Agentic Data Cloud

エージェントが人間の能力を拡張するにつれ、需要は非線形的に急増しています。今では、たった一人の従業員が、1 分間に数千件ものクエリを実行するエージェントを作成できるようになりました。エージェントは、人間が継続して行うことができない作業を担います。エージェントは、ビジネスデータを 24 時間 365 日モニタリングし、リアルタイムで行動します。現在のシステムには、エージェントの処理速度と規模に対応できるうえで、人間の直感力を増幅できることが求められます。

もはや、過去を分析したり、それに基づいて予測したりするだけでは不十分です。エージェントは、その瞬間に行動を起こします。エージェントの時代には、シグナルと解決策の間のループをシステムが閉じることで、世界が変化するのと同じ速さで、データが世界に影響を与えられるようにする必要があります。

エージェントは、データ資産全体にアクセスできる必要があります。こうしたデータには、契約書、画像、メールなど、ダークデータに隠された未活用情報の 90% が含まれます。しかし、データだけでは理解には至りません。この生データを知識に変えるには、エージェントに十分なセマンティック コンテキストを提供する必要があります。

エージェントを効果的に機能させるには、エージェントがデータに 100% アクセスできる必要があります。Google はサイロを解消し、データの保存場所に関係なく、マルチモーダル AI をデータに適用します。Apache Iceberg などのオープン フォーマットや Google Cloud Lakehouse のサポートにより、Google とオープン スタンダードの双方の優れた機能が提供され、データを移動することなく、AWS、Azure、オンプレミス上のデータをエージェントが活用できます。このオープン レイクハウスのアプローチにより、117% の ROI を実現し、6 か月未満で投資を回収できます。

Forrester の調査を読む

インテリジェンスと行動の架け橋となるのは信頼です。Google の Knowledge Catalog は、単なる権限管理の枠を超え、AI を支える非構造化データ、ML モデル、エージェント ツール全体にわたって能動的かつ普遍的なコンテキストを提供することで、エージェントの有効性と精度を向上させます。Looker と Google のセマンティック ナレッジ エンジンを統合することで、エージェントのグラウンディングを真実に基づいて行い、データセットの識別精度を 50% 向上させ、生成 AI のハルシネーションを最大 66% 削減します。

信頼できる AI を実現

Google の場合、AI は後付けではなく、最初から組み込まれています。Google は、AI サプライ チェーン全体を独自に構築した唯一のプロバイダであり、グローバル ファイバー ネットワーク、TPU、Gemini モデル、Gemini Enterprise Agent Platform など、あらゆるものをカバーしています。スタックを自社で所有しているため、競合他社よりも 8～16 倍高い費用対効果でインテリジェンスを構築できます。Gemini はスタックに直接統合されるため、より少ない手順で問題を解決できます。BigQuery の高度なランタイムにより、クエリが 6 倍高速化されまるほか、Apache Spark では、Lightning Engine を使用してオープンソースの Spark より 4.5 倍高速に実行でき、 AlloyDB では標準の PostgreSQL より 4 倍高速にトランザクション ワークロードを処理できます。

GigaOm のレポートを読む

この役割は、モデルのトレーニングからエージェントの構築へと移行します。Gemini Enterprise と Spark を統合することで、データ サイエンティストはデータに隣接する推論エンジンを構築できます。バッチ予測の代わりに、Google のナレッジエンジンを使用してライブデータを推論し、即座に反応するエージェントを構築できます。

分析は、単なる SQL によるデータ取得タスクから、信頼できる会話へと変わります。エージェントがユーザーとデータの間に位置し、BigQuery と Looker を通じてクエリやビジュアリゼーションを生成します。これにより、疲れ知らずのデータ アナリストを手に入れることができます。

「考える」ことから「実行する」ことに移行するには、エージェントの思考プロセスを処理できるデータベースが必要です。AlloyDB と Spanner を通じてトランザクションと分析の世界を融合させることで、デベロッパーは、履歴を読み取り、単一の論理ループでアクションを実行するエージェントを構築できるようになりました。また、Model Context Protocol（MCP）を介してエージェントがツールに接続する方法を標準化することで、直接実行を可能にし、認識と行動の橋渡しをします。