州パリのホテルの近くにあるレストランを利用した可能性が高いです」のように考えるエージェントです。

これを実現するために、チームはスタートアップのようなダイナミックなマインドセットで問題に取り組みました。長い開発サイクルではなく、迅速なプロトタイピングと大胆な問題解決に基づくコラボレーションを推進しました。

両チームは Google の Gemini モデルを活用して、認知アーキテクチャを基盤とする Receipt Analysis Agent を構築しました。

仕組みは次のとおりです。

取り込み: ユーザーは SAP Concur モバイルアプリで写真を撮影するか、デジタルスキャンをアップロードするか、デジタル領収書をメールとして転送します。
決定論的なコア: SAP の基盤となるテクノロジーは、何十年にもわたる世界のさまざまな経費処理を通して改良されてきました。このテクノロジーは、細かく調整されたロジックを適用して、領収書に記載された情報を高精度で抽出します。
インテリジェントなルーティングレイヤ: スキャンされた領収書のデータが明確な場合、追加のアクションをトリガーする必要はありません。データに不足がある場合（例:「場所が不明」）、ルーティングロジックによって、そのタスクが Receipt Analysis Agent に動的に転送されます。
コンテキストに沿った推論: Gemini モデルで構築された AI エージェントは、単に推測するだけでなく、ツールやグラウンディングを使用して不足している情報を推論します。ExpenseIt は、ユーザーの出張日程やビジネスカレンダーなどのグラウンディングデータとともに、領収書のデータの一部を AI エージェントにフィードします。
ReAct（推論とアクションのフレームワーク）: Receipt Analysis Agent は、ロケーション履歴と照らし合わせてベンダーを検証するなど、複数の情報を結び付けてから、経費の入力を完了します。

エージェント型 AI を搭載した ExpenseIt（Receipt Analysis Agent）

上の例に基づき、ExpenseIt は領収書の画像に場所が記載されていないことを特定すると、インテリジェントルーティングレイヤが Receipt Analysis Agentをトリガーします。エージェントは Gemini を使用して、不足している情報を特定し、コンテキスト上の関連する手がかりとユーザー固有のデータを分析し、出張関連の予約やカレンダーの予定などの情報に基づいて判断を下します。

AI エージェントを成功させるための主な設計パターン

Receipt Analysis Agent は、Google のシニアエンジニアである Antonio Gulli が執筆した実践的なガイド『Agentic Design Patterns』の基本原則に基づいて設計されています。この重要なガイダンスにより、SAP Concur は ExpenseIt を、領収書の記載データと、領収書に記載されていないデータを推論したものを正確に経費入力できるシステムに見事に変換しました。

まず、チームはルーティングパターンを実装し、すべての領収書が AI エージェントによって処理されないようにすることで、費用とインテリジェンスの両方を最適化しました。ルーティングアーキテクチャでは、受信するタスクが分類されます。具体的には、OCR の信頼スコアが高い領収書は標準の決定論的パスにルーティングされ、スコアが低い領収書（例:「場所が不明」）は Receipt Analysis Agent に動的にルーティングされます。

次に、自己検証パターンを適用して、エージェントが基本的な chatbot のように単に回答を生成するのではなく、パリをフランスではなく米国テキサス州の街だと特定した複雑な例で見られるように、複数の情報を照合して正確な判断を下します。このパターンでは、ジェネレーターと批判者による内部ループが使用されます。つまり、モデルが仮説（「ここはフランスのパリだと思います」）を生成し、次に批判者として、その内容を確立されている事実に照らし合わせて確認します（「出張日程にはテキサス州ダラスと記載されています。したがって、この仮説は間違っている可能性が高いです」）。

最後に、エージェントはツール使用パターンに従い、Concur Travel から得られる出張日程などのグラウンディングソースへの明示的な API アクセスを提供します。このアプローチにより、エージェントはハルシネーションを起こすことなく、正しい情報を取得できるため、システムはテキスト生成ツールではなく事実確認ツールとして機能することになります。

曖昧さに対応するアーキテクチャ: Google Cloud のエコシステムの優位性

このプロジェクトは、インテリジェントシステム設計における重要な転換点を示しています。SAP Concur は、決定論的なコアとエージェントによる推論レイヤを組み合わせることで、AI の最大の価値が多くの場合、手元にあるデータの処理ではなく、不足データの推論による取得であることを証明しました。このエンジニアリングの過程でもたらされた重要な変化は、モデルの活用方法の転換でした。チームは Gemini を生成インターフェースとして活用するだけでなく、ロジックエンジンとしてデプロイするようになったからです。

SAP Concur がこうした未来を構築するために、Google Cloud との連携を選んだ理由は何でしょうか？なぜなら、エージェントの真価が、世界をどれだけ深く理解しているかに左右されるのと同様に、デジタル世界を深く理解している企業は Google の他にはないからです。

今回のリリースでは Gemini の推論能力が活用されていますが、このパートナーシップにより、市場で他に類を見ないマルチモーダルかつフルスタックのインテリジェンスの未来が実現されるでしょう。たとえば、次のようなことが可能になります。

実世界でのグラウンディング: エージェントが領収書と Google マップのデータを照合して、ビジネスが実際にその場所に存在することを確認できるようになります。
スムーズなフロー: 将来的に Google ウォレットとのインテグレーションにより取引のタイムスタンプを瞬時に照合したり、Gmail とのインテグレーションによりホテルの明細書を自動的に表示したりできるようになります。
エッジインテリジェンス: Gemini Nano やサービスシステム Android AICore などのモバイルの進化により、最終的には機密性の高い処理がデバイス上で直接可能になり、ユーザーはデータをスマートフォン以外に送信することなく、プライバシーを確保しながら迅速に操作できるようになります。

SAP Concur は、世界の金融取引を支える専門分野の知識を持っています。Google Cloud は、トレーニングに最適化されたカスタム設計チップ（TPU）から、ユーザーが携帯するモバイル OS まで、AI スタック全体を提供しています。

次世代エージェントを構築する準備はできていますか？

ExpenseIt のような推論エンジンを構築するために、一から作り直す必要はありません。ここで説明するアーキテクチャパターン（ルーティング、自己検証、ツール使用）は、Google Agent Development Kit（ADK）にすでに組み込まれています。ADK は、ユーザーの皆様が「プロンプトエンジニアリング」から「システムエンジニアリング」に移行するのを支援するフレームワークとベストプラクティスを提供します。これらは、信頼性とスケーラビリティに優れ、企業に適したエージェントを構築するためのブループリントとしてご利用いただけます。

- Google AI スペシャリスト、Matt Wilkerson

- Google 主要アカウントエグゼクティブ、Jaime Serra

大手消費者インサイトブランドが Dataproc を使用して高度なパーソナライズを加速している方法

Tue, 21 Apr 2026 01:00:00 +0000

※この投稿は米国時間 2026 年 4 月 7 日に、Google Cloud blog に投稿されたものの抄訳です。

RVU には、人々を支援し、業界を変革するという明確かつ重要な使命があります。

当社が展開している Confused.com、Uswitch、Tempcover、Money.co.uk、Mojo Mortgages などの市場をリードする家計管理ブランドや乗り換え支援ブランドにおいて、何よりも重要なのは透明性と正確な情報です。昨今の消費者は、単純な比較表以上のものを求めています。つまり、各消費者の状況に合わせたパーソナライズされたおすすめを求めているのです。

その期待に応えるには、すべてのブランドを支える真のパーソナライズエンジンを構築する必要があります。また、それを実現するには高度な ML モデル向けに膨大で複雑なデータセットを処理できるデータ基盤が必要です。現在、当社のプラットフォームはすべてのブランドから収集した数十億のデータポイントを活用して最適化した、数百もの自動化されたパーソナライズキャンペーンを支えています。この大規模なプラットフォームの構築には、Google Cloud と、Google Cloud が提供する Apache Spark 向けの 2 つのソリューション（Dataproc と Google Cloud Serverless for Apache Spark）を活用しました。Google Cloud を採用したことで、当社の使命は現実のものになりつつあります。

特徴量エンジニアリングのための高速エンジン

当社と Google Cloud の関係は今に始まったものではありません。当社は 10 年以上にわたり、統合データプラットフォームとして BigQuery を使用しています。パフォーマンスマーケティングのバックグラウンドを持つ当社では、常に大量のデータを扱ってきました。しかし、自社はデジタルインフラストラクチャ企業ではないという認識は早い段階からありました。どこに価値があるのかに常に注目しなくてはならないため、インフラストラクチャやキャパシティの問題に悩む必要がなくなる BigQuery のようなマネージドソリューションは、創業当初から私たちにとってまさにうってつけでした。

主な課題は、全ブランドにわたり、顧客の行動を意味のある一貫した全体像にまとめることでした。無数の断片的なインタラクションを、ユーザーの行動、クリック、意思決定の方法をそのまま反映したデータに変換する必要があったのです。単独のイベントや集計ビューを頼りにするのではなく、これらのシグナルを、当社の ML モデルが活用できる有用なナラティブとして取り込むことができるプラットフォームを構築する必要がありました。

これを実現するために Dataproc を利用できたことは、実に画期的でした。Dataproc が最も効果を発揮したのは、主に ML モデル開発の特徴量エンジニアリングを目的とした、高速 Spark 処理エンジンとしての役割です。膨大な未加工の顧客データをデータサイエンスモデルが活用できる形へと変えていく「特徴量エンジニアリング」は、まさに当社の価値を高める要素であり、Google が大きな競争優位性を持つ分野です。

その結果、イノベーションの速度が大幅に向上しました。Serverless for Apache Spark を使用することで、わずか数日で特徴量エンジニアリング用に顧客データを整形できるようになりました。以前は数週間かかっていた作業です。製品化までの時間も、数週間かかっていたのが大幅に短縮されました。今では、チームに新たに加わった契約社員でも、探索的データ分析やすべての特徴量エンジニアリングを含むモデルをわずか 1 週間半で提供することができます。これはものすごいスピードです。

パーソナライズされたエクスペリエンスの提供

イノベーションのスピードを向上させることで、お客様やパートナーに、よりパーソナライズされたユーザーエクスペリエンスを提供できるようになりました。

Spark への移行後、高度なパーソナライズへの取り組みは加速しました。膨大な行動データやコンテキストデータを処理する大規模なデータ処理ジョブを実行して、真に有意義な予測を生成するモデルを構築できるようになりました。

これらのモデルは、お客様に何を言うべきかだけでなく、いつ、どのように言うべきかを理解できるようサポートしてくれます。これにより、適切なタイミングと適切なチャネルを選んで、お客様の心に響くパーソナライズされた情報を提供することができます。

未来のビジョンを築く

Google のデータクラウドは、価値を優先するという当社の文化とまさに合致しており、ビジネスに大きな影響を与えています。私はこれを、すべてが同じエコシステム内でシームレスに接続されるネットワーク効果と呼んでいます。当社のデータは BigQuery に存在し、そのデータを検証、拡充、変換する能力は Dataproc と Serverless for Apache Spark に紐付けられ、ML モデルをデプロイする機能はこのネットワーク全体に及んでいます。すべてが連携し統合されているため、当社の消費者ブランドのリアルタイムでの精度を高め、競争優位性を確保することができるのです。

エンジニアにとっての大きなメリットは、インフラストラクチャを扱う必要がないことです。クラスタやサーバーのネットワークを設定して相互に通信させる必要はなく、ボタンを押すだけで 10 分以内にすべてのデータを処理できます。非常に効率的で、データプロダクトの構築やイテレーションなど、より価値の高い作業に時間を割くことができます。

Dataproc のおかげで、スピード、スケール、アジリティが向上しました。また、AI を活用してイノベーションを起こし、高度なパーソナライズの未来を築くためのツールも提供されます。現在、RVU の最先端のテクノロジーとデータは、英国の何百万人もの消費者がよりスマートに十分な情報に基づいて意思決定できるようサポートし、まさに業界を変革しようとしています。

RVU の成功から何かヒントを得られましたでしょうか。Dataproc を使用した永続的なクラスタが必要な場合も、サーバーレス Spark のアジリティが必要な場合も、Google Cloud ならインフラストラクチャではなく価値に集中できるマネージドソリューションを見つけることができます。ユースケースに適した Google Cloud 上の Spark をご確認ください。

- RVU、データエンジニアリング責任者、Siddharth Dawara 氏

顧客事例

AI エージェント事例アワード開催！ 指示するから、自律する AI へ。

スケジュール

評価基準

表彰内容

日立「Gemini Enterprise 活用コンテスト」開催レポート ― 112 件の応募から選ばれた、現場を変える 10 の AI エージェント

112 件の応募から、現場発の 10 組が登壇

現場の「困った」から生まれた 10 のエージェント

受賞した 5 組と、審査員からの言葉

これからも、日立の挑戦とともに

Alphaevolve で分子発見を 4 倍に高速化した Schrödinger の事例

AlphaEvolve とのコラボレーション

評価指標

結果: 4 倍の高速化とボトルネックの解消

次なる進化

Atlas が Cloud SQL Enterprise Plus エディションにより数百の加盟店のデータベースをどうスケールしたか

課題: 標準エディションの枠を超えたスケール

Enterprise Plus エディションへの移行

効果: インフラストラクチャ管理ではなくイノベーションに注力

今後の展望: AI ファーストの未来

データベース アーキテクチャをスケールする準備はできていますか

英国の成長企業が AI 時代にどのようにビジネスを構築しているか

チームの強化: 英国企業の成長を支援する AI スキル向上リソース

AI の可能性からエージェント型の現実へ: 英国の新たな章を切り拓く

英国の企業と研究の新たなフロンティア

将来を見据えた公共部門の構築

中小企業とスタートアップの成長エンジンを強化

Platform 37 の Model Garden

エージェント型企業の青写真

共に未来を築く

Sakana AI: Gemini Enterprise Agent Platform をサービス基盤に全面採用し、日本発の斬新なマルチ エージェント サービスを実装

日本のスタートアップが実現した、新世代のマルチ エージェント AI モデル

「集合知」を活用できるプラットフォームを、Gemini Enterprise Agent Platform で構築

Google Cloud のサポートを受け、わずか半年でサービス ローンチに成功

Siemens が「象の切り分け」（細分化）により産業用ソフトウェア開発のエージェント ワークフローを推進

課題: 産業用ソフトウェアの複雑さ

解決策: ドメインを認識する Knowledge Fabric

「象の切り分け」: エージェント ワークフロー

パイロット運用の結果: エンジニアリングの迅速化と効率化を実現

使ってみる

グラフ技術を活用した信頼できるエージェント プラットフォームの構築: Yahoo の事例

ケーススタディ: エージェント型メディア購入

信頼できるアクション システムのアーキテクチャ

ナレッジグラフ: エージェントをビジネスの実態にグラウンディング

コンテキスト グラフ: 監査可能なメモリの作成

人間ができる範囲からエージェントならではの規模へ

あらゆる業種に適用できる設計

使ってみる

豊田自動織機ITソリューションズ: Gemini Enterprise を一斉展開し、業務効率化とナレッジ集積、人材の育成・確保を実現

激変する IT 業界の中でスタートした業務改革「TIIS-X プロジェクト」

PoV の成功を踏まえて、500 ライセンスを全社員に一斉に展開

Gemini Enterprise の活用は、新たなる価値創造に向けた切り札になる

Gemma で実現するデータ拡充のリアルタイム アーキテクチャ: Trustpilot の事例

大規模で高度なレビュー インテリジェンスを実現

オープンモデルをファインチューニングする理由

システム アーキテクチャ

パフォーマンス チューニング

課題

結果

「Google for Startups Accelerator: 中東、北アフリカ、トルコ」に新たに選出された企業の紹介

最新の「Google for Startups Accelerator: 中東、北アフリカ、トルコ」のコホートの紹介

成果を上げるためのカリキュラム

MENA-T の成長に向けた Google の取り組み

Urban Outfitters、Sterling OMS を AlloyDB for PostgreSQL に移行して大幅な費用削減を実現

ソリューション: AlloyDB for PostgreSQL

変革をもたらす転換

成功への道筋: 計画とテスト

その他の情報

Google Cloud AI を活用して、未知なる偉大な創造に挑むスタートアップ

多岐にわたるスタートアップのイノベーションをサポート

NVIDIA AI インフラストラクチャによるモデルのトレーニングと推論のサポート

Gemini Enterprise でエージェントを直接販売

Gemini Startup Forum のご紹介

Google for Startups AI エージェント チャレンジにご参加ください

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 エージェント事例アワード開催！指示するから、自律する AI へ。

データベースアーキテクチャをスケールする準備はできていますか

Sakana AI: Gemini Enterprise Agent Platform をサービス基盤に全面採用し、日本発の斬新なマルチエージェントサービスを実装

日本のスタートアップが実現した、新世代のマルチエージェント AI モデル

Google Cloud のサポートを受け、わずか半年でサービスローンチに成功

Siemens が「象の切り分け」（細分化）により産業用ソフトウェア開発のエージェントワークフローを推進

「象の切り分け」: エージェントワークフロー

グラフ技術を活用した信頼できるエージェントプラットフォームの構築: Yahoo の事例

信頼できるアクションシステムのアーキテクチャ

コンテキストグラフ: 監査可能なメモリの作成

Gemma で実現するデータ拡充のリアルタイムアーキテクチャ: Trustpilot の事例

大規模で高度なレビューインテリジェンスを実現

システムアーキテクチャ

パフォーマンスチューニング

Google for Startups AI エージェントチャレンジにご参加ください

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

Google Cloud パートナーとのエージェント型エンタープライズの構築と 7 億 5,000 万ドルのイノベーションファンド

グローバルコンサルティングパートナーが AI トランスフォーメーションを推進できるよう支援

エージェント時代のパートナーチャネルの構築

エージェントの未来を築く: メディアとエンターテイメント分野の Google Cloud パートナーエコシステムに注目

グローバルリーチへの拡大: シンプルなストリーミングから視聴者の拡大まで

大手消費者インサイトブランドが Dataproc を使用して高度なパーソナライズを加速している方法