パートナー

Red Hat OpenShift on Google Cloud を移行およびスケールする新しい方法

Thu, 09 Apr 2026 00:10:00 +0000

※この投稿は米国時間 2026 年 3 月 27 日に、Google Cloud blog に投稿されたものの抄訳です。

オンプレミスワークロードを実行している組織は、クラウドに移行する際に、難しい選択によく直面します。それは、ビジネスの基盤となるアーキテクチャの整合性を損なわずに、どのようにモダナイズするかということです。Red Hat OpenShift を使用すると、強制的なプラットフォームの再構築というリスクを負わずに、これらの環境を連携させることができます。Google Cloud は、OpenShift 向けの安全かつ信頼性の高い高性能なプラットフォームを提供し、グローバルスケールおよび独自の費用最適化インテグレーションを実現します。こうした強固な基盤に支えられ、Google はこのたび Red Hat との連携に関するいくつかのアップデートを発表しました。具体的には、Google Cloud Cluster Services for Red Hat OpenShift、新しいコンソールエクスペリエンス、OpenShift Virtualization on OpenShift Dedicated の一般提供が含まれます。これらのアップデートにより、Google Cloud の高パフォーマンスインフラストラクチャで、コンテナ化されたワークロードと仮想化されたワークロードを実行できるようになります。

Google Cloud インフラストラクチャによる費用の最適化

Google Cloud のグローバルインフラストラクチャは、パフォーマンス、スケーラビリティ、効率性を重視して構築されており、貴組織の最も重要なアプリケーションに活用できる世界クラスの基盤を提供します。この革新的なインフラストラクチャは、Red Hat OpenShift をデプロイする際に大きなメリットをもたらします。Deutsche Börse、Kohl’s、Salling Group、Amadeus、UPS など、数百もの企業のお客様が、Red Hat OpenShift on Google Cloud で本番環境ワークロードを実行し、Google の信頼性とセキュリティを活用されています。Google Cloud に移行することで、組み込みのテクノロジーを使用して総所有コスト（TCO）を削減し、インフラストラクチャをワークロードのニーズに合わせて最適化できます。

カスタムマシンタイプ: CPU とメモリを特定の要件に合わせて調整できるため、あらかじめパッケージ化されたインスタンスで未使用のリソースに対する料金の発生を回避できます。
Hyperdisk ストレージプール: パフォーマンスと容量を個別にスケールできるため、多数のボリュームの費用を一度に最適化できます。
Axion プロセッサ: Google のカスタム ARM ベースのプロセッサを使用して、費用対効果とエネルギー効率を高められます。

これらのツールを使用して得られる金銭的影響は明らかです。Red Hat OpenShift を Google Cloud に移行して得られるビジネス価値に関する IDC の最新調査では、組織が年間平均 2,630 万ドル相当のメリットを得ていることがわかりました。このメリットの大部分は、カスタムマシンタイプや Hyperdisk などのツールを使用してインフラストラクチャ費用を節約することで実現されました。

Google Cloud Cluster Services for Red Hat OpenShift のご紹介

Cluster Services for OpenShift は、Google Cloud のコアサービスとの OpenShift ネイティブインテグレーションを提供し、運用を簡素化します。Google は、お客様が既存のアーキテクチャとの整合性を維持しながら、クラウドネイティブな運用モデルをより簡単に導入できるようにしたいと考えています。オンプレミスで OpenShift を使用している多くのお客様にとって、ワークロードをクラウドに移行する際に、どうバランスをとるかが課題になります。アプリケーションの深い依存関係や企業ポリシーによる制約を満たしながら、クラウドの効率性を確保しなければならないからです。

Google Cloud Cluster Services for OpenShift では、マネージドサービスを選択して導入できるため、「オールオアナッシング」のアプローチから脱却できます。極めて重要な点は、これらのサービスは Google Cloud で利用可能なすべての OpenShift エディションでサポートされていることです。これは、セルフマネージド OpenShift エディションが必須のターゲットアーキテクチャである場合に特に重要になります。複雑なシナリオでも、組織がクラウドネイティブな運用モデルを活用できるようになるからです。

これらのインテグレーションは、Red Hat と Google Cloud が共同で設計およびサポートしており、責任の所在が明確になっています。このサービスには以下が含まれます。

マネージドサービスのインテグレーション: OpenShift の使い慣れたインターフェースから、Hyperdisk、Filestore、Cloud Monitoring、マネージド Prometheus、Secret Manager、Workload Identity 連携、Certificate Authority Service、Google Identity などのサービスへの深い連携が可能です。これらのサービスは、OpenShift のユースケース向けにカスタマイズされています。たとえば、1 TB 未満の Filestore インスタンスサイズの有効化や、OpenTelemetry 指標の取り込みのマネージド Prometheus でのサポートが挙げられます。
ミドルウェアとインテグレーションレイヤ: CSI ドライバ、OpenTelemetry、cert-manager、Secret Store CSI などの業界標準のプラグインと拡張機能を含む堅牢なスタックが提供されるため、ご利用になっているプラットフォームと基盤となるクラウドサービス間の OpenShift ネイティブなインテグレーションを確保できます。

環境を健全に保てるよう、Google Cloud Workload Manager を介した構成の検証も導入されています。このサービスは、マネージドサービスとのインテグレーションがベストプラクティスに準拠しているかどうかを自動的にチェックし、問題があればアラートを発します。また、マネージドサービスの使用によるクラスタのモダナイズの機会も通知します。

Google Cloud コンソールでのクラスタの作成

OpenShift の使用は、直感的に始められるべきです。そのため、OpenShift を Google Cloud コンソールに直接統合することで、ガイド付きのエクスペリエンスが実現されました。シンプルなインターフェースで新しいクラスタを作成できるようになったため、Google のプラットフォームで、環境をより迅速にデプロイできます。

Google Cloud コンソールでの OpenShift の操作性により、クラスタ作成の前提条件を確認し、Red Hat Hybrid Console にリダイレクトしてクラスタ作成を完了できるため、クラスタのデプロイが容易になります。

Red Hat OpenShift Virtualization で VM とコンテナを同時に実行

また、Red Hat OpenShift Dedicated on Google Cloud で利用できる Red Hat OpenShift Virtualization の一般提供も発表いたしました。OpenShift に含まれるこの機能を使用すると、同じプラットフォーム上でコンテナと並行して仮想マシン（VM）を実行および管理できます。Google Cloud ベアメタルインスタンスと Hyperdisk を使用することで、VM を以前の仮想化ソリューションから最新の Kubernetes ベースのコントロールプレーンに移行できます。さらに、OpenShift Virtualization on Google Cloud は、ベアメタルアクセスとハイパーバイザレベルの構成可能性により、最大レベルの柔軟性を提供します。これには、貴組織のワークロードに適したオーバーコミットをカスタム設定できる機能が含まれており、費用の最適化に役立ちます。OpenShift Virtualization on Google Cloud を使用すると、インフラストラクチャ管理を統合し、独自のペースでクラウドに移行できます。

始める

さまざまなコンポーネントとその可用性について詳しくは、Google Cloud Cluster Services for OpenShift に関するドキュメントをご覧ください。
新しいクラスタ作成方法をお試しになるには、Google Cloud コンソール上の OpenShift にアクセスしてください。
OpenShift Virtualization が VM ワークロードのモダナイズにどのように役立つかについては、OpenShift Virtualization に関するドキュメントをお読みください。

- プロダクトマネージャー、Pablo Osinaga

- スタッフソフトウェアエンジニア、Bharat Singh

Google Cloud Partner Tech Influencer Challenge 2026 実施のご案内

Tue, 07 Apr 2026 03:00:00 +0000

Google Cloud ではパートナー企業の社員の皆様による技術コンテンツの投稿を応援しています。2022 年より開始した「テクニカルブログチャレンジ」は、2025 年から「Google Cloud Partner Tech Influencer Challenge」と名称を変更し、ブログに限らない Web 媒体も対象として実施しています。

昨年は 2,500 を超えるコンテンツを投稿頂き大盛況だった本プログラムですが、2026 年度も実施させて頂きます。

本記事では 2026 年度の参加ガイドをご紹介します。

Google Cloud Partner Tech Influencer Challenge 2026 参加ガイド

期間：2025 年 11 月 1 日〜2026 年 10 月 31 日
対象：上記期間内に初めて投稿されたGoogle Cloud 技術コンテンツとします。技術コンテンツとは、Google Cloud と Google Workspace に関する検証内容、使い方Tips、アーキテクチャ説明を含めた導入事例等を指します。
対象投稿者：パートナー企業にお勤めの方であればエンジニア・非エンジニアは問いません。
投稿場所：自社のテクニカルブログサイト、自社ホームページ、または Qiita、Zenn、スライド共有サービスといった、Web 媒体（URL が存在して誰でもアクセスできるもの）にご投稿ください。テキストベースのブログコンテンツだけでなく、YouTube などの動画コンテンツも対象となります。
参加方法：エントリーフォームにてコンテンツの URL をご登録ください。1つのフォームで最大 10 の投稿をエントリーできます（1 記事ずつお送りいただいても問題ありません）。期間内であれば、新規の投稿を何回でもエントリーいただけます。

優秀コンテンツの発表

チャレンジ期間の終了後、後述の評価基準に応じて入賞企業および個人を選出いたします。選出されたコンテンツとその執筆者は本ブログで公開いたします。昨年の入賞コンテンツはこちらのブログをご覧ください。

またチャレンジ期間中に数回、ご応募いただいたコンテンツを厳選して紹介する特集記事も公開を予定しています。

評価基準

以下の賞を予定しておりますが、内容は変更となる可能性がございます。

企業の部

最優秀賞（発信数、昨年度からの伸び率によって選定）
Gemini Enteprise 賞（Gemini Enterprise の機能紹介や検証記事等の投稿数や内容によって総合的に選定）

個人の部

マルチメディア賞（ユニークなメディア媒体を用いていただいたコンテンツ）
Gemini 賞（Gemini による審査で特に優秀と判断されたコンテンツ）
Deep Dive 賞（製品技術についての How to や深堀りいただいたコンテンツ）

Google Cloud Next 特集のお知らせ

次回は 2026 年 4 月 22 〜 24 日にラスベガスで開催する Google Cloud Next に関する技術コンテンツの特集を予定しています。2026 年 5 月末までにご応募いただいたコンテンツから優秀なものを抜粋して本ブログで公開いたします。冒頭のエントリーフォームよりたくさんのご応募をお待ちしております。

Google Cloud と NVIDIA が GTC 2026 で業界全体に AI イノベーションを拡大

Tue, 24 Mar 2026 03:00:00 +0000

※この投稿は米国時間 2026 年 3 月 17 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 の時代により、企業インフラストラクチャのニーズは根本的に変化しています。組織が動的な推論と自律的な実行が可能なシステムを構築するにつれて、基盤となるインフラストラクチャも進化する必要があります。これらのエージェントワークロードを大規模な混合エキスパート（MoE）アーキテクチャとともにスケールするには、細部まで最適化された共同設計のスタックが必要です。

こうした需要に応えるため、Google は AI に最適化された Infrastructure as a Service である Google Cloud AI Hypercomputer を構築しました。これは、パフォーマンスが最適化されたハードウェア、最先端のソフトウェア、オープンフレームワーク、柔軟な使用量モデルを包括的な単一システムに統合したものであり、超低レイテンシ、高スループット、費用対効果の高い推論を実現します。この統合アーキテクチャ内でお客様にさらに多くのオプションを提供するために、Google は NVIDIA とのパートナーシップを拡大しています。

今週開催される NVIDIA GTC 2026 で、Google Cloud と NVIDIA はパートナーシップを拡大し、共同設計した AI インフラストラクチャ基盤を紹介する一連の新しい発表を行います。

インフラストラクチャとハードウェア

NVIDIA RTX Pro™ 6000 Blackwell Server Edition を搭載した Google Cloud G4 VM の勢い
NVIDIA vGPU テクノロジーを使用した、柔軟な分割式 G4 VM のプレビュー版 - NVIDIA RTX Pro™ 6000 Blackwell Server Edition では業界初
NVIDIA Vera Rubin NVL72 プラットフォームのサポート予定

ソフトウェアとプラットフォーム

NVIDIA Dynamo と GKE Inference Gateway のインテグレーション
Vertex AI Training と Model Garden 全体で NVIDIA のサポートを強化

エコシステム

公共部門向け AI スタートアップアクセラレータプログラムの開始

発表内容を詳しく見ていきましょう。

G4 VM で AI ワークロードを高速化

NVIDIA RTX Pro 6000 Blackwell Server エディション GPU を搭載した G4 VM は、高度な空間コンピューティングから完全な AI 開発ライフサイクルまで、さまざまな高パフォーマンスワークロードを強化するために構築されています。たとえば、Otto Group One.O や WPP などの企業は、G4 を使用して物理的に正確なシミュレーションやリアルタイムの 3D レンダリングを大規模に実行しています。

シミュレーション以外にも、G4 はモデルのファインチューニングと推論で優れた性能を発揮し、特に 300 億から 1,000 億以上のパラメータを持つモデルに適しています。4 ビット浮動小数点（FP4）精度と Google のピアツーピア（P2P）通信を活用することで、お客様はモデル提供のスループットの向上とレイテンシの大幅な削減を実現し、リアルタイムのマルチモーダル AI エージェントや応答性の高い生成 AI アプリケーションという新しいクラスを可能にしています。

お客様がすでに G4 VM のパフォーマンスと効率性を活用して、最も要求の厳しいワークロードを高速化させている例をいくつかご紹介します。

「Google Cloud の G4 VM は、膨大な量のフォトリアルなシミュレーションをパイプラインで処理するために必要とされる、スケーラブルな GPU バックボーンを提供してくれます。スループットが 4 倍に向上したことで、ML チームはより迅速にイテレーションを行い、より豊富なデータでトレーニングし、モデルが実環境に導入されるよりかなり前にエッジケースを検証できるようになりました。」– General Motors、AI / ML エンジニアリング担当ディレクター、Sony Mohapatra 氏

「NVIDIA Blackwell を搭載した G4 VM を使用することで、マルチモーダルモデルをさらに進化させられるようになりました。推論の高速化、信頼性の向上、言語を問わない即時応答などです。目標は変わりません。企業規模で機能する音声エージェントを、妥協せずに作成することです。今後も共同で開発を続け、お客様がこのツールをどのように活用されるかを楽しみにしています。」– ElevenLabs、共同創業者、Mati Staniszewski 氏

「Google Cloud G4 VM は、当社のロボット連携レイヤの計算バックボーンを提供し、物流センター全体で自律型フリートをミリ秒単位の精度で同期できるようにします。忠実度の高いデジタルツインで複雑な倉庫環境をシミュレートすることで、サプライチェーン全体を仮想的に最適化してから、ロボットに床を移動させることができます。」 - Otto Group One.O、CEO、Stefan Borsutzky 博士

「G4 VM に移行したところ、Terraform スクリプトを更新するだけで、処理レイテンシが 50% 削減され、スループットが 6 倍に向上しました。運用オーバーヘッドを追加することなく、コアワークロードのパフォーマンスをこれほど向上させることはめったにありません。」– Imgix、エンジニアリング責任者、Alfonso Acosta 氏

分割式 G4 VM の導入

このたび、AI およびグラフィックワークロード向けの非常に効率的で費用対効果の高いエントリーポイントとなる、分割式 G4 VM のプレビュー版がリリースされました。NVIDIA 仮想 GPU（vGPU）テクノロジーを使用したこれらの新しい構成により、NVIDIA RTX PRO 6000 Blackwell Server エディション GPU のパワーを柔軟かつ小規模な単位で活用できるため、アプリケーションの特定の需要に合わせてインフラストラクチャを適切なサイズに調整できます。

「企業は、複雑なエージェント型 AI ワークロードをスケールするために、前例のないほどの柔軟性を必要としています。NVIDIA は Google Cloud とともに、NVIDIA RTX PRO 6000 を搭載した分割式 G4 VM を導入し、お客様が GPU 容量のサイズを適正化して ROI を最大化できるようにしました。Vertex AI 上の NVIDIA NeMo から GKE の NVIDIA Dynamo まで、共同設計されたスタックにより、次世代の推論モデルと MoE モデル向けのオープンで高性能なプラットフォームを提供します。」- NVIDIA、ハイパースケール / HPC 担当バイスプレジデント兼ゼネラルマネージャー、Ian Buck 氏

高度なハードウェアへのアクセスをより細かく制御できるため、分割式 G4 VM はパフォーマンスを犠牲にすることなく、リソース割り当てを最適化してオーバーヘッドを削減できます。特定のニーズに合わせて、追加の GPU スライスサイズから選択できるようになりました。

1/2 GPU: LLM 推論、ロボットセンサーシミュレーション、高忠実度 3D レンダリングなど、より負荷の高いタスクに最適です。
1/4 GPU: 中程度のクリエイティブデザイン、動画のコード変換、リアルタイムのデータ可視化など、主流のワークロード向けに最適化されています。
1/8 GPU: リモートデスクトップ、生産性向上ツール、エントリーレベルのストリーミングサービスなどの軽量アプリケーションに最適です。

これらの柔軟な G4 サイズポートフォリオにより、次のことが可能です。

インフラストラクチャの適切なサイジング: 軽量なリモートデスクトップから集中的なデータ処理まで、GPU 容量をアプリケーションの需要に正確に一致させます。
費用効率を最大化: 特定のタスクに必要な分割 GPU リソースのみを利用して料金を支払うことで、運用オーバーヘッドを削減します。
多様なワークロードをスケール: 高忠実度のクリエイティブデザインやストリーミングから、複雑なロボットシミュレーションやリアルタイム推論まで、幅広いイノベーションを推進します。

これらの部分的な G4 VM は Google Kubernetes Engine（GKE）で管理できるため、開発者は高度なコンテナビンパッキングを使用して、さらに高い費用対効果とリソース使用率を実現できます。Dynamic Workload Scheduler を使用して管理する場合、分割スライスにフォールバックの優先順位を設定できます。これにより、スケジューラが各ワークロードで利用可能な GPU 構成を自動的に検出できるようになるため、取得可能性が大幅に向上します。

「G4 vGPU の柔軟なサイズ設定により、各分子シミュレーションの規模に合わせてコンピューティングリソースを正確に調整できるため、創薬パイプライン全体で最大限の効率を確保できます。このきめ細かい制御により、研究者は固定されたハードウェア構成に制約されることなく、小規模なワークフローと大規模な並列処理の間をシームレスに切り替えられます。」– Schrödinger、EVP、CIO、Shane Brauner 氏

NVIDIA Vera Rubin NVL72 で AI Hypercomputer をスケーリング

NVIDIA との緊密なエンジニアリングパートナーシップを基盤として、Google は NVIDIA Blackwell アーキテクチャの後継である、先日発表された NVIDIA Vera Rubin プラットフォームをサポートできることを誇りに思います。Google は 2026 年下半期に NVIDIA Vera Rubin NVL72 ラック規模システムをいち早く提供するクラウドプロバイダとなる予定です。このシステムを Google の AI Hypercomputer アーキテクチャに統合し、次世代の推論 AI とエージェント型 AI を強化します。

AI インフラストラクチャスタック全体で効率性を実現

Google は、完全にオープンなエコシステムへの取り組みの一環として、Dynamo と GKE Inference Gateway のインテグレーションを発表いたしました。これにより、アプリケーションレイヤとハードウェア全体にわたってモジュール式のオープンソースコントロールプレーンが提供されます。Dynamo と GKE の Inference Gateway を組み合わせることで、チームはインフラストラクチャを正確なニーズに合わせて調整し、アクセラレータから最大限の費用対効果を引き出し、新しい AI モデルの市場投入までの時間を短縮し、デプロイを将来にわたって保証できます。

A4X VM（NVIDIA GB200 NVL72 と Dynamo を搭載）向けの新しい高度なスケーリングレシピを通じて、大規模な MoE アーキテクチャのパフォーマンスを最大化する方法を学ぶことができます。これらの構成は、AI Hypercomputer で AI 推論ワークロードを実行する際に、メモリとインターコネクトのボトルネックを克服する方法を示しています。

また、Dynamic Workload Scheduler を通じてリソースの取得可能性を高めています。A4X および A4X Max（NVIDIA GB300 NVL72 搭載）の Calendar モードと Flex Start、および G4 VM の新しい Flex Start サポートが提供されます。Dynamic Workload Scheduler を使用すると、必要な容量を正確に予約したり、柔軟な開始ウィンドウを使用したりできます。

Google Cloud の長年の顧客である Snap は、主要なデータ処理パイプライン 2 つを NVIDIA L4 Tensor コア GPU を搭載した Google Cloud G2 VM に移行することで、大幅な費用削減を実現しました。これは、GKE 上の Spark と NVIDIA の新しい cuDF ライブラリを活用することで実現しました。cuDF ライブラリは、シャッフルを多用するワークロードの最適化を自動化し、GPU の効率を最大限に高めます。詳しくは、GTC セッション S81678 をご覧ください。

Vertex AI のトレーニングと Model Garden の進化

Google は、Vertex AI トレーニングクラスタの 2 つの主要なインフラストラクチャの進歩により、次世代 AI の需要に対応しています。まず、A4X VM ドメインのサポートにより、Vertex AI のマネージドインフラストラクチャとフレームワーク機能を活用して、NVIDIA GB200 NVL72 ラックスケールシステムで大規模なトレーニングを行うことができます。これらの集中的なワークロードが中断されないようにするため、新しいハードウェアの復元機能により、構成可能な事前対応型の障害検出スキャンを適用できます。これにより、潜在的なハードウェアの問題を特定して軽減し、重要な「ヒーロー」トレーニングの実行が中断されるのを防ぎます。これらの機能により、グッドプットが向上し、数週間にわたるトレーニングジョブが費用のかかる再起動なしで順調に進むようになります。

「私たちは Google および NVIDIA とともに、高性能で一貫性があり、正確で応答性の高い AI エージェントを提供するという、エージェント型エンタープライズの新たな基準を打ち立てています。NVIDIA GB200 NVL72 上の Vertex AI トレーニングクラスタを活用して Agentforce 360 プラットフォームを強化することで、インフラストラクチャのボトルネックを解消し、GPU を完全に飽和状態に保つことができました。この高パフォーマンスで復元力のあるアーキテクチャにより、研究者は大規模なイノベーションに集中でき、最も複雑な推論ワークロードで大きな成果を上げています。」- Salesforce、最高科学責任者、Silvio Savarese 氏

同時に、NVIDIA の Nemotron 3 ファミリーのオープンモデルのサポートにより、Vertex AI Model Garden の範囲を拡大し続けています。たとえば、Nemotron 3 Nano はワンクリックでデプロイできるため、プライベート VPC への統合が簡単です。また、カタログを拡大し、NVIDIA Nemotron 3 Super 120B モデルを追加しました。これにより、高性能な大規模推論にすぐにアクセスできます。これらのモデルの価値を最大限に高めるため、Google は NVIDIA の最新のパフォーマンスライブラリを Vertex AI に直接統合し、NVIDIA TensorRT-LLM で一般的なオープンソースモデルを最適化しました。

公共部門向けの AI スタートアップを支援

エコシステム内の継続的なイノベーションを促進するため、Google Public Sector と NVIDIA は AI スタートアップアクセラレータプログラムを開始します。この 1 年間のイニシアチブでは、公共部門向けのソリューションを構築する、AI に重点を置いた独立系ソフトウェアベンダー（ISV）の選抜されたコホートをサポートします。

参加者は、NVIDIA Inception と Google Cloud の ISV アクセラレータリソースの両方にアクセスできます。GTC で開始され、Google Cloud Next まで続くこの共同プログラムでは、ミッションクリティカルな公共部門アプリケーションをスケールするために必要な、共同設計されたインフラストラクチャ、技術ガイダンス、市場開拓サポートを、新興テクノロジーのリーダーに提供します。プログラムについて詳しくは、お問い合わせフォームにご記入ください。今後、他のコホートも選出され、発表される予定です。

共同エンジニアリングのコラボレーションが AI スタックのあらゆるレイヤを強化

複雑なエージェント型 AI への移行には、単なるコンピューティング能力以上のものが求められます。完全に最適化された共同設計のスタックが必要です。Google は、分割式 G4 インスタンスや今後リリースされる Vera Rubin プラットフォームなどの柔軟なハードウェアを AI Hypercomputer アーキテクチャに統合し、ソフトウェアの緊密な共同エンジニアリングと組み合わせることで、最も野心的な AI ビジョンを現実に変えるために必要なスケール、レジリエンス、効率性を実現します。

GTC に参加されますか？ブース番号 513 にぜひお立ち寄りください。詳細をご覧いただき、Google のチームと直接お話いただけます。Google と NVIDIA のコラボレーションの詳細については、cloud.google.com/NVIDIA をご覧ください。

-AI およびコンピューティングインフラストラクチャ担当バイスプレジデント兼ゼネラルマネージャー、Mark Lohmeyer

Google Cloud と SBIグループが共催「SBI AI Digital Summit」AI エージェントによる新たなビジネス価値創出の可能性を探る

Mon, 23 Mar 2026 03:00:00 +0000

2026 年 2 月 20 日、Google Cloud と SBI グループは、両社の戦略的パートナーシップの強化を目的として「SBI AI Digital Summit」を開催しました。午前中は「NotebookLM」や「Gemini Enterprise」を活用した実践的なハンズオンワークショップを実施し、午後には Google DeepMind や SBI グループ各社による実践的なユースケースのセッション、そして新入社員による熱気あふれるアプリ開発発表会が繰り広げられました。AI を「検討するフェーズ」から「実装するフェーズ」へと移行するグループ全体の強い熱意が示されました。本記事では、当日の熱気あふれる様子をお届けします。

開会挨拶と基調講演

オープニングを飾ったのは、SBIホールディングスの副島豊氏と、Google Cloud の綱田和功です。副島氏は、LLM が人間とシステムの自然言語によるコミュニケーションを可能にしたことで、「System of Engagement（顧客との関わり方）」の領域で大きな変革が起きており、今後は AI エージェント同士のコミュニケーションが人間の業務を置き換えていく可能性について語りました。続いて登壇した綱田は、世界最高峰の研究機関である Google DeepMind の研究成果をエンタープライズ企業に短期間で安全に届ける Google の強みや、エージェンティック・コマースの普及に向けた「Universal Commerce プロトコル（UCP）」などの標準化の取り組みを紹介しました。

SBIホールディングスの春木俊介氏のセッションでは、ローコード・ノーコードツールや SaaS に組み込まれた AI 機能を活用した業務効率化とペーパーレスの推進事例が紹介されました。業務の可視化から始め、AI エージェントを活用したデータの一元化や自動分析など、日々の業務における「小さな成功体験」を積み重ねることの重要性が説かれました。

AI Deep Dive

Google DeepMind の佐野大樹は、産業革命、情報革命に続く「知能革命」の本質が AI の自律化にあると解説しました。マルチモーダル AI である Gemini が「理解」「思考」の段階から、自律的にタスクを実行する「行動」の能力を獲得した最新モデル「Gemini 3」の圧倒的な進化と、電子透かし技術「SynthID」による責任ある AI 構築の取り組みについて紹介しました。

Google Cloud の庄司哲也は、生成 AI から AI エージェントへの進化について解説しました。AI がユーザーの意図を理解し、自律的に計画・行動・修正を繰り返す AI エージェントによってワークフロー全体を自動化することが経営インパクトを生み出す鍵であるとし、それを実現するためのエンタープライズ向けプラットフォーム「Gemini Enterprise」の多彩な機能とガバナンスについてデモを交えて語りました。

参加者からは、「AI の進化が非常に速い中、今回のセミナーで現状の整理とグループの方向性を確認できたのは非常に良い機会でした」といった感想が寄せられ、最新技術への期待の高さがうかがえました。

SBI グループの AI トランスフォーメーション

SBIホールディングスの Labiblais Rahman 氏のセッションでは、AI を使いこなせる組織へと進化するための独自のフレームワークが紹介されました。組織におけるAI普及の鍵として「ビジネスギャップ」「プロンプティングスキル」「AIパフォーマンス」の3つを提唱。とりわけ、大きな正解を一つ探すことに固執せず、現場の小さな課題を AI で着実に解決していくアプローチに参加者の関心を集めました。

また、SBIホールディングスの森田大輝氏は、「デジタル従業員」としての AI エージェントを内製開発し、ゆくゆくはグループ外へ「AI エージェント派遣」という新しいビジネスとして展開していく壮大な構想や、ネット証券における顧客体験の変革について発表しました。

熱気あふれるアワード

後半の目玉は、「SBI AI Digital Award 2026」と「AI Agent 選手権」の表彰式です。

SBI AI Digital Award 2026 は SBIグループ内でビジネスに大きなインパクトを与えた取り組みが表彰され、受賞者による素晴らしいプレゼンが行われました。

見事「Google 賞」に輝いたのは、SBI ホールディングスの齊郷遥南氏、鍋倉由樹氏による「クリエイティブ制作エージェント」です。分析から制作、さらに法律やブランドガイドラインに基づく審査までを AI エージェントで一気通貫で行うという、Gemini Enterprise などをフル活用した見事な実装でした。

（写真左から）Google Cloud　綱田和功 / SBI ホールディングス齊郷遥南氏 / SBI ホールディングス鍋倉由樹氏

優秀賞を受賞した SBI いきいき少額短期保険様、SBI ペット少額短期保険様は、ペット保険の支払い査定業務に AI を導入し、処理時間を半減させるなど、大きな業務時間削減の成果を発表されました。

社内の現場主導の変革を促す「AI Agent 選手権」の表彰式では、実用性の高いエージェントが多数表彰されました。ニュースから自社の株価変動要因を予測するボットや、毎日の人事関連法改正ニュースをピックアップするツールなどが高く評価されました。また、「AI を使って何かできないか」という曖昧な相談に対して最適な社内ポータルの情報を案内する「AI活用-あいまい検索」など、現場の悩みに寄り添ったアイデアも最優秀賞に輝きました。

白熱の未来志向チャレンジ

続いて行われた「未来志向チャレンジ発表会」では、54 名の新入社員が半年間かけて取り組んだ生成 AI アプリ開発の中間報告が披露されました。グループを横断した最適な金融商品を提案する営業支援 AI「SBI Bridging AI」、社内の暗黙知を形式知化する「先輩 AI（senp-AI）」、過去のインシデント情報を統合・分析する「SBI AI Incident Dashboard」など、現場の課題に直結したアプリがデモンストレーションを交えて次々と発表されました。

アンケートでは、「新入社員のプレゼンが想定以上によかった」「AI に対する会社の熱量を感じた」といった声が多数寄せられました。新入社員の熱意とアプリの高い完成度は、参加したシニア層の期待を大きく上回り、組織全体の AI 推進への強い刺激となりました。

まとめ

最後に、SBIホールディングス CTO の木村紀義氏が閉会の挨拶に登壇しました。社内の DX 化に対する課題認識を示すとともに、新入社員の積極的な提案を称賛しました。そして、「来年度は全社を挙げて本気で AI を活用し、金融ビジネスに大きな変革をもたらすための徹底的な投資を行っていく」という強力なコミットメントが示されました。

今回のイベント「SBI AI Digital Summit」は、参加者から「現場感溢れる実践的な発表が多かった」と高く評価され、SBI グループが AI と共に新たなビジネス価値を創出していく「AI ネイティブ」な組織へと進化する強力な推進力となりました。

Google Cloud は今後も、SBI グループのベストパートナーとして、AI を活用したビジネス変革を強力に支援してまいります。

自律型ネットワークの加速: Google Cloud と DigitalRoute が AI 向けのデータ準備を簡素化

Thu, 19 Mar 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 3 月 5 日に、Google Cloud blog に投稿されたものの抄訳です。

レベル 4 とレベル 5 の自律型ネットワーク運用（ANO）を実現するために、通信業界では、予測メンテナンスが可能な自己修復および自己最適化型ネットワークの構築に向けて AI の活用が加速しています。

しかし、そこには大きな障害があります。それは、AI の品質は AI に供給されるデータの品質に依存するということです。業界が AI エージェント、大規模言語モデル（LLM）、AIOps に注目する一方で、基盤となるデータは依然として乱雑で断片化されたままです。分断されたデータでは、有効な AI モデルを構築できません。

このたび、Google は、データ利用と収益化のプラットフォームプロバイダである DigitalRoute との新たな共同取り組みを発表いたします。これは、業界最大の障壁の一つであるデータの準備を解決することを目的としています。Google は、未加工の混沌としたネットワークノイズを高品質の「AI 対応」データへと変換する、再利用可能なデータパイプラインをリリースし、次世代の自律型エージェントを実現します。

「データスワンプ」からデジタルツインへ

AI エージェントがネットワーク異常を解決するには、まず環境を理解する必要があります。現代の通信ネットワークにおいて、次の 4 つの理由から、これはエンジニアリング上の大きな課題となっています。

形式の不一致: ネットワークデータは、ベンダーやドメインごとに異なる数十種類の独自形式（例: ASN.1、XML、CSV、バイナリ）で届きます。AI は「翻訳者」なしにこれらを読み取ることはできません。
ボリュームと速度: 5G ネットワークでは、毎日数十億件の請求データとイベントデータのレコードが生成されます。これを超低レイテンシでリアルタイムに処理することは、従来のメディエーションシステムには不可能です。
スキーマの進化: ネットワーク機能がアップグレードされるたび、または新しい 5G 機能がロールアウトされるたびに、基盤となるデータ構造が変化します。これは通常、従来のデータシステムを「破壊」します。
相関関係の複雑さ: 1 つの顧客セッションが複数のネットワーク要素にまたがって断片化されることがよくあります。これらの断片をつなぎ合わせなければ、AI は実際のカスタマーエクスペリエンスを理解するためのコンテキストを欠くことになります。

その結果、「データスワンプ」と呼ばれる、AI モデルが効果的に使用できない未精製情報が大量に生まれます。

ソリューション: データ準備のためのクラウドネイティブなアーキテクチャ

この課題に対処するため、Google は DigitalRoute と連携して、従来の通信プロトコルとクラウドネイティブインテリジェンスを橋渡しするソリューションを設計しました。Google Kubernetes Engine（GKE）で DigitalRoute の Usage Engine Private Edition を実行することで、エッジとクラウドのロケーション間で動的にスケールする再利用可能なパイプラインを作成しました。

このアーキテクチャには、3 つの明確な利点があります。

エッジとコアでの正規化: 複雑なバイナリメッセージを統一された共通データモデルにデコードし、ストレージに到達する前に無関係な「ノイズ」を除外します。これにより、ダウンストリーム AI がベンダー固有の制約から切り離され、データの下り（外向き）の費用が大幅に削減されます。
「デュアルパス」戦略: 正規化されたデータは、次の 2 つの専門的な環境に流れます。

リアルタイムの運用向け: データは Spanner に push され、「ネットワークデジタルツイン」が構築されます。これにより、AI エージェントはネットワークトポロジの経時変化を辿り、迅速に根本原因を分析できます。
長期的な分析向け: 履歴データは BigQuery に流れます。BigQuery はサーバーレスで瞬時にスケールできるため、運用担当者はインフラストラクチャを管理することなくペタバイト規模のネットワークトラフィックを分析し、「データプロダクト」を Vertex AI に直接フィードしてモデルを迅速にトレーニングできます。

コンテキスト化された加入者トレース: ネットワークと加入者トレース分析（NSTA）ソリューションにより、タイムスタンプと識別子に基づいてさまざまなノードからのメッセージを整列させます。これにより、一貫性のある時系列のセッションフローが構築され、AI エージェントは加入者のジャーニーのエンドツーエンドのコンテキストを把握できるようになります。

このアーキテクチャにより、AI エージェントが Spanner で光ファイバーの切断に準リアルタイムで対応する必要がある場合でも、BigQuery と Vertex AI で来月の容量不足を予測する必要がある場合でも、常に一貫した高品質のデータを利用できます。

データから成果へ: 自律型エージェントの実現

このパートナーシップは、本番環境レベルの AI ユースケースを実現することを目的としています。これらの再利用可能なパイプラインを確立することで、次の基盤が提供されます。

迅速な異常検出: ベースラインデータは整合性があり、ノイズがないため、エージェントはネットワークパフォーマンスのわずかな逸脱を検出できます。
自動化された根本原因分析: 障害が発生した場合、エージェントは無線アクセスネットワーク（RAN）の問題とコアのトレースデータを即座に相関させ、修正箇所を特定できます。
予測メンテナンス: 運用担当者は、BigQuery の履歴データを使用してグラフニューラルネットワーク（GNN）をトレーニングし、数日先の容量のボトルネックを予測できます。

自律型ネットワークのミッション遂行を加速

データ準備こそが、「研究プロジェクト」に終わるか、本番環境グレードの自律型ネットワークになれるかの分かれ目です。今、取り込みレイヤを標準化することで、通信事業者は将来の AI 主導のネットワークに不可欠な基盤を構築できます。

さっそく始めましょう。

Google Cloud セールスチームにお問い合わせのうえ、データ準備のワークショップのスケジュールを調整し、自律型ネットワーク運用に関するリファレンスアーキテクチャをご確認ください。
GKE 上の Usage Engine が、特定の形式の不一致やボリュームの問題をどのように解決できるかについては、DigitalRoute にお問い合わせください。

- グループプロダクトマネージャー、Manisha Gupta

- シニアプロダクトマネージャー、Naresh Rao

自律型ネットワークの台頭: GraphML が通信事業者の運用手法を再定義する方法

Thu, 19 Mar 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 3 月 5 日に、Google Cloud blog に投稿されたものの抄訳です。

現代の通信は複雑さが爆発的に増大しています。通信サービスプロバイダ（CSP）は、静的で孤立したネットワークを管理するのではなく、5G 無線アクセス、伝送ファイバー、エッジコンピューティング、集中型クラウドコアにまたがる大規模な多層エコシステムをオーケストレートしています。

この複雑さを管理するために、CSP は自律型ネットワークを構築しています。自律型ネットワークとは、AI、ML、クローズドループの自動化を使用して、人による介入を最小限に抑えながら、自己構成、自己最適化、自己修復、自己保護を行う自己管理型の通信ネットワークです。Google Cloud の自律型ネットワークフレームワークに照らした場合、自律型ネットワークの重要な構成要素は、忠実度の高いリアルタイムのデジタルツインと言えます。ネットワークデジタルツイン上でグラフニューラルネットワーク（GNN）などの高度なグラフ ML（GraphML）を使用し、ライブネットワーク上の潜在的な問題を分析、予測し、事前に修復できます。

このアプローチは Google では新しいものではありません。これは、Google が地球規模のネットワークを管理し、Waymo の自動運転車テクノロジーのような複雑なシステムを運用するために使用しているアーキテクチャの哲学と同じです。GraphML は、周囲の世界のジオメトリと、その中のオブジェクトの関係を理解することで、安全な自律的決定を可能にします。現在、Google は GraphML ベースの AIOps ソリューションプロバイダである NetAI との戦略的コラボレーションを通じて、この関係認識インテリジェンスを通信業界にもたらしています。Mobile World Congress（MWC）2026 では、スペインの通信プロバイダである MasOrange が、フルマネージドの AIOps を推進する方法としてこのコンセプトを探求するための概念実証を紹介しています。

デジタルツインの基盤: ネットワークのモデリング

自律型ネットワークを構築する最初のステップは、静的なインベントリから動的なデジタルツインに移行することです。

従来の運用モデルは、断片化されたデータレイクに依存しており、トポロジは多くの場合、単なるテーブルにすぎません。Google のフレームワークでは、Spanner Graph を使用してネットワークの動的なデジタルツインを構築し、ライブネットワークの関係とトポロジを明示的にモデル化します。このデジタルツインは、数十億もの依存関係を捉えます。たとえば、特定の光トランスポンダーが特定の IP インターフェースに対応する方法、さらにはその IP インターフェースが顧客の 5G スライスに対抗する方法を正確にマッピングします。

このグラフ構造は可視化のためだけのものではなく、高度な GNN ベースの AI モデルの入力としてトポロジコンテキストを提供します。

GNN と従来の ML

長年にわたり、業界では従来の ML をネットワーク運用に適用してきましたが、その結果はまちまちでした。GNN が自律型ネットワークに最適な選択肢である理由を理解するために、従来のメソッドと比較して GNN がデータをどのように処理するかを見てみましょう。

ランダムフォレストや基本的なディープラーニングなどの標準的な ML アルゴリズムは、一般的にネットワークデータを簡略化されたフラットなベクトルまたは切断された時系列シーケンスとして解釈します。この視点から、次のようなモデルが作成されます。

トポロジを考慮しない: 標準モデルは、ネットワークトポロジを本質的に理解していません。ルーター A がスイッチ B に物理的に接続されていることを「認識」していないため、ネットワーク障害の最も重要な特徴の一つである伝播を見逃してしまいます。
症状ベース: 従来の ML モデルは、指標の急上昇を検出すること（異常検出）に優れていますが、その理由を理解することは苦手です。
因果関係ではなく相関関係を検出する: これらのモデルは統計的相関関係に依存しています。CPU 使用率がパケットロスと同時に急上昇した場合、両者には関連性があると仮定します。しかし、複雑なネットワークでは、相関関係は偶然であるか、遠く離れた障害の下流の症状であることがよくあります。

GNN は構造を認識するため、根本的に異なります。そのため、次のことが可能になります。

ネイティブなトポロジ処理: GNN はネットワークグラフを直接取り込みます。ノード上のデータを見るだけでなく、ノード間の接続を処理します。
決定論的推論: GNN は、統計に基づいて推測するのではなく、メッセージの受け渡しを使用します。ファイバーの切断が発生すると、モデルはデジタルツイン内の既知の物理パスに沿って「障害信号」を数学的に伝播させ、どの上位レイヤサービスが失敗するかを正確に予測します。
正確な異常検出: GNN は近隣ノード間の関係を理解することで、ローカルな異常（1 つのルーターの障害）と構造的な異常（サブグラフの障害）を区別し、偽陽性を大幅に削減できます。

Google の自律型ネットワークスタック上の NetAI GNN

技術スタック: Google tf-GNN と NetAI

MasOrange の概念実証は、Google のインフラストラクチャと NetAI のドメイン専門知識を組み合わせた統合スタックである GraphML を調査したものです。

Google tf-GNN ライブラリ: Google が開発し、オープンソース化した TensorFlow GNN（tf-GNN） は、大規模な GNN を構築するために設計された、本番環境でテスト済みのライブラリです。これは、Google が自社プロダクトの複雑なグラフ構造を分析するために使用しているものと同じクラスのモデリングであり、開発者はグラフデータを簡単に操作して大規模な GNN モデルを構築できます。
NetAI のファインチューニング: NetAI は、これらの基本的な tf-GNN モデルを調査し、Google とのコラボレーションにより、通信のユースケースに大幅に特化した高度な GNN モデルを開発しました。たとえば、ファインチューニングされたモデルは、BGP セッションのフラップ、光信号の劣化、輻輳によるレイテンシの区別など、特定の通信事業者の動作を理解します。
マネージド AIOps: NetAI は、自動化されたネットワーク検出とグラフ構築から最終的な根本原因分析まで、エンドツーエンドのライフサイクルを処理するフルマネージドプラットフォームにこれらのモデルをラップします。

エグゼクティブの視点

「事業を拡大するにつれて、数百万もの相互接続されたコンポーネント全体で根本原因を特定できる機能は、もはやオプションではなくなりました。この GraphML を活用したアプローチで Google Cloud と NetAI と提携することで、オブザーバビリティを、サービス信頼性を確保するための先回り型の仕組みに変換し、探求できるようになります。」- MasOrange、オブザーバビリティおよび自動化担当責任者、Roberto González Librán 氏

「当社の自律型ネットワークフレームワークは、現代の通信事業者の膨大なデータ需要に対応するように設計されています。GraphML の機能を NetAI などのパートナーと統合することで、真に自律的で自己修復型のネットワークを運用するために必要な決定論的推論を CSP に提供しています。」- Google Cloud、ネットワーキング担当バイスプレジデント兼ゼネラルマネージャー、Muninder Sambi

もっと詳しくお知りになりたい場合

自律型ネットワークへの移行には、より優れたモニタリングだけでなく、インフラストラクチャのモデリングと推論の方法の根本的な変革が必要です。

ぜひ GraphML を試してみてください。GNN を活用したデジタルツインがネットワーク運用をどのように変革できるかについては、Google Cloud アカウントチームまたは NetAI までお問い合わせください。

- Google Cloud 通信エンジニアリングチーム

- NetAI

Google Cloud のお客様が構築した優れたソリューション（2 月版）: Team USA のテック、通信会社のデータ刷新、ゴールデンステートの「G.O.A.T.T.」

Tue, 17 Mar 2026 01:30:00 +0000

※この投稿は米国時間 2026 年 2 月 27 日に、Google Cloud blog に投稿されたものの抄訳です。

AI とクラウドテクノロジーは、世界中のあらゆる業界のあらゆる分野を変革しています。お客様がいなければ、Google Cloud は存在しなかったでしょう。お客様こそが Google のプラットフォームで未来を築いている存在だからです。このシリーズでは、ビジネスを根本から変え、業界を形作り、新しいカテゴリを生み出しているエキサイティングなプロジェクトの数々を取り上げます。

今回の最新号では、Google Cloud がスキー＆スノーボード米国代表向けに AI 搭載のトレーニングツールをどのように構築したのかをはじめ、Vodafone と Fastweb の新しいデータ活用の取り組み、John Lewis Partnership のデベロッパープラットフォームの評価、ゴールデンステートウォリアーズの AI 活用ハンドブック、Hackensack Meridian Health における健全で安定したネットワーク運用、そして Ab Initio が AI 用のデータにより良いコンテキストをもたらす取り組みまで幅広く取り上げます。

来年改めてチェックして、さらに多くの業界のリーダーや注目のスタートアップが Google Cloud テクノロジーをどのように活用しているかをご確認ください。また、まだご覧になっていない場合は、Google のお客様による 1,001 件の実際の生成 AI ユースケースのリストをご確認ください。

AI で米国代表チームをさらに強く

対象: Google Cloud は、今年 2 月にイタリアで開催される冬季オリンピックに向けて、スキー＆スノーボード米国代表チームのための AI 搭載トレーニングツールの開発に取り組みました。

取り組み: スノーボーダーの Maddie Mastro 選手やフリースキーヤーの Alex Hall 選手など、米国代表チームのアスリートたちが競技で優位に立てるようにするとともに、オリンピックに向けて彼らの大胆なトリックに潜む物理法則を解き明かすため、Google Cloud は業界初となる AI 搭載の動画分析プラットフォームを構築しました。このプラットフォームでは、空間知能に関する研究を基に Google DeepMind が開発した独自モデルが活用されています。このツールの目的は、スキー＆スノーボード米国代表チームの選手たちが、トリックの完成度を高めると同時に自信を深められるよう支援することです。

意義: Google Cloud ツールを使用すると、リフトで山頂に戻るまでの間に、各技の完全な分析、過去の取り組みとの比較、次回改善できる点に関する膨大なメモやヒントを確認できます。このツールを開発した主な理由はアスリートのパフォーマンス向上でしたが、安全性の確保もそれに次ぐ重要な目的でした。身体の動きをより正確に把握できるようになれば、事故やけがの予防にもつながります。240 人の選手を擁するチームでは、数十人がけがで離脱する可能性もあるため、これは極めて重要です。

コメント:「以前は、友人に電話して『5 年前のあのトリックの映像、持ってる？』と聞き、ビデオを行き来しながら比較していました。でもこのツールなら違います。過去の滑走を取り込み、今の分析に生かすことができます。スロー再生して、その瞬間に頭や体がどの位置にあるのかを正確に確認できるのです。重要なのは、そうした細かな動きをリアルタイムで見て理解できることです。」– 米国オリンピック代表 5 回参加者 / 金メダル 3 回受賞者、Shaun White 氏

Google Cloud × Team USA - 技術の舞台裏

Fastweb + Vodafone: データワークフローを再構築

対象: 2025 年に Swisscom が Vodafone Italy を買収したことを受け、欧州の通信業界をリードする両社は、顧客へのサービス提供のあり方を見直し、モバイル、ブロードバンド、デジタルの各チャネルで、タイムリーかつパーソナライズされた体験を届けたいと考えました。

取り組み: 両社はすでに BigQuery を使って顧客データワークフローのモダナイズを進めていましたが、エコシステムを統合したことで、既存構成の限界が見えてきました。そこで、すべてのチャネルが正確な顧客データにリアルタイムでアクセスできるよう、Spanner をサービスおよびガバナンス層として導入しました。これにより、低レイテンシでの参照、水平方向のスケール、高可用性を実現し、運用負荷をほぼゼロにできるフルマネージド環境を整備しました。また、Gemini を活用し、コードから直接分かりやすいドキュメントを生成することで、手作業にかかっていた時間を大幅に削減しています。

意義: Spanner Graph を利用することで、プラットフォームが実際にどう動いているかに即した形で、データリネージを可視化できるようになりました。具体的には、どのテーブルがどのジョブを動かしているのか、変換処理がどのように連鎖するのか、依存関係がどこにあるのかといった点を把握できるようになっています。コールセンターでは、より完全で最新の顧客情報を確認できるようになり、デジタルチャネルでは、カスタムインテグレーションなしでも整合性のあるデータを利用できるようになりました。また、パートナーは、Apigee を通じて必要な情報に低レイテンシでアクセスできるようになりました。

Fastweb + Vodafone のコメント:「Google Cloud サービスで Customer 360 プラットフォームを再構築したことで、Fastweb + Vodafone の業務の仕組みは大きく変わりました。ワークフローのモニタリングが簡素化され、パイプラインがより効率的になり、リアルタイムのサービス提供が一般的になりました。」– Fastweb + Vodafone、IT AI 導入およびプラットフォームエンジニアリングリード、 Vincenzo Forciniti 氏

John Lewis がデベロッパープラットフォームの価値を測定

対象: John Lewis Partnership は、John Lewis の百貨店と Waitrose のスーパーマーケットを展開する英国の大手小売企業です。同社はデジタルトランスフォーメーションを推進するため、John Lewis Digital Platform（JLDP）を構築し、johnlewis.com 向けに高品質なソフトウェアを開発する数十のプロダクトチームを支えています。

取り組み: John Lewis は、単純な利用状況の指標にとどまらず、プラットフォームが生み出す本当の価値を測るための、より高度で多段階の手法を整備しました。当初は「オンボーディングに要する時間」のようなスピード重視の指標で測っていましたが、その後は DORA 指標に加え、DX プラットフォームを通じたエンジニアの主観的なフィードバックも組み合わせた包括的なモデルへと移行しました。さらに、35 以上の健全性指標（Kubernetes のベストプラクティス、セキュリティ、運用準備状況など）を小規模な自動ジョブで継続的にモニタリングする独自の「Technical Health（技術的健全性）」機能も導入しています。これにより、各チームは「信号機」を見るかのようにサービスの状態をリアルタイムで把握できます。

意義: 活動量ではなく価値に焦点を当てたことで、必須だから使うツールであることにとどまらず、開発者の手間やつまずきを実際に減らしていることを確認できました。また、自動化された Technical Health チェックにより、プロダクトチームは技術的負債やセキュリティ上の脆弱性を先回りして管理できるようになりました。その結果、中央の運用チームが個々のサービス運用に集中する必要が減り、インシデント解決（MTTR）の短縮、障害の減少、そして大幅なコスト削減につながっています。

コメント:「測定は、到達点ではなく旅の過程です。まずは関係者にとって意味のある指標を測ることから始めつつ、プラットフォームの進化に合わせて柔軟に見直していく準備もしておくべきです。プラットフォームの実現可能性を示す段階で重要だったことが、数年後に機能が成熟した段階でも同じように重要とは限りません。」– John Lewis Partnership、プリンシパルプラットフォームエンジニア、 Alex Moss 氏

Hackensack Meridian Health、VPC Flow Logs でネットワーク移行のリスクを低減

対象: Hackensack Meridian Health（HMH）は、ニュージャージー州最大の医療機関病院システムを擁する大手の非営利医療機関です。病院、救急医療センター、診療所からなる広大なネットワークを運用しているため、システムの信頼性は同組織にとって中核となる価値です。

取り組み: 新しい Google Cloud のネットワーク設計へ大規模に移行する準備として、HMH は VPC Flow Logs と Flow Analyzer を活用し、ハイブリッド環境のトラフィックが「ブラックボックス」になってしまう問題を解消しました。具体的には、Cloud Interconnect の VLAN アタッチメントでログを有効化し、送信元 / 宛先 IP、ポート、プロトコルなど、粒度の細かいテレメトリーを取得しました。その後、このデータをエクスポートし、「誰が誰と通信しているか」を可視化したマップを作成しました。これにより、オンプレミスのデータセンターと、特定の Google Cloud リージョン、VPC、アプリケーションとの間にある重要なトラフィックパターンを特定できるようになりました。

意義: 医療の現場では、ネットワークのわずかな途切れでさえ、重大な影響につながりかねません。トラフィックを事前にマッピングしておくことで、Hackensack Meridian Health は、カットオーバーのどの局面でリスクが最も高まるのかを正確に特定できました。この準備により、移行時の問題をわずか 3 分で検知し、5 分以内に解決できました。従来であれば数時間かかっていた可能性のある作業です。さらに移行にとどまらず、この水準の可視化によって、ハイブリッドインフラ全体にわたるキャパシティ計画、コスト配賦、セキュリティコンプライアンスをより適切に管理できるようになります。

コメント:「相互接続のトラフィックはこれまでブラックボックスのようなものでした。VPC Flow Logs を有効にして Flow Analyzer にフィードすることにより、求めていたマップをようやく入手できるようになりました。ルートを変更する前に、このような重要なトラフィックフローを特定することが、移行全体のリスクを軽減するうえでの鍵でした。」— Hackensack Meridian Health、クラウドエンジニアリングマネージャー、Randall Brokaw 氏

ゴールデンステートウォリアーズの AI 活用バックオフィス

対象: ゴールデンステートウォリアーズは、NBA の中でも近年特に成功を収めているフランチャイズの一つです。そしてコート上の勝利を陰で支えているのが、組織の「G.O.A.T.T.」とも呼べる専門の運用チームです。「G.O.A.T.T.（Greatest of All-Time Technologies）」は、データと AI を活用したプラットフォームで、試合中のインサイト、トレード判断、ファン体験の向上を後押しします。

取り組み: ウォリアーズは、Google Cloud 上に社内の「デジタル頭脳」を構築し、これまでの「勘と経験」に頼る文化から、「分析を起点とする」戦略へと舵を切りました。BigQuery と Gemini を活用することで、試合前のスカウティングレポート作成など、以前は数時間かかっていた複雑な業務フローを自動化できるようになりました。さらに ML を用いて、個々の選手の単純な成績よりも「チームへの適合性」を重視したトレードシミュレーションを数千回実行しています。加えて、コンピュータビジョンにより、NBA におけるすべてのシュートについて「ショットの質」を追跡しています。ビジネス面でも、Discovery API を使ったコンテンツ推薦エンジンを構築し、世界中のファンに対してパーソナライズされたデジタル体験を提供しています。

意義: AI を軸にしたこのアプローチによって、経営陣が検討すべき選択肢をあらかじめ絞り込めるようになり、人間の専門性を実現可能性の高い案に集中させられます。データ処理という「科学」の部分を自動化することで、コーチやスカウトは、対面での指導や戦略立案、選手育成といった「職人技」により多くの時間を割けるようになります。この統合は、3 ポイント革命のようなコート上の戦術に影響を与えただけではありません。業務面でも効率が向上し、従業員はトップダウンの指示を待つのではなく、AI によるアイデアを自発的に IT チームへ持ち込むようになりました。

コメント:「人間か機械のどちらかがすべての意思決定を担うような段階に到達することはありません。大事なのは、直感とデータが同じ結論に行き着くちょうどよい中間点を見つけることです。データは、具体的な選択肢を評価し始める前の段階で、意思決定ツリーを絞り込むのに役立ちます。」— ゴールデンステートウォリアーズ、消費者向け製品および新興テクノロジー担当シニアディレクター、 Nick Manning 氏

Ab Initio がエージェント型 AI 時代に向けて企業データ活用を推進

対象: Ab Initio は、大量データの統合とガバナンスを得意とするエンタープライズ向けソフトウェア企業です。同社のプラットフォームは、ハイブリッドおよびマルチクラウド環境にまたがる複雑なデータライフサイクルを管理するため、大規模組織から信頼されています。

取り組み: AI エージェントが正確なデータに基づいて動けるようにする（グラウンディングする）という課題を解決するため、Ab Initio は Google Cloud と連携し、自社のデータファブリックを BigQuery、Dataplex Universal Catalog、Gemini と統合しました。さらに、メインフレーム、COBOL、SAS などのレガシー環境と、最新のクラウド環境の間をつなぐ、500 以上のメタデータおよびデータコネクタ群も提供しています。この統合により、フィールド（項目）単位でエンドツーエンドのデータリネージを把握できるようになり、Gemini はデータの所在に左右されることなく、十分に文書化された「AI ですぐ使える」データにアクセスできるようになります。

意義: AI エージェントの有効性は、アクセスできるデータの質と範囲に大きく左右されます。Ab Initio を「中立的なハブ」として使うことで、企業はデータそのものを移動させることなく、オンプレミスやマルチクラウドのデータを単一の統合レイヤに連携できます。その結果、Gemini が根拠に基づき、説明可能な形で推論するために必要となる、豊かな意味的コンテキスト（セマンティクス）とリネージを提供できるようになります。企業にとっては、テスト段階の AI から、監査可能でコンプライアンスにも対応し、複雑な意思決定を自動で行えるプロダクションレディなエージェント型ワークフローへより速く移行できるということです。

コメント:「エージェント型 AI には、信頼できる AI 対応のデータとメタデータが必要です。情報の出所、品質、意味を理解することは、データそのものと同じくらい重要です。Gemini はエージェントレイヤの重要なコンポーネントとして機能し、このコンテキストを使用して説明可能かつ監査可能な意思決定を行います。」— Ab Initio、開発責任者 Scott Studer 氏および Google Cloud、データガバナンス、共有、統合担当プロダクトリード、Chai Pydimukkala 氏

- Google Cloud コンテンツおよび編集担当編集長

自律型ネットワークのスケーリング: Data Steward と Core Network Agent のご紹介

Fri, 13 Mar 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 3 月 5 日に、Google Cloud blog に投稿されたものの抄訳です。

昨年、Google Cloud は、通信サービスプロバイダ（CSP）が手動管理からゼロタッチオペレーションに移行できるよう設計された包括的なブループリントである自律型ネットワーク運用フレームワークを発表しました。このリリースの一環として、RAN AI エージェントを価値実証（PoV）アセットとして導入し、生成 AI が無線アクセスネットワーク（RAN）を自律的に最適化する方法を実証しました。

このたび、Google Cloud のフレームワークが進化することを発表いたします。Future Connections との提携により、フレームワークの機能を拡張し、個別のタスクから、通信スタック全体で推論と実行を行うエージェント AI へと移行します。このフレームワークに直接統合される 2 つの重要なイノベーション、Autonomous Data Steward と Core Network VoLTE Agent をご紹介します。ニュージーランドの通信プロバイダである One NZ は、これらのイノベーションを業務に導入しています。

「当社が自律型ネットワーク運用フレームワークをリリースした際、その目標は、通信の未来に向けたブループリントを提供することにありました。現在、自律型ネットワークの傘下で重要な新しいエージェントを開発、リリースすることで、そのフレームワークを強化しています。One NZ による Core Network VoLTE Agent の導入は、この進展を象徴するものであり、通信事業者が個別のユースケースを超えて AI を大規模に運用化するための後押しができていることを示しています。」- Google Distributed Cloud、プロダクト担当バイスプレジデント兼ゼネラルマネージャー、Muninder Sambi

業界のボトルネック: エージェントがスケーリングに苦労する理由

業界では個々のエージェントのデプロイに成功していますが、完全に自律的なエコシステムへのスケーリングにおいては、根本的なインフラストラクチャの課題が浮き彫りになりました。それは、「データアクセスが分断されている」という点です。現在、新しい AI エージェントを開発しているすべての組織が、同じ障壁に直面しています。

データサイロ: データが厳格なスキーマにロックされ、ドメインごとに散らばっています。たとえば、BigQuery の RAN とコア、Cloud Storage のプローブなどです。
セマンティックの複雑さ: セマンティックコンテキストがない場合、データサイエンティストは、モデルの構築よりも、ベンダー固有の暗号のようなカウンタ（例: 「pmCounterNumber_487」）の解読に何か月も費やすことになります。
アクセスに関する問題: 新しいエージェントごとにカスタム統合プロジェクトが必要になるため、迅速なスケーリングが困難です。

これを解決するには、まずデータインフラストラクチャのインテリジェンスを有効にする必要があります。これには、データ基盤を管理するインテリジェントエージェントと、その基盤に基づいて行動する特化型エージェントという 2 層構造のアプローチが必要です。

フレームワークの拡張: Autonomous Data Steward

Autonomous Data Steward は、Gemini を活用したエージェントであり、フレームワークのインテリジェントな基軸として機能します。単にデータを保存するだけでなく、他のエージェントが使用できるようにオンデマンドで動的にデータをプロビジョニングします。

Google Cloud 上に構築された Steward は、「ゼロコピー」アーキテクチャを利用しています。Dataplex Universal Catalog を使用することで、大量のデータセットを複製するのではなく、メタデータポインタを保存します。この手法により、ストレージ費用を最大 70% 削減しながら、エージェントがリアルタイムのテレメトリーにアクセスできるようにします。

Autonomous Data Steward は、Google の高度な推論モデルを活用して、人間の意図と技術的な実行のギャップを埋めることで、DataOps ライフサイクルをさらに自動化します。これにより、次のことが可能になります。

セマンティックな理解: ユーザーまたはエージェントがデータ（例: 「セルドロップ率」）を尋ねると、Gemini は自然言語の意図を解釈し、Dataplex Universal Catalog を使用して特定の通信カウンタにマッピングします。
動的な ETL の作成: データセットが存在しない場合、Steward は Python コードを自律的に記述して実行し（Dataproc 経由）、データを抽出、クリーンアップ、結合します。これにより、数週間かかっていたエンジニアリング作業が数分に短縮されます。
ドメイン間の統合: エージェントは、RAN のパフォーマンス、コアセッションの障害、プローブのエラーを結合した連携クエリを生成し、分離されたドメインを透過的に統合する単一のビューを提供します。

Core Network（VoLTE）Agent

Google Cloud は、事後対応型のモニタリングから自己修復ネットワークへと移行しています。OSS 修復エージェントは、問題が発生したときに人間に対してアラートを出すだけでなく、問題を診断して解決します。データサイロを解消することで、数か月にわたるエンジニアリングの専門知識をミリ秒単位の自動アクションに変える認知レイヤを構築しています。

IMS 品質エージェント（VoLTE エージェント）は、コアネットワークの専門家です。Autonomous Data Steward を基盤として構築されており、次の 3 つの方法で優れた音声サービスを提供します。

リアルタイムのモニタリング: 通話設定成功率、平均オピニオンスコア（MOS）、CSCF パフォーマンスなどの重要な指標を継続的に追跡します。
インテリジェントな根本原因分析: Gemini のマルチモーダル推論を活用して、エージェントが複雑なシグナリングデータ（SIP / Diameter）とコアのパフォーマンスを関連付け、CSCF の過負荷などの問題を即座に特定します。
自律的な推奨事項: エージェントが、着信の転送の調整や負荷の再調整などの是正措置を推奨します。

VoLTE エージェントは、通話が切断されたことを検出すると、データをクエリして、以前は切断されたシステムに存在していた関連する IMS シグナリングとプローブキャプチャを即座に取得します。

One NZ はすでにこのエージェントをデプロイして音声品質をプロアクティブに管理しており、手動メンテナンスから完全に自律的なネットワークへと移行しています。

「Future Connections と Google Cloud と提携し、Gemini の高度な機能を使用してエージェントワークフローをネットワークにデプロイできることを嬉しく思います。これは、完全に自律的なネットワーク運用に向けた取り組みにおける、もう一つの重要な進歩です。」- One NZ、CTO、Kieran Byrne 氏

自律運用への移行を加速

これらのリリースは、フレームワークの大きな飛躍を意味します。Autonomous Data Steward エージェントのインフラストラクチャインテリジェンスと、VoLTE Agent のドメイン固有のロジックを自律型ネットワーク運用フレームワークに統合することで、以下を実現しています。

運用チーム向け: 重要な MTTR アクセラレータとして、音声サービスの問題の特定と解決にかかる時間を大幅に短縮します。これにより、チームは検出から解決までを短時間で行い、強力なネットワークパフォーマンスを維持できます。
データチーム向け: デプロイアクセラレータとして、モデル開発から本番環境での運用までの期間を短縮します。これにより、データチームはデータ運用における従来のボトルネックを回避し、新しい ML デプロイの価値をほぼ瞬時に実現できます。

私たちはこれらの主要な手法をオープンソース化し、オペレーターが独自のエージェントワークフローを構築してカスタマイズできるようにしています。

さっそく始めましょう。Autonomous Data Steward または VoLTE Agent の早期アクセスにご関心をお持ちの場合や、One NZ によるエージェントのデプロイについて詳しく知りたい場合は、Google アカウントチームまたは Future Connections までお問い合わせください。

- シニアプロダクトマネージャー、Naresh Rao

- Future Connections、プロダクト戦略担当ディレクター、Prashant Kumar 氏

ネットワーク API からネットワーク AI エージェントへ - エージェントでつながる未来を Nokia とともに構築

Tue, 10 Mar 2026 01:50:00 +0000

※この投稿は米国時間 2026 年 3 月 4 日に、Google Cloud blog に投稿されたものの抄訳です。

通信業界は「エージェントの時代」という、これまでで最も大きな変革期を迎えようとしています。サイロ化された自動化ツールから、ワークフロー全体を自動化できる完全なエージェントエコシステムへと、進化を遂げようとしています。

今週、バルセロナで開催される Mobile World Congress（MWC）で、Google は、Nokia の Network as Code（NaC）プラットフォームを Google Cloud の最適化されたエージェント AI スタックと統合することを発表します。これは、ネットワーク API から完全なエージェントエコシステムへの変革をもたらす取り組みです。これにより、通信事業者には、自然言語と目標指向のタスク自動化を通じてネットワークを自律的に監視、プログラム、最適化できる AI エージェントの利用が可能になります。

AI ネットワークの進化を支える 3 本の柱

エージェント時代のニーズに応えるために、AI とネットワークは「接続された」関係から「深く統合された」関係へと変わりつつあります。この進化は、次の 3 つの異なる分野で展開されています。

自律型ネットワーク: ネットワークは、手動で管理されるユーティリティから、コントロールプレーンとデータプレーンに AI が直接組み込まれた自律型オーケストレーションシステムへと移行しています。初期の構築と計画段階から、リアルタイムの障害検出と根本原因の分析段階まで、あらゆるフェーズにインテリジェンスを統合することで、ネットワークは「セルフヒーリングファブリック」として機能します。この移行により、インフラストラクチャがエージェント時代のプログラマブルで高忠実度のデータニーズに対応できるようになり、ネットワーク消費の増加が組織に影響を及ぼす前に、需要予測によるスケーリングが可能になります。
AI に最適化されたネットワーク: AI エージェントが日常生活の「デジタル雑務」をこなすにつれ、ネットワークは大量のアップリンクデータと「最初のトークンまでの時間」を短縮する低レイテンシ要件に対応できる設計が必要になります。テクノロジーを作業ではなく魔法のように感じさせるには、モバイルネットワークが極めて動的に、Google Distributed Cloud（GDC）など、直近のコンピューティングノードとプロアクティブにやり取りして、エッジでのタスクを処理する必要があります。この局地的なオーケストレーションは、バックグラウンドでトラフィックとコンピューティングのレイテンシを管理し、ユーザーが遅延をまったく知覚できないほど迅速な AI アシスタントの応答を可能にします。
ネットワークをプログラミングする AI エージェント: プログラマブルネットワークの実現は、企業や通信事業者に価値をもたらすことが長年期待されてきました。デベロッパーエクスペリエンスを変革するエージェント AI は、まさにこの積年の願いを叶える救世主です。統合 API フレームワークを通じた RAN からコアへの機能公開により、AI エージェントは自然言語プロンプトを複雑なインテント主導のネットワーク構成に変換できるようになりました。これにより、自律システムはエージェント間でタスクを調整してデータを交換できるようになり、その結果、ネットワークはアプリケーションの特定のニーズにリアルタイムで動的に適応できます。

Nokia の Network as Code プラットフォームは、現在 70 社以上のパートナーと 20 以上のネットワーク API を接続していますが、この NaC プラットフォームが Gemini モデルおよび Google Cloud のエージェントフレームワークとの統合により、エージェント対応型として生まれ変わります。A2A や MCP などの標準化されたインタラクションプロトコルを活用することで、これらの専門エージェントは単純な自動化を超えてアクティブな推論を行うようになり、意図を解釈して複雑なネットワークタスクを自律的に管理できるようになります。

技術的な橋渡し: Nokia と Google Cloud の統合の仕組み

単純な API からネットワーク AI エージェントへの進化は、Google Cloud のインテリジェンスと Nokia のネットワークエキスパティーズをつなぐ 3 層構造の統合によって実現します。

公開レイヤ（Nokia Network as Code）: NaC プラットフォームが、複雑な 5G コアと RAN の機能を、標準化されたノースバウンド API（CAMARA/GSMA Open Gateway）に抽象化します。デベロッパーは Google Cloud Marketplace を介してこれらの Nokia API にアクセスすることで、グローバルなモバイルネットワークにアクセスして Network as Code ポータルを活用できます。これにより、基盤となるテクノロジーを操作することなく、ネットワーク機能への標準化されたアクセスを確保できます。
インテリジェンスレイヤ（Gemini with Network as Code）: このレイヤでは、Gemini の活用が、単なる「呼び出し」から「インテント」主導型への進化を可能にします。Network as Code AI エージェントが、MCP を使用して自律的にネットワークツールを識別、活用し、Quality of Service（QoS）や位置情報の検証などを通じて特定のビジネス目標を達成します。
インタラクションレイヤ（agent-to-agent）: A2A プロトコルを通じて、業務処理エージェント（たとえば、物流コーディネーターなど）がネットワークエージェントに目標を伝達します。ネットワークエージェントは、その目標をネットワーク固有の指示形態に変換し、リアルタイムでネットワークをオーケストレートします。人が手動によるコーディングで介在する必要はありません。

Agent Development Kit（ADK）による拡張性

組織は ADK を使用した機能拡張により、真にカスタマイズされたエンタープライズエコシステムを構築できます。ADK を使用すると、デベロッパーは企業独自のビジネスロジックと Nokia のネットワークインテリジェンスを統合したカスタムマルチエージェントシステムを構築してデプロイできます。このモジュール性により、専門分野に特化されたビジネスエージェントがネットワークリソースを自律的に手配して独自のミッション要件を満たし、社内の企業データと外部のネットワーク機能を安全につなぐことができます。

プログラマブルネットワークからインテント主導型エンタープライズへ

この統合の真の強みは、「API ギャップ」を埋めることにあります。Network as Code はプログラマブルな基盤として利便性を発揮しますが、さらにエージェント AI を追加することで、コード不要のユーザーエクスペリエンスが実現されます。デベロッパーは、下位レベル通信プロトコルを把握していなくても、ビジネスインテントさえ定義すれば、基盤となるコードの実行がエージェントフレームワークによって処理されます。

エージェントを活用したエンタープライズシステム事例

エージェントエコシステムでは、業務上不可欠なネットワークの接続性が低下した場合などにリアルタイムで状況を検知して、サービスに影響が及ぶ前に自律的に問題を解決したり、リソースをプロビジョニングしたりできます。実際の活用例は以下のとおりです。

自律型ロジスティクス: ドローン活用計画の実現に向けて、フリート管理エージェントが最適化されたネットワーク接続をリクエストできます。飛行経路全体での接続性と品質、優先順位を Network as Code エージェントが自動的に確保する仕組みです。
セキュリティの強化: モバイルサービスにおいて、顧客のサブスクリプション、デバイス、現在地に異常な点があればリアルタイムでフラグを立てるよう、エンタープライズデバイス管理エージェントが Network as Code エージェントにリクエストできます。これにより、モバイルアセットのセキュリティ体制が迅速に強化されます。
高精度のモニタリング: セキュリティエージェントが、モバイルデバイスのフィードに基づくマルチモーダル AI 推論をサポートするために、専用のネットワークスライスをリクエストできます。これにより、データが送信されると同時に帯域幅を確保できます。

通信事業エコシステムにもたらす効果

このパートナーシップは、複雑なネットワーク標準の世界と、目まぐるしく変化するクラウドデベロッパーの世界を橋渡しするものです。通信事業者にとっては、ネットワークをコストセンターのような存在からイノベーションエンジンへと生まれ変わらせる明確な道筋が示されます。ネットワーク機能を Google Cloud Marketplace に掲載して利用可能にすることで、通信事業者は 5G 投資のニーズに応じた収益化をついに実現できるようになったのです。

「ネットワークはもはやボトルネックでもブラックボックスでもなく、AI の取り組みにおけるプログラマブルでインテリジェントなパートナーたる存在です。Nokia の Network as Code に組み込まれた直感的なインテント主導型インターフェースにより、ネットワークインテリジェンスを活用した革新的なサービスの開発とデプロイが一段と高速化され、収益化までの時間を大幅に短縮できます。」- Blocksport、CEO、Vladimir Liulka 氏

「プログラマブルネットワークとネットワーク API の力を最大限に活用するサービスの成長と収益化には、シームレスで直感的なデベロッパーエクスペリエンスの実現が不可欠です。デベロッパーインターフェースがエージェントによって提供されるエージェント AI フレームワークは、このエクスペリエンスを実現するための重要インフラとなるものです。Nokia の Network as Code プラットフォームは、すでに Deutsche Telekom のネットワーク API と統合されており、プログラマブルネットワークからエージェントの世界への変革を可能にするパイオニアです。」 - Deutsche Telekom、Magenta Business API、シニアバイスプレジデント、Chathurangi Wickramasinghe 博士

MWC で未来を体験

エージェントでつながる未来を構築する時代が、今まさに始まっています。MWC で Nokia と Google Cloud のブースにお越しいただき、これらのユースケースをライブでご覧ください。Network as Code プラットフォームがネットワークの複雑さをエージェント時代をリードする存在に変革する仕組みを、ぜひご自分の目でお確かめください。

- Google Cloud、通信市場担当責任者 Sridhar Gollapudi

- Nokia、ネットワーク収益化プラットフォーム、ポートフォリオおよびアーキテクチャ責任者 Mikko Jarva 氏

フレームワークからスケールへ: MWC 26 で自律型ネットワークを加速

Fri, 06 Mar 2026 02:30:00 +0000

※この投稿は米国時間 2026 年 3 月 3 日に、Google Cloud blog に投稿されたものの抄訳です。

昨年、Google は自律型ネットワーク運用フレームワークを発表しました。これは、通信サービスプロバイダ（CSP）が、サイロ化された自動化から自己修復型の「ゼロタッチ」ネットワークへと移行できるようにするための布石です。現在、Google は、ネットワークにおいて AI を単にインサイトに利用するだけでなく、感知、推論、自律的な行動が可能なインテリジェントエージェントへと進化させるべく取り組んでいます。

Mobile World Congress（MWC）Barcelona の開催を迎え、同イベントではこの変化がどのように実現されつつあるかをご紹介しています。Deutsche Telekom や Vodafone などの企業は、AI を運用の中核に組み込むことで、運用の複雑さを軽減し、接続を単なるユーティリティから価値創造エンジンへと進化させています。

プロダクトのイノベーション: エージェント型通信エンジン

業界の重要な目標は、レベル 4～5 の自律性を実現することです。これは、人間の介入なしにネットワーク自体が問題を特定、診断、修正できるようなレベルです。そのためには、基盤となるデータプラットフォームがネットワークと同じく動的であることが前提となります。この 1 年間、Google は Cloud Spanner Graph および Vertex AI を進化させ、通信事業者が求める「二重の性質」に対応しました。具体的には、アラームの相関関係に基づき、リアルタイムに高速で応答する能力に加えて、履歴パターンの詳細分析に基づく検出能力を組み合わせるというものです。

現在、Google では、このような自律的な運用をサポートするためにプラットフォームを以下のように改良しています。

ネットワークデジタルツイン: ネットワークデジタルツインが、ネットワークの静的なマップから、物理的および論理的な最新状態を動的に表す時系列グラフへと進化しました。パフォーマンスおよび障害の状態をリアルタイムで把握する一方で、エージェントが過去の状態（5 時間前や数日前など）をクエリし、正確な根本原因分析を即座に行えるようになっています。
統合グラフデータレイヤ: 運用データと分析データを隔てるサイロを解消します。具体的には、デジタルツインに Spanner Graph を活用するとともに、BigQuery による連携グラフ分析に対応しています。これにより、通信事業者は、複雑で時間のかかる ETL（抽出、変換、読み込み）プロセスを省略して、リアルタイムの更新および詳細な履歴分析を相互に実行することが可能となります。
GNN によるリアルタイム予測: Vertex AI でネットワークデジタルツインデータに基づきグラフニューラルネットワーク（GNN）をトレーニングできるようになりました。その後、トレーニング済みの GNN モデルと、Spanner の ML.PREDICT 機能、ネットワークデジタルツインのリアルタイムデータを組み合わせることで、モニタリングだけでなく予測を行えます。具体的には、障害がどのように伝播するかを数学的に追跡し、利用者に影響を与える前に解決します。

ソリューションのアップデート: 価値創出を加速

レベル 4～5 の自律性を実現するうえで最大の課題の一つは、接続されていないレガシーシステムで生じる手動の遅延です。Google は、このようなボトルネックに対処し、統合自動システムへと置き換えるための新しいツールをリリースします。

オープンソースのデータ基盤: 導入を促進するため、Google の通信用データパイプラインおよびデータモデルのソースコードを GitHub でリリースしました。これにより、CSP は、手動でスキーマをマッピングすることなく、業界標準の統合オントロジーを実装できます。
通信事業者向けの最新エージェント: FutureConnections と連携し、以下の 2 つの新しい価値実証エージェントをリリースしました。

データスチュワードエージェント: データガバナンスを自動化し、デジタルツインの正確性を維持するエージェントワークフロー。
自律型ネットワークエージェント: 現在 One NZ が試験運用しているこれらのエージェントは、音声コアと OSS ネットワークを管理し、モニタリングだけでなく積極的な対応を行います。たとえば、通話品質の低下が検出されたら即座にトラフィックを別に再ルーティングしたり、ネットワーク設定をリセットして通話品質を復元したりできます。

エコシステムの活発化によるイノベーションの促進

真の自律性を実現するには、活発なエコシステムが必要不可欠です。今年、Google はいくつかの重要なマイルストーンを達成しました。

MasOrange、NetAI: Google は NetAI と連携して GraphML ベースの AIOps の提供に取り組んでおり、共同で MasOrange 向けのパイロットプロジェクトを開始しました。このプロジェクトでは、Google Cloud の AI スタック内でパートナーによる特殊モデルを実行することでネットワークインシデントを解決できることを示し、自律的なアクションに対する信頼を獲得しています。
Nokia の「Network as Code」: Nokia と連携し、複雑な技術コードではなく、平易な言語を理解する AI エージェントによってネットワークを完全にプログラムできるよう取り組んでいます。これにより、通信事業者は、緊急サービスや遠隔医療などの重要サービスにネットワークリソースを優先的に割り当てるといった複雑なタスクを、手動で開発して組み込まなくても、ネットワークに依頼するだけで済むようになります。

今後の動向

エージェント型 AI の時代が到来しています。Google は、通信事業者のネットワークファブリックに AI を組み込むことで、接続が単なるユーティリティからお客様を継続的に満足させるインテリジェントなサービスプロバイダへと生まれ変われるよう支援しています。

MWC にぜひご参加ください。ホール 2 のブース #2H40 では、マルチエージェントシステム、デジタルツイン、物理的な AI ロボットのライブデモなど、各種ソリューションの事例をご覧いただけます。最新のホワイトペーパーをダウンロードして、Google のアプローチについてさらに詳しくご覧ください。

- Google Cloud、ネットワーキング担当バイスプレジデント、プロダクトマネージャー、ゼネラルマネージャー、 Muninder Sambi

- Google Cloud、プリンシパルエンジニア、 Dave Weissman

Google の ADK を使ったエージェントアプリケーションを Datadog LLM Observability でモニタリングする

Mon, 02 Feb 2026 03:00:00 +0000

※この投稿は米国時間 2026 年 1 月 24 日に、Google Cloud blog に投稿されたものの抄訳です。

Google の Agent Development Kit（ADK）は、強力なエージェントシステムを構築するための基盤を提供します。こうした複数ステップのエージェントは、計画を立て、ループ処理を行い、協調し、必要に応じてツールを動的に呼び出しながら、自律的に問題を解決できます。一方で、この柔軟性は予測しにくさにもつながり、出力の欠落、想定外のコスト、セキュリティリスクといった問題を招く可能性があります。こうした複雑さを管理できるよう、Datadog LLM Observability は ADK で構築されたシステムに対する自動計測を提供するようになりました。この統合により、エージェントの挙動を可視化してモニタリングし、コストやエラーを追跡できるほか、大がかりな手動設定を行うことなく、オフライン実験とオンライン評価を通じて、応答品質と安全性の観点からエージェントを最適化できます。

これは重要な点です。エージェントシステムは複雑で、エージェント同士の相互作用に加え、LLM の非決定性によって、応答を事前に予測することが難しいためです。

こうしたエージェントを運用する際に一般的に想定されるリスクには、次のようなものがあります。

変化のスピード: 新しい基盤モデルは毎週のように登場し、「ベストプラクティス」とされるプロンプト設計のパターンも同じくらいの速さで変化します。そのため、チームは新しい組み合わせを継続的に評価する必要があります。
マルチエージェント間の受け渡し: あるエージェントが低品質な出力を生成すると、その影響がダウンストリームに連鎖し、他のエージェントが誤った判断を下す原因となる可能性があります。
ループとリトライ: プランナーが同じツール呼び出しに固執してしまい、検索クエリを無限に再試行するなど、ループに陥ることがあります。これにより、レイテンシの急増を招くおそれがあります。
見えにくいコスト: プランナーのステップが 1 つでも誤ってルーティングされるだけで、トークン使用量や API 呼び出し回数が増幅し、コストが予算を超過する可能性があります。
安全性と正確性: LLM の応答には、ハルシネーション、機密データの混入、プロンプトインジェクションの試みなどが含まれる場合があり、セキュリティインシデントや顧客からの信頼低下につながるリスクがあります。

最後に、ADK は市場に存在する数多くのエージェントフレームワークの一つにすぎません。これを手作業でインストルメンテーション（計測の仕込み）しなければならないとなると、すでに煩雑でエラーが発生しやすいプロセスに、さらに学習コストが上乗せされることになります。

エージェントの判断と予期しない挙動をトレース

Datadog LLM Observability は、ADK エージェントを自動的に計測およびトレースすることで、こうした課題に対応します。コードを変更することなく、数分でエージェントをオフラインで評価し、本番環境でモニタリングを開始できます。これにより、エージェントのオーケストレーションからツール呼び出しに至るまで、すべてのステップやプランナーの判断を単一のトレースタイムライン上で可視化できます。

たとえば、エージェントがユーザーのクエリに応答する際に誤ったツールを選択した場合、想定外のエラーや不正確な応答につながることがあります。Datadog の可視化機能を使えば、どのステップで誤ったツールが選択されたのかを正確に特定できるため、トラブルシューティングが容易になり、問題の再現や原因の特定にも役立ちます。

トークン使用量とレイテンシをモニタリング

レイテンシやコストの急激な増加は、エージェントアプリケーションに問題が生じている兆候であることが少なくありません。Datadog では、ツール、ブランチ、ワークフローごとにトークン使用量とレイテンシを可視化できるため、どこでエラーが発生し、それがダウンストリームの処理にどのような影響を及ぼしたのかを明確に把握できます。

たとえば、プランナーエージェントが要約ツールを 5 回も再試行した場合、レイテンシは大幅に増加します。Datadog はこうしたループを強調表示し、処理に要した正確な時間とそれに伴うコストへの影響を可視化します。

エージェントの応答品質とセキュリティを評価

レイテンシのような運用パフォーマンス指標は重要なモニタリングシグナルですが、エージェントアプリケーションの動作状況を包括的に把握するには、LLM やエージェントの応答が持つ意味的な品質についても評価する必要があります。Datadog には、ハルシネーション、個人を特定できる情報（PII）の漏えい、プロンプトインジェクション、不適切または危険な応答を検出するための組み込み評価機能が用意されています。

さらに、ドメイン固有のチェックを行うために、LLM-as-a-judge 型の評価ツールを含むカスタム評価ツールを追加することも可能です。たとえば、検索エージェントが無関係なドキュメントを取得し、その結果として回答が話題から逸れてしまった場合、カスタム評価ツールによって、そのトレースを「検索関連性が低い」と判定できます。

テストを通じて、迅速かつ確信を持って改善を重ねる

新しいシステムプロンプトを展開すると、レイテンシの急増や出力の一貫性の低下に気付くことがあります。Datadog では、本番環境の LLM 呼び出しを Playground 上で再生し、異なるモデル、プロンプト、パラメータを試すことで、理想とする挙動に近づく構成を見つけることができます。

さらに、実際のトラフィックから構築したデータセットを用いて、複数のバージョンを並べて比較する構造化されたテストを実行し、運用面および機能面のパフォーマンスを最適化できます。ADK のインストルメンテーションによってすべてのエージェントステップが記録されるため、デプロイ前に回帰を再現し、修正内容を検証するために必要となる完全なコンテキストを把握できます。

Datadog LLM Observability を使ってみる

Datadog LLM Observability は、Google ADK を利用したシステムのモニタリングとデバッグを簡素化し、エージェントの動作を把握しやすくします。これにより、エージェントの挙動を解析し、応答を評価し、迅速に改善を重ねながら、本番環境にデプロイする前に変更内容を検証できます。

最新バージョンの LLM Observability SDK を使って、今すぐ利用を開始できます。Datadog を初めて利用する方は、無料トライアルから始めることも可能です。

エージェントの挙動を解析し、応答を評価する方法について詳しくは、Datadog の LLM Observability ドキュメントをご覧ください。

-Google、シニア戦略的パートナーシップ担当マネージャー、Abhi Das

-Datadog、プロダクトマーケティングマネージャー、Trammell Saltzgaber 氏

Palo Alto Networks がマルチテナントのスケーラブルな統合データプラットフォームを構築した方法

Fri, 23 Jan 2026 01:00:00 +0000

※この投稿は米国時間 2026 年 1 月 17 日に、Google Cloud blog に投稿されたものの抄訳です。

世界中の企業が大量のデータを処理しています。Palo Alto Networks は、同社の製品ポートフォリオ全体で、毎秒数千件のファイアウォールログ、テレメトリーシグナル、脅威イベントを処理しています。この規模に対応するため、Palo Alto Networks は 30,000 個の別個のデータパイプラインを運用しており、それぞれに運用負荷がかかっていました。このシングルテナントアーキテクチャモデルは当初はうまく機能していましたが、最近ではイノベーションの停滞、規模拡大の制限が始まり、新しい分析ユースケースの導入コストの増加につながっていました。

次世代のセキュリティプロダクトをサポートするため、Palo Alto Networks は Google Cloud と提携し、Dataflow、Pub/Sub、BigQuery を活用した統合マルチテナントプラットフォームへとデータ処理環境をモダナイズしました。この変革は、Palo Alto Networks の統合データプラットフォーム（UDP）の基盤となり、現在ではアジリティの向上、運用の簡素化、費用対効果の向上により、毎日数十億件のイベントを処理できるようになりました。

課題: シングルテナントアーキテクチャでは対応しきれない

移行前、Palo Alto Networks のデータプラットフォームは「テナントごとに 1 つのパイプライン」モデルに基づいて構築されていました。テナントパイプラインごとに、独自の構成、トラブルシューティング、オンコールローテーション、キャパシティ調整が必要でした。Palo Alto Networks の利用が増えるにつれて、次のような問題も増加しました。

合計で毎秒約 30 GB のスループットを処理する 30,000 以上のパイプラインをサポートするための脆弱なアラートと毎週の運用オーバーヘッド。
デプロイサイクルの遅さから、新しいテナントのオンボーディングが難しくなっていた。
負荷に関係なく、各テナントに大量のコンピューティングリソースが割り当てられていた。
エンジニアリングの時間が、新しい分析の構築ではなくインフラストラクチャの管理に費やされていた。

このモデルは運用のアジリティを妨げ、新しいプロダクトラインの拡大やデータ量の増加に伴うスケーリングを困難にしていました。

変革: Dataflow による新しいアーキテクチャパラダイムの採用

転機が訪れたのは、Google Cloud Dataflow のサーバーレス自動スケーリングアーキテクチャがまったく異なる運用モデルをサポートできることをチームが認識したときでした。Palo Alto Networks は、数千もの別個のパイプラインを維持する代わりに、ワークロードをマルチテナントシステムに統合し、テナント間でリソースをインテリジェントに共有することができました。

これを可能にしたのは、次のような複数のコア機能です。

1. アーキテクチャの移行Dataflow を使用することで、チームは「テナントごとに 1 つのジョブ」から、単一のアーキテクチャ内で複数のテナントを処理できる「共有リソースプール」に移行できました。この移行により、運用が大幅に簡素化され、新たな効率性が実現しました。

2. 大規模なマルチテナントの実現Dataflow の自動スケーリングエンジンは、変動するワークロードを簡単に管理し、サイバーセキュリティ環境でよくある予測不可能な急増に対応します。これにより、手動でのキャパシティプランニングが不要になりました。

3. 運用の自由度Flex テンプレートと Dataflow のマネージドサービスモデルを使用することで、チームは CI / CD プロセスを、1 週間かかるデプロイサイクルから 1 日で完了するワークフローへと変革しました。エンジニアはインフラストラクチャの管理に時間を費やす必要がなくなり、分析、脅威検出、プロダクトイノベーションに集中できます。

4. 実行の統合すべてのジョブが Dataflow ベースの共有プラットフォームで実行されるため、チームは異なるコードベースを維持しなくても、リアルタイムシステムとバッチシステムの間でワークロードを柔軟に移動できるようになりました。

5. オブザーバビリティDataflow では、チームは組み込みのロギングと指標を利用して、リアルタイムワークロードとバッチワークロードの両方でパイプラインの健全性をモニタリングし、追加のツールを使用せずにパフォーマンスを明確に可視化できます。Dataflow により、オンコールアラートに必要なすべての指標が明らかになるため、PANW コードベースでカスタム指標を構築または維持する必要がなくなります。アラートがトリガーされると、エンジニアは Dataflow UI を使用してパフォーマンスのボトルネックを迅速に特定し、是正措置を講じることができます。

アーキテクチャの概要

Palo Alto Networks の UDP を強化する Dataflow ベースの統合リアルタイムパイプライン

効果: 価値、費用、エンジニアリングの重点の大きな変化

Dataflow への移行は、古いシステムをモダナイズしただけではありません。エンジニアリングチームの働き方を根本的に変え、さまざまな面で効果をもたらしました。

経済的なメリット: パイプラインを統合し、Dataflow の自動スケーリングを利用することで、Palo Alto Networks はコンピューティング費用を約 30% 削減しました。この費用削減は、冗長なパイプラインの削減、共有リソースの利用率向上、手動によるキャパシティ調整の排除によって実現しました。
プラットフォームにとってのメリット: 統合データプラットフォームは、同社全体でリアルタイムデータ処理の長期的な標準となりました。スケーラブルで再現性があり、エンジニアリング作業を重複させることなく新しいプロダクトラインをサポートできる「Dataflow ネイティブ」なブループリントを提供します。
従業員にとってのメリット: Dataflow が運用の複雑さに対処するため、エンジニアはインフラストラクチャの管理ではなく、新しい分析機能の構築に集中できるようになりました。この移行により、士気が向上して、デリバリーサイクルが加速し、アラート疲れが軽減されました。「当社にとって真の差別化要因は、Dataflow が大規模かつ真のマルチテナンシーに対応できることでした。その自動スケーリングエンジンは、1 つのジョブで数千のテナントにまたがるリソースを管理できるほど優れており、これが約 30% の費用削減を実現する鍵となりました。30,000 件以上のジョブを管理する環境から、ほんの一握りのジョブを管理する環境へと移行しました。その結果、チームの業務内容が根本的に変わりました。」- Palo Alto Networks エンジニアリングチーム

モデルの拡張: サイバーセキュリティ以外のユースケース

Palo Alto Networks が採用したアーキテクチャパターンは、マルチテナントのリアルタイムデータを大規模に扱うあらゆる組織に幅広く適用できます。次に例を示します。

e コマース: 単一のマーケットプレイスで数千の販売者向けにリアルタイムダッシュボードを提供する
ゲーム: 数百万人のプレーヤーからのテレメトリーシグナルを処理して、リーダーボードを更新し、不正行為を検出する
フィンテック: 数百の銀行における取引をモニタリングし、不審な行動にリアルタイムでフラグを付ける
IoT とロジスティクス: 車両フリートのデータを分析して、ルーティングとメンテナンススケジュールを最適化する

マルチテナンシー、共有実行、自動スケーリングといった同様の原則は、多くの業界で効率の向上に役立ちます。

持続可能なデータの未来を創る

Palo Alto Networks は、Dataflow を標準化することで、セキュリティ分析プラットフォームの長期的なアジリティの基盤を築きました。統合データプラットフォームは現在、同社のリアルタイムデータ戦略の基盤として機能し、イノベーションの加速と経済効率の高い運用に役立っています。

この事例は、Dataflow のような柔軟で高性能なデータ処理エンジンによって、運用オーバーヘッドを増やすことなくスケールできるという自信を企業に与えられることを示しています。さらに、Google Cloud を使用してリアルタイムアーキテクチャをモダナイズしたいと考えるチーム向けに、再利用可能なハンドブックも提供します。

データパイプラインをモダナイズする方法の詳細については、Dataflow のプロダクトページをご覧ください。

- Google Cloud、データ分析担当カスタマーエンジニア Pavan Paladugu

- Palo Alto Networks、シニアプリンシパルエンジニア Gaurav Mishra 氏

Palo Alto Networks、エージェント設計によりカスタマーインテリジェンスに関するドキュメントの作成を自動化

Thu, 22 Jan 2026 02:00:00 +0000

※この投稿は米国時間 2026 年 1 月 15 日に、Google Cloud blog に投稿されたものの抄訳です。

Palo Alto Networks のような世界規模の大手サイバーセキュリティ企業にとって、各顧客を包括的に理解することは成功に不可欠です。Palo Alto Networks では、プリセールスチームが関与するすべてのエンゲージメントの包括的な情報が社内の記録文書（DOR）に集約されます。これは、顧客に関する標準化された全体像をセールスチームとサポートチームに提供する重要なアセットとなります。

課題: 手動による時間のかかるプロセス

従来、DOR の作成は手動で行われ、高度なスキルを持つ従業員が多大な労力を割いていました。

作成には以下のような作業が必要でした。

Salesforce からデータを収集する。
複数のシステムに分散された広範な社内ナレッジベースを検索する。
入手した情報を構造化されたドキュメントに統合する。

このプロセスには数日かかることもあり、案件の獲得と成約を遅らせると同時に、本来なら顧客向けの戦略的な業務に専念できるはずの専門家の貴重な時間を奪っていました。この非効率性を解決するため、Palo Alto Networks は Google Cloud 上に構築された高度な AI エージェントを使用して、ワークフロー全体の自動化を目指しました。

エージェント主導の自動化されたワークフロー

Palo Alto Networks は、Google のオープンソースの Agent Development Kit（ADK）を使用して AI エージェントを開発し、DOR を自律的に生成できるようにしました。DOR の作成に必要な質問には、Vertex AI RAG Engine、Vertex AI Discovery Engine Search（Google のエンタープライズ検索プラットフォーム）などの GCP リソースを活用して回答します。エージェントは、ビジネスクリティカルなタスクに必要なスケーラビリティと信頼性、そしてすぐに使用できるセッションとメモリの処理機能を備えたフルマネージドプラットフォームの Vertex AI Agent Engine 上にデプロイされています。

デプロイアーキテクチャ

このシステムのアーキテクチャは、次の中核要素で構成されています。

2 つの AI Agent Engine エンドポイント: Vertex AI Agent Engine にデプロイされたこれらのエージェントは、API エンドポイントとして機能します。分散型アプローチを実現するため、Agent Engine のマネージドスケーラビリティを活用して、Salesforce ポータルからの POST リクエストを処理して結果を返します。
ウェブサーバー（GKE 上の FastAPI）: FastAPI で構築され、Google Kubernetes Engine（GKE）でホストされるこのウェブサーバーがシステムをオーケストレーションします。Agent Engine エンドポイントへのリクエストを開始し、そのレスポンスを検証して、処理されたデータを保存します。
Vertex AI Rag Engine: サービスデータストアとして機能し、2 つの AI エージェントに、Google Cloud Storage（GCS）にアップロードされたドキュメントとログへのアクセスを提供します。

自動プロセスの各ステップ

自動ワークフローのプロセスは、中央のウェブサーバーによってオーケストレートされる 7 つのステップで構成され、Salesforce、Google Cloud AI サービス、内部データソースをシームレスに統合します。

Salesforce からの開始: プロセスは、Salesforce 内で特定の顧客アカウントのリクエストがトリガーされたときに開始されます。このリクエストは、Google Kubernetes Engine（GKE）でホストされている FastAPI ウェブサーバーに送信されます。
メタデータの取得と質問の準備: ウェブサーバーはリクエストを受け取り、Salesforce から関連する顧客メタデータを取得し、包括的な顧客プロファイルを作成する目的で設計された 140 以上の標準的な質問からなる事前定義リストを準備します。
効率性を高める並列処理: AI エージェントのスケーリングを確保し、速度を最適化するために、ウェブサーバーは質問を 5 つのバッチに分けて Vertex AI Agent Engine エンドポイントに送信します。このマルチスレッド方式により、Agent Engine はマネージド自動スケーリングの特性を活用して水平方向にスケーリングし、複数の質問を同時に処理することができます。
検索拡張生成（RAG）と Vertex Discovery Engine: 各質問は、関連するコンテキストを拡充させるために強化、明確化されます。これは、Gemini 2.5 Flash を使用した前処理により実現されます。その後、2 つの異なるエージェントに送信され、各エージェントがそれぞれのナレッジベースをクエリします。このサービスは RAG エンジンとして機能します。概要説明の一部としてアップロードされた社内のドキュメントやログの膨大なコーパスを検索し、最も関連性の高い情報スニペットのみを見つけて返すことで、エージェントの回答は事実に基づいた、会社が承認したデータにグラウンディングされたものになります。
LLM による回答の合成: Vertex AI Search により取得されたデータスニペットは Gemini モデルに渡され、Gemini は情報を合成して高品質で一貫性のある回答を生成します。各エージェントは質問に独自に回答し、それぞれの回答に関連性スコアを割り当てます。この関連性スコアにより、回答内の主張のうち事実に基づいてグラウンディングされている部分の割合を測定します。システムは次に、関連性スコアに基づいてこれらの回答を調整し、最適な回答を選択して確定的な真実として保存した後、次の質問に進みます。さらに、検証ステップも実行されます。このステップでは、最終回答における主張の根拠性を評価し、最終回答を低、中、高の信頼度に分類して、エンドユーザーが最終的な判断を下せるようにします。
ステートフルオーケストレーション: FastAPI ウェブサーバーがオペレーション全体を管理し、結果を保存して、実行中のプロセスの状態を維持します。どの質問が回答済みかを追跡し、最終的なドキュメントを統合します。
Salesforce への非同期ハンドオフ: すべての質問に回答すると、ウェブサーバーは完了した DOR を Cloud Pub/Sub トピックにパブリッシュします。これにより、信頼性の高い非同期ハンドオフが実現します。別のサービスがこのトピックのメッセージを使用して、最終的なドキュメントを Salesforce の適切なレコードに書き戻すことでワークフローが完了します。

技術スタック

このソリューションは、Google Cloud のマネージド AI サービスとオープンソースフレームワークを効果的に組み合わせています。

Agent Development Kit（ADK）: エージェントの複雑なロジックを定義するために使用されるオープンソースの Python フレームワーク。マルチステップオーケストレーション、状態管理、さまざまなサービスとのインテグレーションなどを備えています。
Vertex AI Agent Engine: ADK ベースのエージェントをホストして実行するフルマネージドのサーバーレス環境。スケーリング、セキュリティ、運用上のオーバーヘッドを処理します。
Vertex AI RAG Engine: コンテキストに応じてグラウンディングされた回答を生成します。このエンジンは、Vertex AI Search を検索バックエンドとして使用するように構成されており、社内ドキュメントから関連情報を効率的に抽出して言語モデルに提供します。
Gemini モデル: 取得したデータから、高品質で人間が読める回答を生成するために必要な、高度な推論機能と言語合成機能を提供します。
Cloud Pub/Sub: エージェントを最終的な書き戻しプロセスから切り離す、耐久性のあるメッセージキューとして機能し、アーキテクチャ全体の復元力と信頼性を向上させます。
Cloud Storage: DOR の質問に回答するために必要な、顧客の非構造化ドキュメントのストレージとして機能します。

課題の解決

AI エージェントによる DOR 作成の自動化への道のりは決して平坦ではなく、いくつかの重要な課題に直面しました。しかし、それらを解決できたことで、類似のエージェント型 AI ソリューションのアーキテクチャとデプロイに関する以下の重要な考慮事項が明らかになりました。

1. エージェントのコンテキスト管理とスケーリング:

当初の設計では、140 以上のすべての質問を一度にエージェントに渡し、エージェントが反復処理を行い、進捗を管理することを想定していました。しかし、このアプローチは深刻なメモリ過負荷と「メモリ不足」（OOM）エラーを引き起こしました。エージェントの内部コンテキストウィンドウは、各ロジックチェックや回答の蓄積に伴って増大し、すぐに管理不能に陥ってしまいました。

解決策として、状態管理の役割をオーケストレーターとして機能する FastAPI サーバーに移行することにしました。エージェントは、すべての質問を前もって受け取るのではなく、質問を 1 つずつ処理するように設計されました。FastAPI サーバーは、全体的なコンテキストと蓄積されたドキュメントを保持し、個々の質問をエージェントに渡して、エージェントの回答を保存しています。このようにコンテキストを区分化することで、エージェントの安定性が大幅に向上し、より効率的なスケーリングが可能になりました。

2. デプロイアーキテクチャとリソース管理:

もう一つの課題は、バックエンドオーケストレーター（FastAPI サーバー）と Vertex AI Agent Engine 上のエージェントの両方に最適なデプロイアーキテクチャを決定することでした。初期テストで、両コンポーネントを単一の Google Kubernetes Engine（GKE）クラスタ内にデプロイしたところ、主にエージェントのコンテキストとメモリの需要が原因で、Pod が頻繁にクラッシュしました。そのため、FastAPI サーバーをエージェントのランタイムから切り離すことにしました。FastAPI サーバーは、スタンドアロンサービスとして GKE にデプロイされ、Vertex AI Agent Engine に個別にデプロイされたエージェントを呼び出します。この分離により、エージェントに Vertex AI Agent Engine のフルマネージドでスケーラブルな環境を活用させながら、柔軟なカスタムバックエンドオーケストレーターを実現することができます。

3. LLM 呼び出しのパフォーマンスの最適化:

Gemini モデルを使用して回答を生成する性質上、140 以上の質問それぞれに対して複数の API 呼び出しが必要となるため、当初は DOR あたり約 2.5 時間という長い実行時間が発生していました。これらの呼び出しは I/O の制約を受けることがわかったため、並列化することでプロセスが大幅に最適化されました。FastAPI オーケストレーター内にマルチスレッドを実装することで、複数の Gemini 呼び出しを同時に実行できるようになりました。さらに、Vertex AI Agent Engine の水平スケーリング機能も、この並列実行をサポートしています。このようなアーキテクチャの変更により、全体の処理時間が劇的に短縮され、効率が大幅に向上しました。

ビジネスの成果

この AI エージェントの実装は、Palo Alto Networks に測定可能な重要な成果をもたらしました。

効率の向上: 包括的な DOR の作成に必要な時間が大幅に短縮されました。
整合性と品質の向上: 140 の質問からなるフレームワークを標準化することで、すべての DOR が均一で高水準の品質と完全性を満たすようになりました。
精度の向上: エージェントの回答を信頼できる RAG システムにグラウンディングすることで、人的ミスのリスクを最小限に抑え、最新の社内ドキュメントから情報を取得できるようになりました。
人員の戦略的な再配置: このタスクの自動化により、専門知識を持つ従業員が、顧客戦略や直接的なエンゲージメントといった価値の高い作業により多くの時間を割けるようになりました。
ドキュメントで不足している情報や、回答が不十分または欠落している部分を把握できるため、プリセールスチームはそれらのトピックに重点を置いて顧客をより深く理解することができます。

このユースケースは、企業におけるエージェント型 AIの実用的かつ強力な応用例を示しており、オープンソースフレームワークとマネージドクラウドサービスを組み合わせることで、複雑なビジネス課題を解決し、運用効率を向上させる方法がよくわかる事例です。

エージェントとエージェントフレームワークに関するサポートと技術的リーダーシップ、および ADK と Agent Engine に関する深い専門知識を提供してくれた Google 社員の Hugo Selbie 氏（GSD AI インキュベーションチーム）と Casey Justus 氏（プロフェッショナルサービス）に感謝します。

- Palo Alto Networks、AI およびデータサイエンス責任者 Spandan Mishra 氏

- Palo Alto Networks、クラウドデータアーキテクト Pavan Madhira 氏

ビジョンの拡大: Palo Alto Networks が新たに Google Unified Security Recommended に参加

Tue, 20 Jan 2026 01:00:00 +0000

※この投稿は米国時間 2025 年 12 月 11 日に、Google Cloud blog に投稿されたものの抄訳です。

現代の組織は、使用するセキュリティツールを自由に選択できることを非常に重視しており、相互運用可能なセキュリティ環境へのニーズが高まっています。Google Cloud はお客様のそれぞれの状況に対応することを重視しており、これはお客様による連携するパートナーの選択においても同様です。

Google はお客様に他にはない選択肢と信頼性を提供する、より深い戦略的パートナーシップを通じて、AI を活用した集約型セキュリティソリューションである Google Unified Security の力をさらに拡大していきます。Google はオープンで相互運用可能な AI 主導のセキュリティエコシステムに対する取り組みに沿って、信頼できる業界リーダーとのコラボレーションを進めています。

このたび、Palo Alto Networks が Google Unified Security Recommended プログラムに加わりました。同社はすでに参加している CrowdStrike、Fortinet、Wiz に続く新たなパートナーとなります。

Palo Alto Networks は Google Cloud を利用したイノベーションにおいて長年の実績があり、Google Unified Security Recommended プログラムへの参加は、重要な領域における検証済みの統合に基づくものです。同社のプログラムへの参加により、お客様は最適なデプロイと真に統合されたセキュリティポスチャーを実現できるようになります。

このプログラムの拡大は、運用上の複雑さを最小限に抑え、リスクをさらに軽減し、組織がクラウドと AI のトランスフォーメーションの取り組みを自信を持って進められる、セキュリティソリューションの構築という、両社の共同の取り組みを強化するものです。

ネットワーク、アクセス、エンドポイントの保護を実現

Palo Alto Networks のエンドポイント、ネットワーク、アクセスセキュリティ用のセキュリティプラットフォームと Google Security Operations の統合により、サイバー攻撃のライフサイクル全体において脅威の検出、調査、対応（TDIR）を強化できます。

エンドポイントの検出と対応: Cortex XDR はエンドポイントを可視化して、関連のあるインテリジェンスを Google Security Operations にフィードします。このように包括的にデータを取り込むことで、セキュリティチームは脅威を迅速かつ正確に検出して対処できます。
ネットワークセキュリティテレメトリー: Palo Alto Networks の VM-Series NGFW と Prisma Access データを利用した、ユーザー、デバイス、アプリケーション、支社向けの AI 駆動型ゼロトラストネットワークアーキテクチャを Google Security Operations プラットフォームと統合することにより、AI を活用した分析と脅威ハンティングに利用できる充実した相関データを入手できます。
対応のオーケストレーション: お客様は悪意のある IP と URL のブロック、侵害されたアセットの隔離などの自動対応アクションを、Google Security Operations ハンドブックから直接実行し、すみやかに全体で脅威を封じ込めできます。

「AI とクラウドのトランスフォーメーションが世界をリードするなかで、セキュリティはオープンかつ相互接続され、本質的にシンプルなものである必要があります。Google との統合のさらなる強化に加え、セキュリティ投資を最大限に活用できる Google Unified Security Recommended プログラムに参加できることを嬉しく思います。このコラボレーションによって、お客様は Google Security Operations をデプロイすれば、当社の次世代プラットフォームから充実したテレメトリーを即座に利用できるようになります」と Palo Alto Networks の CSP パートナーシップ担当バイスプレジデントである Munish Khetrapal 氏は述べています。

この戦略的パートナーシップによって、お客様の選択肢が広がり、信頼性も高まります。Palo Alto Networks Cortex XDR によるエンドポイントの検出と対応から、Palo Alto Networks VM-Series NGFW および SASE ソリューションによるテレメトリーの一元化まで、重要な領域における統合を検証したうえで、セキュリティ運用の一本化をさらに加速させています。

このコラボレーションにより、組織は運用上の複雑性を最小限に抑えたうえで、リスクをさらに軽減し、クラウドと AI のトランスフォーメーションの取り組みを自信を持って進められるようになります。Google Unified Security と Palo Alto Networks などの信頼できるパートナーを通じて、お客様は業界をリードする AI に基づく統合されたセキュリティポスチャーを確立し、ネットワーク、SASE、エンドポイントの各領域で包括的な保護が可能になります。

Palo Alto Networks のソリューションなど、認定済みの Google Unified Security Recommended ソリューションは、Google Cloud Marketplace から簡単に調達してデプロイできます。

-セキュリティ運用部門プロダクトマネジメントシニアディレクター、Chris Corde

-プロダクトパートナーシップ責任者兼グループプロダクトマネージャー、McCall McIntyre

Google Cloud パートナーネットワークのご紹介: パートナーの皆様に知っていただきたいこと

Thu, 15 Jan 2026 00:00:00 +0000

※この投稿は米国時間 2025 年 12 月 17 日に、Google Cloud blog に投稿されたものの抄訳です。

Google Cloud パートナーの皆様に嬉しいお知らせがあります。本日、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について発表しました。このプログラムは 2026 年第 1 四半期より正式に開始されます。

この新しいプログラムでは、成功の測定方法と価値の評価方法を根本から変えています。ISV、RSI、GSI などのあらゆるタイプと規模のパートナーが対象となるこの新しいプログラムは、お客様のライフサイクル全体においてパートナーの貢献度を評価するという Google の戦略的なシフトをさらに推し進めるものです。

Google Cloud パートナーネットワークは完全に効率化され、実際の成果を重視したものになります。プログラムの内容を測定することから、お客様の真の成果を評価することへの戦略的なシフトを示すものです。具体的には、効果的な共同販売の取り組み、高品質なサービスの提供、ISV とのイノベーションの共有が評価されるようになります。また、プログラムの中核に AI を取り入れることにより、パートナーが容易に参加でき、日常的なプログラム管理ではなく、お客様に注力できるようにします。

この新しいプログラムは第 1 四半期に正式に導入され、パートナーの新しいフレームワークへの適応期間として 6 か月の移行期間が設けられます。本日、Google Cloud パートナーネットワークについて初めて詳細な情報を発表します。このネットワークはシンプル、成果、自動化を 3 つの中心的な柱として構築されています。

シンプル

プログラムをよりシンプルなものにするため、ビジネスプランやお客様の導入事例などの従来のプログラム要件をトラッキングするのではなく、販売前の影響力、共同イノベーション、販売後のサポートといった、パートナーの貢献度の評価にシフトします。

このプログラムは、お客様最優先の原則に基づき設計されているため、実際の測定可能な価値をもたらすパートナーの取り組みのみに要件を絞っています。たとえばこのプログラムでは、スキルへの投資、実際の経験、お客様の成功事例が評価されます。

成果

新しいプログラムでは、パートナーの貢献度の特定と評価の方法を明確にして、お客様の成果に焦点を当てます。重要なポイントは次のとおりです。

新たなティア: 2 ティアモデルから 3 ティアモデルに進化し、Premier ティア、Partner ティアに加えて新しい Diamond ティアを設けます。Diamond は最上位のステータスで、非常に高い成果を継続的に実現している、厳選された少数のパートナーのみが対象となります。各ティアは Google と共同でのお客様の成功が反映されるようになります。また、ティアは Google Cloud と Google Workspace でのお客様の成果に基づき決定されます。
新しいベースラインコンピテンシー: 新しいコンピテンシーフレームワークでは、現在のスペシャライゼーションに代わる根本的な変更を加え、パートナーの高度な技術力と販売力を評価できるようにしています。このフレームワークでは、パートナーのすでに実証されているお客様サポート能力を重視し、キャパシティ（知識とスキルの開発能力、技術認定資格とセールスクルデンシャルにより確認）とケイパビリティ（実際の成功事例、確認された受注オポチュニティに対する販売前と販売後の貢献度によって測定）という 2 つの重要な側面を測定します。このフレームワークは、プログラムのティアとは独立して運用され、ティアに関係なくパートナーがコンピテンシーを獲得できるようになっています。
高度なコンピテンシーの導入: 新しいグローバルコンピテンシーでは、より高いレベルであることを示す「高度なコンピテンシー」という 2 つ目のレベルを導入します。

自動化

収益ハブや Statement of Work Analyzer などのツールを通じて実現していたプログラムの効果的な運営と透明性の確保をもとに、現在の Partner Network Hub を進化させて、プログラム全体で自動化と透明性を実現できるようにします。

AI やその他のツールを使用することにより、プログラムに参加するパートナーの管理業務を大幅に軽減できます。たとえば、重要な変更点として、ティアとコンピテンシーの達成状況を自動的にトラッキングする機能を導入しました。お客様とのエンゲージメントに成功すると、自動的に対象となるティアとコンピテンシーすべてで、進捗に反映されます。この抜本的な簡素化により、手間のかかるレポート作成が不要となり、実現した成果がシームレスかつ包括的に評価されるようになります。

次のステップ

新しいプログラムとポータルは 2026 年第 1 四半期に正式にリリースされます。リリースされるとすぐにパートナーはログインして、特典や差別化のパスを確認し、新たなティアとコンピテンシーの獲得に向けて取り組めます。スムーズに移行できるように、来年前半には一連のウェビナーとリスニングセッションを開催し、Google Cloud パートナーネットワークについてパートナーの皆様の理解を深めていただく機会を設けます。

近く詳細をお知らせしますので、ぜひご期待ください。

-Google Cloud、チャネルおよびパートナープログラム担当バイスプレジデント Colleen Kapase

Replit が Google Cloud でエンタープライズグレードのバイブコーディングを提供

Fri, 19 Dec 2025 01:10:00 +0000

※この投稿は米国時間 2025 年 12 月 5 日に、Google Cloud blog に投稿されたものの抄訳です。

バイブコーディングは今年大ブームになりました。AI を使用してチャットインターフェースに会話形式で入力するだけで、斬新なアプリを作成したり、動的なウェブサイトを構築したりできるのは、魔法のように思えるかもしれません。しかし、この動きは主に個人の開発者の領域にとどまっており、大規模なビジネスチームの領域では普及していませんでした。

このたび、Replit と Google Cloud は戦略的パートナーシップを拡大し、企業の開発者と開発チームにバイブコーディング機能を提供します。

Replit にとって、Google Cloud は初めてのクラウドパートナーでした。同社の AI コーディング向けの人気のあるプラットフォームは Google Cloud のインフラストラクチャ上で運用され、複数の Google Cloud サービスを利用しています。また、Vertex AI を通じて Google の Gemini モデルの統合を進めています。

Replit は、Google Cloud とのパートナーシップを拡大し、インフラストラクチャとクラウドサービスの利用を拡張する新たな複数年契約を締結しました。これにより、プラットフォームへの Google のモデルの統合をさらに推し進め、企業のお客様向けのバイブコーディングユースケースを共同でサポートします。先月、Replit は Gemini 3 を新しい設計モードに統合して、好評を博しました。パートナーシップ拡大契約には次のような条項があります。

Google Cloud は今後も Replit の主要なクラウドプロバイダであり続けます。Google Cloud Run、Google Kubernetes Engine、BigQuery などのサービスで Replit のアプリケーションの基盤を支え、会社の成長に伴うさらなるスケーリングを可能にします。
Gemini 3、2.5 Flash Lite、2.5 Flash、Imagen 4 などの Google モデルが Replit でサポートされるようになります。これにより、コーディングとマルチモーダルの両方のユースケースが拡充され、Google Cloud のトークンの使用量が大幅に増加します。
Replit と Google Cloud は、Google Cloud Marketplace での共同市場開拓と Google Cloud の広範な共同販売プログラムを通じて、企業のお客様がバイブコーディングを採用し、開発者が生産性を高められるよう連携して支援します。

Google Cloud の CEO である Thomas Kurian は、次のように述べています。「パートナーシップの拡大により、Google AI およびクラウドサービスとの緊密な統合を通じて、Replit のユーザーにさらに多くの機能を提供する予定です。また、Google Cloud AI を活用した Replit の使いやすい AI ツールをより多くの組織に提供することで、企業におけるバイブコーディングの導入を加速させます。」

Replit の共同創業者兼 CEO である Amjad Masad 氏は、次のように述べています。「私たちの使命は、趣味で開発を行っている方から起業家や企業まで、あらゆるソフトウェアクリエイターをさらに 10 億人支援することです。この数か月の間に、特に Fortune 1000 企業において、驚くほどの普及が進みました。今回 Google とのパートナーシップを拡大したことで、Google のサービスと当社のサービスの統合を進めて、より迅速かつ完全なスケーリングが可能になります。これはまだ始まりにすぎません。」

コーディングユースケースで Google AI モデルを活用しているお客様の事例について詳しくは、こちらをご覧ください。Replit やその他のお客様のように、Vertex AI を使用して Gemini 3 を構築しましょう。

-Google Cloud、社長兼最高収益責任者、Matt Renner

Google が「2025 IDC MarketScape for Worldwide Hyperscaler Marketplaces」でリーダーに選出

Wed, 17 Dec 2025 02:00:00 +0000

※この投稿は米国時間 2025 年 12 月 11 日に、Google Cloud blog に投稿されたものの抄訳です。

このたび Google は、IDC Marketscape により「2025 IDC MarketScape for Worldwide Hyperscaler Marketplaces」でリーダーに選出されました。この評価は、AI エージェントエコノミーを促進し、イノベーションを加速するクラウドマーケットプレイスエクスペリエンスを提供するという Google の取り組みが認められたものだと考えています。この成果は、お客様とパートナー様のためにオープンで相互運用可能なエージェント AI エコシステムを構築するという Google の取り組みを反映しています。

IDC MarketScape は、ハイパースケーラーマーケットプレイスを戦略と能力の観点から、購入者と販売者のフィードバックを取り入れつつ、厳密に評価しました。リーダーに選出されたことは、クラウドと AI ソリューション向けの包括的で統合された、未来志向のプラットフォームを提供する Google の強みが認められた結果だと考えています。

IDC MarketScape によると、Google は以下の点で高く評価されました。

包括的なソリューションポートフォリオと統合: Google Cloud Marketplace では、SaaS、AI エージェント、基盤モデル、データ、プロフェッショナルサービスなど、さまざまなリスティングカテゴリを提供しており、すべてがエンタープライズ対応として認定され、Google Cloud と緊密に統合されています。
AI 重視: このプラットフォームは、専用の AI エージェントカテゴリ、Vertex AI ツール、基盤モデルを通じて AI イノベーションを重視しており、お客様とパートナー様が共同でイノベーションを起こし、AI ソリューションを収益化して、Gemini Enterprise を通じてデプロイすることを可能にします。

認定パートナーソリューションのための信頼できるプラットフォームを提供

Google Cloud Marketplace は、信頼できるパートナーエコシステムが提供する幅広いサードパーティソリューションを備えており、組織が価値を生み出すソリューションをより迅速に実装できるよう支援します。スムーズな探索とデプロイのエクスペリエンスを実現するため、パートナーソリューションは、厳格な検証プロセスを経て、Google のファーストパーティ AI およびクラウドソリューションと統合されます。

また Cloud Marketplace は、Identity and Access Management によるきめ細かいアクセス制御や、プライベートマーケットプレイスを通じた詳細なガバナンスツールキットなど、企業向けの堅牢なコスト管理とガバナンス機能も提供しています。これにより、企業はテクノロジー調達を社内要件に効率的に整合させることができます。

エージェント AI を有効化

Cloud Marketplace では、拡大を続けるエージェント AI と生成 AI ソリューションのポートフォリオを提供しています。お客様は、Vertex AI と統合されたオープンソースモデルやパートナーモデルに加えて、Google 独自のモデルにもアクセスできます。組織は、Agent2Agent プロトコル（A2A）と Gemini Enterprise で認定されたデータセットと AI エージェントにもアクセスできるため、大規模かつオープンなパートナーエコシステムをさらに活用できます。

Cloud Marketplace では、自然言語検索やコンテキストに応じた推奨事項など、AI を活用した探索機能により、ユーザーが自社のビジネスや業界に適したソリューションをすばやく特定できます。Google のプラットフォームは、直接およびマルチパートナーの Marketplace チャネルのプライベートオファーを通じて、多様な購入ニーズに対応し、AI エージェントとツール、ソフトウェア、データセット、プロフェッショナルサービスにわたって、一貫したプライベートオファーエクスペリエンスを提供します。

パートナー様のグローバルな市場開拓を加速

Google Cloud は 200 以上の国と地域のお客様にサービスを提供しており、Google Cloud Marketplace では、65 か国と 30 通貨に対応したローカライズされた支払いと請求により、お客様とパートナー様のグローバルな取引を支援しています。

パートナー様向けには、エコシステム全体で共同販売を効率化するため、プログラムとツールへの投資を継続しています。これには、ハイパースケーラー、ISV、チャネル全体で一貫した条件を採用した業界標準のパートナー契約など、最近の機能強化が含まれます。お客様とパートナー様は、契約のレビューサイクルを効率化し、製品化までの時間を短縮できます。一方、マーケットプレイスのベンダーは、Google の標準利用規約を使用するか、独自の利用規約を適用するかを柔軟に選択できます。

また、パートナー様には、チャネル主導の購入行動をより正確に予測し、Marketplace チャネルのプライベートオファーの機会を見極められるよう、強化された取引のテレメトリーと分析情報も提供していきます。さらに、Google 主力の Cloud Marketplace インセンティブプログラムである Marketplace カスタマークレジットプログラムでは、お客様が対象となる Cloud Marketplace ソリューションを初めて購入する際に、ISV からの直接購入か、選択したチャネルパートナー経由かを問わず、Google Cloud クレジットが追加で 3% 提供されます。

Cloud Marketplace エクスペリエンスを継続的に強化

迅速なイノベーションとビジネスの変革を促進するという Google のコミットメントが揺るぐことはありません。今後も Google は、特にエージェント AI 機能を中心に提供内容を拡大し、価値創出を加速するために必要なツールをお客様とパートナー様に提供していきます。

調査結果についてさらに詳しく知りたい場合は、2025 IDC MarketScape for Worldwide Hyperscaler Marketplaces Excerpt をご覧ください。

出典: IDC MarketScape: Worldwide Hyperscaler Marketplaces 2025 Vendor Assessment、#US52994425、2025 年 11 月

IDC MarketScape ベンダー分析モデルは、特定の市場におけるテクノロジーやサプライヤーの競争力を概説することを目的に設計されています。調査手法には定量的および定性的な基準に基づく厳格なスコアリング手法が採用され、その結果は市場における各サプライヤーのポジションを 1 つのグラフ図にまとめた形で表されます。能力スコアは、短期間におけるサプライヤーのプロダクト、市場進出、ビジネスの遂行力を評価するものです。戦略スコアは、3～5 年の期間において、サプライヤーの戦略が顧客の要件に適合しているかの評価です。サプライヤーのマーケットシェアは、アイコンの大きさで表されます。

-Google Cloud Marketplace および ISV GTM イニシアチブ担当マネージングディレクター Dai Vu

-Google Cloud Marketplace、グループプロダクトマネージャー Denis Morentsov

画期的な AWS とのコラボレーションで Google Cloud のクロスクラウドネットワークを拡大

Fri, 12 Dec 2025 02:00:00 +0000

※この投稿は米国時間 2025 年 12 月 1 日に、Google Cloud blog に投稿されたものの抄訳です。

本日 Google は、Amazon Web Services（AWS）との重要なコラボレーションを発表します。両社が協業することで、クロスクラウド接続のための、プライバシーとセキュリティが確保されたマネージド型オンデマンドソリューションを提供いたします。このソリューションは、Google Cloud と AWS の両方の環境にまたがる、エンタープライズグレードのアプリケーションを簡単に構築できるように設計されています。このコラボレーションは、AI の台頭も一因となってマルチクラウドアプリケーションの導入が急速に加速している今、特にタイムリーなものです。Forbes のアンケートでは、回答者の 82% が、AI サービスの登場により、専用アクセラレータリソースの不足とさまざまなベンダーの多様な AI エージェントの利用可能性から、マルチクラウドネットワーキングの需要が増加すると予想していることが強調されています。マルチクラウド導入の急激な増加は、エージェント AI アプリケーションの構築、ワークロードの最適化、最先端のサービスへのアクセス、データ所在地要件の遵守、最新のハイブリッドアプリケーションとマルチクラウドアプリケーションに必要な復元力の確保を目指す組織にとって、戦略的に不可欠なことです。

マルチクラウドの導入によって生じる固有のネットワークインフラストラクチャの課題に対処するため、Google はクロスクラウドネットワークを設計し、Google Cloud と他のプロバイダ間のネットワーキングをシンプルにして最適化しました。マルチクラウド統合へのこの取り組みにより、現在 Fortune 500 の 50% 以上がクロスクラウドネットワークを使用しており、今回のコラボレーションは大きな後押しとなります。重要なのは、AWS と共同で設計されたこの新しいソリューションがオープン仕様で公開されることです。これにより、他のプロバイダがこのソリューションに参加して貢献する機会が増え、自社の環境に実装できるようになるため、それぞれのお客様にさらなるメリットがもたらされます。

AWS 向け Cross-Cloud Interconnect のご紹介

本日、マルチクラウドをシンプルかつ安全にするための大きな一歩を踏み出しました。このたび、お客様の環境とさまざまなクラウドプロバイダの環境との間のプライベートネットワーク接続を根本的に効率化する、業界初のオープン仕様を発表いたします。この画期的な共同仕様は、Cloud Interconnect ポートフォリオを強力に拡張する AWS 用 Partner Cross-Cloud Interconnect のプレビュー版として結実したものです。このイノベーションにより、Google Cloud と AWS VPC 間のオンデマンド接続を数分で構築できるようになり、マルチクラウドネットワーキングが、苦労して構築するものからシンプルなマネージドサービスへと変わります。

これは単なる接続方法に留まらず、マルチクラウドソリューションの導入方法を完全に変えるものです。両社は、共通のお客様に、以下のような大きな価値を提供しています。

シンプルさとスピード: 複雑なネットワーク構築は不要です。これは、フルマネージドのクラウドネイティブなエクスペリエンスであり、クラウド間の接続は 2 つの VPC のピアリングと同じくらい簡単です。エンドツーエンドのセットアップ時間は数日からわずか数分に短縮し、帯域幅は、プレビュー期間中の 1 Gbps から、一般提供時には 100 Gbps まで、オンデマンドで柔軟に拡張できます。
デフォルトで保護: データのセキュリティは非常に重要です。両社のクラウドのエッジルーター間における全接続は MACsec で暗号化され、常時暗号化しながら、回線の最高速度を達成する性能を備えているため、基盤のセキュリティが強化されます。
本質的な復元力: 本質的に復元力のあるアーキテクチャのメリットは、設備、ネットワーク、ソフトウェアの障害に対して各レイヤで対応し、重要なアプリケーションのオンライン接続を維持できることです。
オープンで最適化されている: 基盤は、業界全体でシームレスに採用できるオープン仕様です。また、ベンダーの統合と、必要なときに必要なものだけを利用できるオンデマンドサービスモデルにより、総所有コストを最適化できます。

このサービスは、ノーザンバージニア、オレゴン、ロンドン、フランクフルトの主要拠点でリリースを開始しました。今後、世界中のさらに多くの場所に急速に拡大する予定です。

クラウド間の接続をシンプルに

今回の共同設計ソリューション以前は、複数のクラウド環境にまたがるアプリケーションの構築は大事業となっており、しばしばマルチクラウド導入の障壁となっていました。お客様が直面する複雑で多層的なプロセスは、部門横断型チームの関与と大幅なリードタイムを強いるものでした。

典型的なデプロイでは、次のようないくつかの複雑な手順が必要でした。

調達: 専用接続または共有パートナーサービスを介して物理的な接続を確立し、ネットワークの可用性を確保して障害を分離するために必要なインフラストラクチャを構築、管理する。
論理構成: リンクローカル IP アドレスが重複しないように慎重に調整して割り当て、VLAN を設定することで、基本的な接続を確立する。
ルーティングの設定: BGP セッションを設定し、自律システム（AS）番号を割り当て、所定のパフォーマンスと信頼性の要件を満たす複雑なルーティングポリシーを作成する。
セキュリティの実装: 徹底的なセキュリティレビューを実施し、個別のクラウド環境間のトラフィックを暗号化するカスタムソリューションを実装する。

統合された Partner Cross-Cloud Interconnect サービスでは、この複雑な手順が完全に不要になります。お客様は、手動の手順をすべて省略し、セキュリティと復元力が組み込まれた事前構築済みの物理接続を即座に活用して、Google Cloud VPC と AWS 間のオンデマンド接続を効率的に実現できます。

このたび、この強力なクロスクラウド接続の構築が、非常に簡単になりました。お客様は、Google Cloud で 1 つの「トランスポート」リソースを構成し、AWS でそれを受け入れます。このトランスポートは、基盤となる物理相互接続、VLAN アタッチメント、Cloud Router インスタンスを完全に抽象化してプロビジョニングする、革新的なマネージドサービスです。この大幅なシンプル化により、マルチクラウドのデプロイが、数日かかるエンジニアリングプロジェクトから、シンプルな短時間の構成作業に変わり、エンドツーエンドの接続が数分で完了します。

内部の仕組み: 安全で復元力に優れた基盤

両社は、クロスクラウドアプリケーションのための安全で復元力に優れた基盤を提供するために、エンタープライズ環境の主要な可用性原則を損なうことのない、シンプルな新しいサービスによるソリューションを共同設計しました。

プライバシーとセキュリティ: すべてのピアリング関係はリンクローカルアドレス間で構築されるため、両方の環境にまたがる IPv4 と IPv6 のプライベートアドレス空間同士の接続が容易になります。Google Cloud と AWS のエッジルーター間のすべての基盤となる物理接続は MACsec で暗号化されており、両方のプロバイダともに鍵のローテーションを管理してエンタープライズグレードのセキュリティ要件を満たしています。
四重冗長性: Google Cloud と AWS クラウドリージョン間の接続を可能にするために、四重冗長接続を利用して、施設とエッジルーターの両方の冗長性を確保しています。この設計は、複数の同時障害シナリオから保護し、共同のお客様に高い復元力をもたらします。
マネージドオペレーションは、統合ソリューションを実現するための鍵となります。新たに導入されたソリューションは、お客様に代わって物理的および論理的な構築を効率化するだけでなく、お客様が障害の影響を受ける前に障害を検出して対応する、堅牢なプロアクティブモニタリングシステムを基盤として活用しています。このシステムは、エンドツーエンドのサービスの可用性に影響する可能性のある重複を避けるために、調整されたメンテナンス方式を採用しており、お客様に代わって潜在的な問題に対処するためにサポート業務を効率化しています。

さまざまなマルチクラウドワークロード

Google Cloud と AWS 間の効率化された新しいネットワーク接続により、アプリケーションチームは、さまざまな興味深いアプリケーションのネットワーク構築を自動化できます。次のようなシナリオを考えてみましょう。

アクティブ / アクティブまたはアクティブ / スタンバイの障害復旧戦略をサポートするインフラストラクチャと AI のデプロイ。2 つのピアサービス（エージェント AI アプリケーションやデータベースレプリカなど）間の基本的な接続により、アプリケーションはあたかも同一環境にあるかのようにクラウド境界を越えてステータスを同期し、アプリケーションの最大限の復元力と運用の一貫性を確保します。
AWS のお客様が Google Cloud にインバウンドリクエストを発行し、AWS で実行中のサービスが Google Cloud API に安全かつプライベートにアクセスできるようにします。たとえば、Compute Engine で実行されるカスタムアプリケーションや、セキュリティとパフォーマンスを強化するために公共のインターネットをバイパスする BigQuery でホストされる重要なデータウェアハウスなどがあります。
Google Cloud のお客様が AWS に向けてアウトバウンドリクエストを発行する場合、Google Cloud でオーケストレーションされるデータパイプラインが、S3 や RDS インスタンスなどの AWS データストアから大量のデータセットをプライベートでプルできます

Google Cloud と AWS で今すぐアプリケーションを構築

お客様の組織が、ユースケースにかかわらず、Google Cloud と AWS 環境間のシンプルかつ安全で堅牢なオンデマンド接続によってメリットが得られるとお考えの場合は、複数のクラウドをまたがるアプリケーションの構築を開始し、ネットワーク接続インフラストラクチャの管理は Google にお任せください。

このコラボレーションは、Google Cloud と AWS に限定されるものではありません。他のクラウドプロバイダやサービスプロバイダにも、Google Cloud とのこの効率化されたプライベートピアリング機能を顧客に提供していただくよう呼びかけています。詳しくは、オープン仕様をご確認のうえ、cross-cloud@google.com までお問い合わせください。Google は、両社のお客様の利益のために、このエコシステムを拡大できることを心から楽しみにしています。

-プロダクト管理担当ディレクター、Himanshu Mehra

-シニアプロダクトマネージャー、Judy Issa

Zeotap: BigQuery ML とベクトル検索が自社の AI モデル構築にどのように役立つか

Thu, 04 Dec 2025 02:00:00 +0000

※この投稿は米国時間 2025 年 11 月 15 日に、Google Cloud blog に投稿されたものの抄訳です。

編集者注: この投稿は、色々な組織が Google Cloud 以外のクラウドデータプラットフォームではなく Google Cloud 独自のデータサイエンス機能をどのように活用しているかを紹介するシリーズの一部です。Google Cloud のベクトルエンベディング生成と検索機能は、Google の高度な AI 研究を活用したエンドツーエンドのカスタマイズ可能なプラットフォームであるという点で際立っており、タスクに最適化されたエンベディングモデルやハイブリッド検索などの機能を提供し、セマンティッククエリとキーワードベースのクエリの両方に対して関連性の高い結果を提供します。

Zeotap の顧客インテリジェンスプラットフォーム（CIP）は、ブランドが顧客を理解し、行動を予測して、顧客エンゲージメントを向上させるのに役立ちます。Zeotap は Google Cloud と提携して、プライバシー、セキュリティ、コンプライアンスを提供する顧客データプラットフォームを構築しています。BigQuery で構築された Zeotap CIP を使用すると、デジタルマーケターは AI/ML モデルを構築して使用し、顧客の行動を予測して顧客体験をパーソナライズできます。

Zeotap プラットフォームには、類似オーディエンスの拡張と呼ばれる顧客セグメンテーション機能が含まれています。類似オーディエンスとは、既存の価値の高い顧客ベースと類似した特性や行動を共有する、機械学習アルゴリズムによって特定された新規の見込み顧客のグループです。しかし、ファーストパーティデータがまばらであったり、不完全であったりすると、効果的な類似オーディエンスを作成することが難しくなり、広告アルゴリズムが、類似する新しい見込み顧客を見つけるために必要な、価値の高い顧客の重要な特性を正確に特定できなくなります。このような希少な機能のために、Zeotap は複数の ML 手法を使用しています。これらの手法では、Zeotap のマルチグラフアルゴリズムと高品質のデータアセットを組み合わせて、CDP と類似モデルの間で顧客のオーディエンスをより正確に拡張します。

このブログでは、Zeotap が BigQuery ML やベクトル検索などの BigQuery を使用して、エンドツーエンドの類似ユーザーの問題を解決する方法について詳しく説明します。Google では実用的なアプローチを採用することで、複雑な最近傍探索問題を単純な内部結合問題に変換し、専用のベクトルデータベースを使用せずに、費用、規模、パフォーマンスの課題を克服しました。ここではデータ準備からサービス提供までのワークフローの各ステップを分解し、その過程で BigQuery がどのように主要な課題に対処するかを説明します。ユーザープロファイルデータセットで大部分を占めるカーディナリティの低いカテゴリ列に対処する手法の一つとして、エンベディングを使用したジャカード類似度を紹介します。

フローの概要は次のとおりで、すべて BigQuery エコシステム内で行われます。注: このブログでは、カーディナリティの高い列のフローについては扱いません。

ジャカード類似度

エンベディング空間で最も近いベクトルを返す他の類似性指標がいくつかある中で、Zeotap は、カーディナリティの低い特徴に適合する指標として、ジャカード類似性を好んでいます。これは、2 つの集合間の重複を測定するもので、簡単な式 (A B)/(AB) で表されます。ジャカード類似度は、「2 人のユーザーのいずれかに存在するすべての固有の属性のうち、共有されている属性の割合はどれくらいか？」という質問に答えるものです。少なくとも 1 つのエンティティに存在する特徴（バイナリベクトルの 1 など）のみを考慮し、両方に存在しない属性は無視します。

図式的に示すと次のようになります。

ユーザー	興味 / 関心	バイナリベクトル [映画、スポーツ、音楽、書籍、旅行]	X∩B	X とのジャカード類似度
X	[映画、スポーツ]	[1,1,0,0,0]	-	-
Y	[映画、スポーツ]	[1,1,0,0,0]	2	2/2
Z	[映画、スポーツ、音楽、書籍、旅行]	[1,1,1,1,1]	2	2/5

ジャカード類似度は、エンべディング空間の距離のみを測定する他の多くの複雑な距離指標や類似度インデックスよりもシンプルで説明しやすいため、優れています。まさにオッカムの剃刀です。

実装へのブループリント

ベクトルエンベディングの生成カーディナリティの低い特徴を選択したら、プリミティブ列と配列ベースの列に対して BigQuery のワンホットエンコーディングとマルチホットエンコーディングを使用してベクトルを作成します。

ここでも、サンプルベクトルテーブルを可視化するとわかりやすくなります。

課題: BigQuery ベクトル検索では、ジャカード距離は直接サポートされていない

BigQuery ベクトル検索は、ユークリッド、コサイン、ドット積の 3 つの距離タイプをサポートしていますが、ジャカード距離はサポートしていません（少なくともネイティブには）。ただし、ジャカード距離（1 - ジャカード類似度）が次のようになるバイナリベクトルの選択を表すことができます。

Jd(A,B) = 1 - |A∩B|/|A∪B| = (|A∪B| - |A∩B|)/|A∪B|

ドット積のみを使用すると、次のように書き換えることができます。

つまり、ドット積を使用してジャッカード距離を求めることができます。BigQuery のすぐに使える LP_NORM 関数は、マンハッタンノルムを計算するのに便利です。バイナリベクトルのマンハッタンノルムは、ベクトルとベクトル自身のドット積だからです。つまり、マンハッタンノルム関数を使用することで、BigQuery でサポートされている「ドット積」検索を使用して計算できる方法で、ジャカード距離をサポートできることがわかりました。

ベクトルインデックスの構築

次に、ベクトルインデックスを構築する必要がありました。BigQuery は、IVF（Inverted File Index）と TREE_AH（Tree with Asymmetric Hashing）の 2 つの主要なベクトルインデックスタイプをサポートしており、それぞれ異なるシナリオに合わせて調整されています。TREE_AH ベクトルインデックスタイプは、 Google の ScaNN アルゴリズムをベースに、ツリーのような構造と非対称ハッシュ（AH）を組み合わせています。このアルゴリズムは、さまざまな ANN ベンチマークで優れたパフォーマンスを発揮しています。また、このユースケースは大規模なバッチクエリ（数十万から数百万のユーザーなど）を対象としていたため、他のベクトルデータベースと比較して、レイテンシと費用を削減できました。

類似配信

検索を最適化するベクトルインデックスができたところで、私たちは「BigQuery の VECTOR_SEARCH 関数を使用して直接検索を実行すべきか？」と自問しました。このアプローチを基本テーブルに対して採用したところ、1 社のクライアントだけで 1 億 1,800 万ものユーザーエンコードベクトルが生成されました。さらに、最も重要なこととして、この計算ではデカルト積が必要となるため、インメモリデータサイズがすぐに非常に大きく複雑になりました。すべてのお客様にスケーリングできる戦略を考案する必要がありました。

希少特徴戦略

シンプルながら非常に効果的な戦略は、偏在するユーザーの特徴を検索することを避けることです。2 段階の希少特徴プロセスでは、「遍在する」特徴を特定し、次に、より希少な特徴または判別力のある特徴を少なくとも 1 つ持つユーザーを含む、シグナルが豊富なテーブルを作成します。すぐに、検索スペースを最大 78% 削減できました。BigQuery の VECTOR_SEARCH では、事前フィルタリング を使用してこれを行うことができます。事前フィルタリングでは、サブクエリを使用して検索スペースを動的に縮小します。ただし、サブクエリは従来の結合にすることはできません。そこで、「フラグ」列を導入し、それをインデックスの一部にします。注: 列がインデックスに保存されていない場合、VECTOR_SEARCH の WHERE 句は事後フィルタを実行します。

BQUI またはシステムテーブルを使用して、ベクトルがクエリの高速化に使用されているかどうかを確認する

バッチ戦略

ベクトル検索では、クエリユーザー（N、ターゲットとするユーザー）とベースユーザー（M、ユーザープール全体、この場合は 1 億 1,800 万人）を比較します。複雑さは（M × N）で増加するため、大規模な検索はリソースを大量に消費します。これを取り扱うために、N クエリのユーザーにバッチを適用し、これらをグループごと（例: バッチあたり 500,000）に処理し、M はベースセット全体としました。このアプローチにより、計算負荷が軽減され、各クエリユーザーの上位 100 人の類似ユーザーを効率的にマッチングできるようになりました。次に、グリッド検索を使用して、大規模な要件に最適なバッチサイズを決定しました。

まとめ

Google Cloud とのパートナーシップにより、デジタルマーケターは AI/ML モデルを構築して使用し、顧客セグメンテーションとパーソナライズされたエクスペリエンスを実現して、コンバージョン率の向上と顧客獲得費用の削減を推進できます。BigQuery ベクトル検索ではジャカード距離が直接サポートされていないという課題に対処するため、ドット積とマンハッタンノルムを使用しました。BigQuery ML とベクトルサービスを活用したこの実用的なアプローチにより、1 つの SQL スクリプトだけでカスタムの類似ユーザーモデルを作成し、専用のベクトルデータベースを使用せずに費用、規模、パフォーマンスの課題を克服できました。

BigQuery ML とベクトルサービスを、堅牢なサーバーレスアーキテクチャと組み合わせて使用することで、個々の顧客のドメインとニーズに対応するカスタムの類似ユーザーモデルをリリースできました。Zeotap と Google Cloud は、マーケターがどこでもリーチを拡大できるよう支援するパートナーシップを期待しています。

ISV とデータプロバイダにとっての Built with BigQuery のメリット

Built with BigQuery は、BioCorteX などの企業による、Google のデータクラウドを活用した革新的なアプリケーション構築のお役に立ちます。参加企業には以下のメリットがあります。

専任のエキスパートから、重要なユースケース、アーキテクチャパターン、ベストプラクティスに関するインサイトを得ることによって、プロダクトの設計とアーキテクチャの構築を加速できます。
共同マーケティングプログラムを利用して、認知度の向上、需要の創出、導入の拡大を図り、より大きな成功を実現できます。

BigQuery は、Google Cloud のオープンかつ安全でサステナブルなプラットフォームに統合された、パワフルでスケーラビリティの高いエージェント時代の統合データクラウドのメリットを ISV に提供します。Built with BigQuery の詳細については、こちらをクリックしてください。

-Google、プロダクトマネージャー、Joe Malone

-Zeotap、最高技術責任者、Sathish KS 氏

AWS と Google Cloud が連携してマルチクラウドネットワーキングを簡素化

Wed, 03 Dec 2025 03:00:00 +0000

※この投稿は米国時間 2025 年 12 月 1 日に、Google Cloud blog に投稿されたものの抄訳です。

マルチクラウドアーキテクチャを採用する組織が増えるにつれ、クラウドサービスプロバイダ間の相互運用性への要求はかつてないほど高まっています。しかし、これまで異なるクラウド環境を接続することは困難であり、お客様はグローバルな多層ネットワークを大規模に管理するために、複雑な「自前主義」の方式を余儀なくされていました。

これらの課題に対処し、よりオープンなクラウド環境を推進するために、Amazon Web Services（AWS）と Google Cloud は協業し、クラウドサービスプロバイダ同士がシンプルに接続する方法を変革しました。

このたび、AWS と Google Cloud は、AWS Interconnect - multicloud と Google Cloud Cross-Cloud Interconnect の両方を使用する、共同設計のマルチクラウドネットワーキングソリューションを発表しました。このコラボレーションでは、ネットワークの相互運用性に関する新しいオープン仕様も導入されました。これによりお客様は、Google Cloud と AWS の間でプライベートな高速接続を確立し、高度な自動化とスピードを実現できます。

「Salesforce Data 360 をより広範な IT 環境と統合するには、堅牢でプライベートな接続が必要です。AWS Interconnect - multicloud を使用すると、Google Cloud への非常に重要な連携が、社内の AWS リソースをデプロイするのと同じくらい簡単に確立できます。このとき、事前構築された容量プールと、チームがいつも愛用しているツールを利用できます。プロビジョニングから継続的なサポートまで、このネイティブで合理化されたエクスペリエンスにより、お客様はデータの保存場所に関係なく、信頼できるデータに基づいて AI と分析を構築する能力を加速できます。」- Salesforce、ソフトウェアエンジニアリング担当シニアバイスプレジデント、Jim Ostrognai 氏

以前は、クラウドサービスプロバイダに接続するために、お客様は物理的な接続や機器などの複雑なネットワーキングの構成要素を手動で設定する必要がありました。このアプローチでは、長いリードタイムが必要となり、社内外の複数のチームと連携する必要がありました。この作業には数週間、あるいは数か月かかることもあります。AWS は、この機能をあらゆるクラウドサービスプロバイダが採用できる統一仕様として開発するというビジョンを持っており、Google Cloud と協力して市場に投入しました。

この新しいソリューションは、物理的なインフラ管理を脱却して、マネージドクラウドネイティブエクスペリエンスに移行することで、マルチクラウド接続を再構築します。AWS を Google Cloud のクロスクラウドネットワークアーキテクチャと統合することで、物理接続、ネットワークアドレス指定、ルーティングポリシーの複雑さを意識させずに扱いやすくしています。お客様は回線プロビジョニングに数週間も待つ必要がなくなり、専用帯域幅をオンデマンドでプロビジョニングし、好みのクラウドコンソールまたは API を使用して数分で接続を確立できます。

信頼性とセキュリティは、この連携の基盤です。この連携ソリューションにおいては、物理的に冗長な相互接続設備とルーター全体で 4 重の冗長化を行うことで、高い復元力を実現しています。AWS、Google Cloud の両プロバイダとも、継続的なモニタリングを実施し、問題をプロアクティブに検出して解決します。このソリューションは、Google Cloud と AWS のエッジルーター間の MACsec 暗号化を利用して、信頼基盤のもとに構築されています。

「AWS と Google Cloud のこのコラボレーションは、マルチクラウド接続における根本的な転換を表しています。お客様にとっての物理コンポーネントの複雑さを解消する標準を定義して公開し、高可用性とセキュリティをその標準に融合しました。今後、お客様は必要な接続を構築するための手間のかかる作業を心配する必要がなくなります。マルチクラウド接続が必要な場合は、簡単なクリック操作で数分以内に有効化できます。」- AWS、ネットワークサービス担当バイスプレジデント、Robert Kennedy 氏

「このコラボレーションに非常に期待しています。これによりお客様は、データとアプリケーションをクラウド間で移行する際にグローバルな接続が簡素化され、運用効率が向上します。今回の発表は、オープンで統合されたマルチクラウドエクスペリエンスをお客様に提供することに重点を置いた Google Cloud のクロスクラウドネットワークソリューションをさらに強化するものです。」- Google Cloud、クラウドネットワーキング担当バイスプレジデント兼ゼネラルマネージャー、Rob Enns

AWS と Google Cloud のこのコラボレーションは、単なるマルチクラウドソリューションではありません。よりオープンなクラウド環境に向けた一歩です。このプロダクト向けに開発された API 仕様は、他のプロバイダやパートナーが採用できるよう公開されています。すべてのお客様のグローバルな接続を簡素化することを目指しています。ぜひ、この新機能を今すぐお試しください。マルチクラウド運用を合理化する方法について詳しくは、Google Cloud Cross-Cloud Interconnect のブログと AWS Interconnect - multicloud のウェブサイトをご覧ください。

-Google Cloud、クラウドネットワーキング担当バイスプレジデント兼ゼネラルマネージャー Rob Enns

-Amazon Web Services、ネットワークサービス担当バイスプレジデント Robert Kennedy 氏

パートナー

Red Hat OpenShift on Google Cloud を移行およびスケールする新しい方法

Google Cloud インフラストラクチャによる費用の最適化

Google Cloud Cluster Services for Red Hat OpenShift のご紹介

Google Cloud コンソールでのクラスタの作成

Red Hat OpenShift Virtualization で VM とコンテナを同時に実行

始める

Google Cloud Partner Tech Influencer Challenge 2026 実施のご案内

Google Cloud Partner Tech Influencer Challenge 2026 参加ガイド

優秀コンテンツの発表

評価基準

Google Cloud Next 特集のお知らせ

Google Cloud と NVIDIA が GTC 2026 で業界全体に AI イノベーションを拡大

G4 VM で AI ワークロードを高速化

分割式 G4 VM の導入

NVIDIA Vera Rubin NVL72 で AI Hypercomputer をスケーリング

AI インフラストラクチャ スタック全体で効率性を実現

Vertex AI のトレーニングと Model Garden の進化

公共部門向けの AI スタートアップを支援

共同エンジニアリングのコラボレーションが AI スタックのあらゆるレイヤを強化

Google Cloud と SBIグループが共催「SBI AI Digital Summit」AI エージェントによる新たなビジネス価値創出の可能性を探る

開会挨拶と基調講演

AI Deep Dive

SBI グループの AI トランスフォーメーション

熱気あふれるアワード

白熱の未来志向チャレンジ

まとめ

自律型ネットワークの加速: Google Cloud と DigitalRoute が AI 向けのデータ準備を簡素化

「データスワンプ」からデジタルツインへ

ソリューション: データ準備のためのクラウドネイティブなアーキテクチャ

データから成果へ: 自律型エージェントの実現

自律型ネットワークのミッション遂行を加速

自律型ネットワークの台頭: GraphML が通信事業者の運用手法を再定義する方法

デジタルツインの基盤: ネットワークのモデリング

GNN と従来の ML

Google の自律型ネットワーク スタック上の NetAI GNN

技術スタック: Google tf-GNN と NetAI

エグゼクティブの視点

もっと詳しくお知りになりたい場合

Google Cloud のお客様が構築した優れたソリューション（2 月版）: Team USA のテック、通信会社のデータ刷新、ゴールデン ステートの「G.O.A.T.T.」

自律型ネットワークのスケーリング: Data Steward と Core Network Agent のご紹介

業界のボトルネック: エージェントがスケーリングに苦労する理由

フレームワークの拡張: Autonomous Data Steward

Core Network（VoLTE）Agent

自律運用への移行を加速

ネットワーク API からネットワーク AI エージェントへ - エージェントでつながる未来を Nokia とともに構築

AI ネットワークの進化を支える 3 本の柱

技術的な橋渡し: Nokia と Google Cloud の統合の仕組み

Agent Development Kit（ADK）による拡張性

通信事業エコシステムにもたらす効果

MWC で未来を体験

フレームワークからスケールへ: MWC 26 で自律型ネットワークを加速

プロダクトのイノベーション: エージェント型通信エンジン

ソリューションのアップデート: 価値創出を加速

エコシステムの活発化によるイノベーションの促進

今後の動向

Google の ADK を使ったエージェント アプリケーションを Datadog LLM Observability でモニタリングする

エージェントの判断と予期しない挙動をトレース

トークン使用量とレイテンシをモニタリング

エージェントの応答品質とセキュリティを評価

テストを通じて、迅速かつ確信を持って改善を重ねる

Datadog LLM Observability を使ってみる

Palo Alto Networks がマルチテナントのスケーラブルな統合データ プラットフォームを構築した方法

課題: シングル テナント アーキテクチャでは対応しきれない

変革: Dataflow による新しいアーキテクチャ パラダイムの採用

アーキテクチャの概要

効果: 価値、費用、エンジニアリングの重点の大きな変化

モデルの拡張: サイバーセキュリティ以外のユースケース

持続可能なデータの未来を創る

Palo Alto Networks、エージェント設計によりカスタマー インテリジェンスに関するドキュメントの作成を自動化

課題: 手動による時間のかかるプロセス

エージェント主導の自動化されたワークフロー

デプロイ アーキテクチャ

自動プロセスの各ステップ

技術スタック

課題の解決

ビジネスの成果

ビジョンの拡大: Palo Alto Networks が新たに Google Unified Security Recommended に参加

ネットワーク、アクセス、エンドポイントの保護を実現

Google Cloud パートナー ネットワークのご紹介: パートナーの皆様に知っていただきたいこと

AI インフラストラクチャスタック全体で効率性を実現

Google の自律型ネットワークスタック上の NetAI GNN

Google Cloud のお客様が構築した優れたソリューション（2 月版）: Team USA のテック、通信会社のデータ刷新、ゴールデンステートの「G.O.A.T.T.」

Google の ADK を使ったエージェントアプリケーションを Datadog LLM Observability でモニタリングする

Palo Alto Networks がマルチテナントのスケーラブルな統合データプラットフォームを構築した方法

課題: シングルテナントアーキテクチャでは対応しきれない

変革: Dataflow による新しいアーキテクチャパラダイムの採用

Palo Alto Networks、エージェント設計によりカスタマーインテリジェンスに関するドキュメントの作成を自動化

デプロイアーキテクチャ

Google Cloud パートナーネットワークのご紹介: パートナーの皆様に知っていただきたいこと

Replit が Google Cloud でエンタープライズグレードのバイブコーディングを提供

認定パートナーソリューションのための信頼できるプラットフォームを提供

画期的な AWS とのコラボレーションで Google Cloud のクロスクラウドネットワークを拡大

さまざまなマルチクラウドワークロード

AWS と Google Cloud が連携してマルチクラウドネットワーキングを簡素化

ベクトルインデックスの構築

ISV とデータプロバイダにとっての Built with BigQuery のメリット

AWS と Google Cloud が連携してマルチクラウドネットワーキングを簡素化