【Google Cloud Next '26】 AIは「使う」から「共に働く」へ エージェント革命と開発の民主化 完全解説（第１回）

⭐️ はじめに を読み解くのに必要な用語解説

○ AIエージェント（AI Agent）
AIが単なる質問応答や情報検索を行うだけでなく、与えられた目標を達成するために自律的に考え、ツールを操作し、一連のタスクを実行するシステムのことです。従来のAIが「頭脳」だとすれば、AIエージェントは「手足」を持った存在と言えます。例えば「出張の手配をして」と指示するだけで、航空券の予約からスケジュール登録、関係者へのメール送信まで、複数のステップを伴う作業を人間の代わりに最後までやり遂げてくれます。ビジネスの現場において、大幅な業務効率化と自動化を実現する次世代のAIとして注目されています。

○ システム・オブ・インテリジェンス（System of Intelligence）
企業が蓄積した膨大なデータを分析し、人間にとって役立つ洞察や高精度な予測を提供するAIシステムを指します。売上データのダッシュボードでの可視化や、過去の傾向に基づいた需要予測など、人間が正しい意思決定を行うための「賢いアドバイス」を行うことに特化しています。過去10年間の企業におけるAI活用の主流であり、非常に高度なデータ処理能力と知能を持ちますが、最終的な判断を下したり、実際にシステムを操作して業務を遂行したりするのはあくまで人間の役割として残されている点が、次世代のAIとは異なります。

○ システム・オブ・アクション（System of Action）
データの分析や予測にとどまらず、AIが自律的に現実のビジネス環境やソフトウェア上で具体的な「行動」を起こすシステムのことです。システム・オブ・インテリジェンスが提示した洞察に基づき、AI自身が在庫の発注システムを操作したり、顧客へのお詫びメールを自動送信したりと、業務の完結までを担います。人間が指示を出すだけで、AIが複数のアプリケーションを跨いで実行役を務めるため、企業の生産性を飛躍的に高めるパラダイムシフトとして期待されており、今回のGoogle Cloud Nextの核心となる概念です。

○ 長期実行エージェント（Long-running Agent / ロングランニング・エージェント）
数分や数時間で終わる単発のタスクではなく、数日や数週間にわたって稼働し続ける高度なAIエージェントのことです。途中で人間からの追加指示を待ったり、過去のやり取りの文脈を正確に記憶したりしながら、複雑で長期的なプロジェクトを遂行する能力を持っています。例えば、大規模なシステム移行の監視や、数日間に及ぶデータ収集と分析レポートの作成などを任せることができます。企業が本番環境で安心して使えるよう、厳格なセキュリティやガバナンスのルールの下で動作するよう設計されているのが大きな特徴です。

○ 推論（Inference / インファレンス）
AIが、学習済みのデータとルールに基づいて、新しい入力データに対する答えや予測を導き出すプロセスのことです。AI開発は大きく分けて、モデルを賢くする「学習」と、実際に使って回答を出す「推論」の2段階があります。ChatGPTに質問して答えが返ってくるのも推論の働きです。現在、AIが世界中の実業務に組み込まれるようになったことで、この推論にかかる計算負荷が爆発的に増加しており、推論に特化した高速かつ省電力な次世代インフラの整備がIT業界の最重要課題となっています。

○ TPU v8（Tensor Processing Unit version 8 / テンソル・プロセッシング・ユニット・バージョン８）
Googleが独自に開発している、AIの計算処理に特化した半導体チップの第8世代モデルです。前述した爆発的に増加するAIの「推論」需要を支えるために設計されており、前世代と比較して推論時間を５倍に高速化する圧倒的な性能を持っています。これにより、複雑な思考を必要とするAIエージェントや、リアルタイムでの音声・映像生成などを、遅延なくスムーズに実行することが可能になります。大規模なAIサービスを安定して提供するための、Google Cloudの心臓部とも言えるインフラ技術です。

○ Vibe coding（バイブ・コーディング）
プログラミングの専門知識を持たない人でも、日常的な言葉で「こんなアプリが欲しい」「こんな風に動かしたい」とAIに指示を出すだけでソフトウェアを開発できる新しい手法のことです。「Vibe」（雰囲気・直感）という言葉が示す通り、厳密なコードの文法を気にすることなく、直感的な対話を通じてAIエージェントにコーディングを任せることができます。これによりソフトウェア開発の民主化が進み、誰もがクリエイターとして強力なアプリケーションを短期間で生み出せる時代が到来したことを象徴するキーワードです。

⭐️ 第１章を読み解くのに必要な用語解説

○ ADK（Agent Development Kit / エージェント・デベロップメント・キット）
AIエージェントを効率的に開発するためのツールやプログラムのセットです。PythonやTypeScriptなどの主要なプログラミング言語に対応しており、開発者はゼロから複雑なコードを書く手間を省いて、高度な機能を備えたエージェントを素早く構築できます。これまでバラバラだった開発環境を一つにまとめ、企業レベルの品質を担保するための標準的な枠組みを提供します。

○ エージェント・レジストリ（Agent Registry）
組織内で作成・運用されている複数のAIエージェントを一括して管理するための「名簿」や「カタログ」のような仕組みです。各エージェントの役割、バージョン、権限などを中央で把握できるため、大規模な組織でも誰がどのAIを動かしているのかを正確に管理できます。これにより、管理者の目が届かない場所で勝手にAIが動くのを防ぎ、ガバナンスを効かせた安全な運用を可能にします。

○ 監査証跡（Audit trail / オーディット・トレイル）
システム内で誰が、いつ、どのような操作を行ったのかを時系列で記録した情報のことで、AIエージェントの世界では「AIの行動履歴」を指します。エージェントが自律的に動く際、その判断根拠や実行したタスクを詳細に残すことで、トラブル発生時の原因究明やコンプライアンス遵守の証明が可能になります。企業がAIに重要な業務を任せる上で欠かせない、信頼の基盤となるデータです。

○ メモリバンク（Memory Bank）
AIエージェントが過去の会話や作業内容、特定の背景情報を長期的に保存し、必要に応じて取り出すことができる専用の記憶領域です。通常のAIは一回のやり取りが終わると内容を忘れてしまいますが、メモリバンクがあることで「数日前の指示」や「以前の作業の続き」を理解し、一貫性のあるサポートを提供し続けることができます。AIが単発の助手ではなく、継続的に働く「チームメンバー」になるために必須の機能です。

○ 永続化（Persistence / パシスタンス）
AIが作業を行っている途中の「状態」や「記憶」を、電源が切れたりシステムが再起動したりしても消滅しないように、安全な場所に保存しておく仕組みのことです。人間が退社する際に、作業途中の書類をデスクに広げたままにしておき、翌朝そのまま続きから始められる状態に似ています。この技術により、AIは数時間から数日間にわたる複雑で長大なプロジェクトでも、中断した箇所から一切の文脈を失わずに正確に作業を再開（レジューム）でき、「長期実行エージェント」として粘り強く働くことが可能になります。

○ エージェント・トレーシング（Agent Tracing）
AIエージェントが最終的な答えや成果物にたどり着くまでに、「どのようなデータを参照し」「どのステップを踏み」「なぜその判断を下したのか」という思考の足跡（トレース）をリアルタイムで追跡する機能です。これは、飛行機のフライトレコーダーや、新入社員の作業プロセスを先輩が後ろから見守る仕組みに似ています。これをダッシュボード上で図解として可視化することで、もしAIが間違った結論を出したり作業に行き詰まったりしても、人間が「どこで論理が破綻したのか」をピンポイントで特定し、安全に軌道修正（デバッグ）できるようになります。

○ オブザーバビリティ（Observability）
複雑に動くAIエージェントの内部状態や動作プロセスを、外部から手に取るように把握できる仕組みのことです。AIがなぜその結論に至ったのか、どのステップでエラーが起きたのかをグラフや図解で可視化（トレーシング）することで、開発者は問題の特定と修正を迅速に行えるようになります。「ブラックボックス」になりがちなAIの動きを透明化し、ビジネス運用の信頼性を高めるために非常に重要です。

○ ガードレール（Guardrails）
AIエージェントが許容範囲を超えた不適切な行動をとったり、機密データにアクセスしたりしないように設定する「安全柵」や「制限ルール」のことです。例えば、特定の金額以上の決済を禁止したり、外部への情報送信を制限したりといった制約を設けます。これにより、AIが自律的に動きつつも、常に人間が決めた倫理的・実務的な枠組みの中に留まるよう制御し、企業としてのリスクを最小限に抑えます。

⭐️ 第２章を読み解くのに必要な用語解説

○ ワークロード（Workload）
コンピューターやシステムにかかる「仕事の量」や「処理の負荷」を指すIT用語です。AIの文脈においては、AIに知識を詰め込む「学習の負荷」と、現場で実際に答えをひねり出す「推論の負荷」のバランスを考える際に重要になります。AIがビジネスの最前線で本格的に使われ始めた現在、この「推論にかかるワークロード」が爆発的に増加しており、この巨大な仕事の波をいかに渋滞させずにさばくかが、快適で賢いAIシステムを構築する上での最大の鍵となっています。

○ 推論（Inference / インファレンス）
AIが、事前に蓄積した知識（学習）を活かして、ユーザーからの新しい質問や指示に対して「その場で答えや予測をひねり出す」プロセスのことです。人間で例えるなら、分厚い業務マニュアルを暗記する研修期間（学習）を終えた新入社員が、いよいよ現場に配属され、次々とやってくるお客様からの要望に即座に判断して対応する「本番の実務」にあたります。現在、AIが実験室を飛び出して日常のビジネスやアプリに当たり前のように組み込まれたことで、この「現場での対応」（推論）の回数が爆発的に増加しています。ユーザーを数分間も待たせることなく、一瞬で的確な答えを返すために、TPU v8のような超高速な処理能力を持つインフラが現在の主役として強く求められているのです。

○ 学習（Training / トレーニング）
AIモデルに大量のデータを読み込ませて、ルールやパターンを覚えさせるプロセスのことです。人間で例えるなら「試験前の猛勉強」にあたり、膨大な時間と計算パワー（コスト）を消費します。数年前まではAI開発におけるコンピューティングの主役でしたが、現在では学習を終えたAIが現場で実際に使われる「推論」のフェーズへと主戦場が移っています。とはいえ、賢く正確に動くAIエージェントを生み出すための基礎を築く、非常に重要で不可欠な「巨大な一回限りのタスク」であることに変わりはありません。

○ サーブ（Serving）
インターネットのシステムにおいて、ユーザーからのリクエストに応じてウェブページや検索結果などのデータを瞬時に画面へ「提供する」処理のことです。2000年代初頭のGoogleでは余ったコンピューターの力で行われていましたが、ネットの普及で需要が爆発し、現在ではインフラの大部分を占める主役となりました。AIの世界でもこれと全く同じ現象が起きており、ユーザーの指示に対してAIが即座に答えを返す「推論」の処理が、この「サーブ」に該当するタスクとして現在急激に需要を拡大しています。

○ 垂直統合（Vertical Integration / バーティカル・インテグレーション）
思考を回すための「チップ」（ハードウェア）、AIが働くための「クラウド」（インフラ）、そして賢い頭脳である「AIモデル」（ソフトウェア）のすべてを、Googleが自社で一貫して開発・提供する体制のことです。レストランに例えるなら、自社農園で育てた最高の野菜を、自社設計の調理器具を使い、専属シェフが調理して提供するような究極の体制です。他社の部品を寄せ集めるのではなく、すべての階層が互いの性能を100%引き出せるように専用設計されているため、他を圧倒する処理スピードとコスト効率を実現しています。

○ ハイパースケーラー（Hyperscaler）
Google、Amazon、Microsoftなどのように、世界規模で巨大なデータセンターを構築し、膨大なクラウドコンピューティングのサービスを提供している超巨大IT企業のことです。自社で数百万台規模のサーバーを運用し、世界中の企業にAIを動かすための土台（インフラ）を貸し出しています。AIエージェントのように複雑で重い処理を24時間安定して動かすためには、こうしたハイパースケーラーが持つ圧倒的な計算パワーと、最新のハードウェア設備が絶対に欠かせないものとなっています。

○ データ主権（Data Sovereignty / データ・ソブリンティ）
企業が持つ機密データが、「どこの国に置かれ」「誰の法律やルールの下で管理されるか」を、企業自身が完全にコントロールできる権利と仕組みのことです。金融や医療など、絶対にデータを外部に漏らせない業界において非常に重要になります。「最新のAIは使いたいが、自社の機密情報が他国のサーバーで勝手に学習に使われたりするのは困る」という大企業特有のジレンマを解消し、自社のルールという絶対的な安全圏の中で最先端のAIをフル活用するための防波堤となります。