Google、行動型AIへの転換を加速…TPU 8を核に、統一代理プラットフォームに賭ける

企業用人工知能(AI)市場の焦点が急速に変化している。分析によると、質問に答える、コンテンツを生成する段階から、実際のタスクを実行し意思決定を支援する「エージェント型AI」時代へと進んでいる。Google CloudのCEOトーマス・クリアン(Thomas Kurian)は、この変化は単なる機能追加ではなく、インフラとソフトウェア全体のアーキテクチャの再設計を必要とすると強調した。

最近開催された「Google Cloud Next 2026」カンファレンスでは、Googleは次世代TPU 8、データとAIプラットフォーム、エージェントプラットフォームを同時に披露した。核心的なメッセージは明確だ：半導体からクラウドインフラ、データスタック、AIモデル、アプリケーションまでを一体化し、大規模な「アクション型AI」を安定的に運用できる体系を構築しなければならない。市場の評価は、Googleが「フルスタックAI」の主導権争いに本格的に参入したと見ている。

TPU 8が前面に出るのは、「統一プラットフォーム」争いの本質

表面上、最も注目されたのはTPU 8の発表だ。Googleは新チップの性能と拡張性に大きな改良を加えたと述べているが、業界の関心は単なる半導体性能ではなく、その戦略的意義にある。なぜなら、TPUはGoogleがより迅速かつ低コストでAIサービスを運用するための中核基盤だからだ。

しかし、これはNVIDIAとの直接対決とみなすのは難しい。多くの開発者や企業は依然としてNVIDIAのCUDAエコシステムに依存しており、Googleもそれを排除しようとしているわけではない。むしろ、選択肢を広げる形で進めている。言い換えれば、TPUはGoogleがハードウェアとソフトウェアをより密接に結びつけて差別化を図る手段であり、NVIDIAの武器を取って代わるものではない。

市場調査機関や業界アナリストは、今回の発表の真の焦点はTPU 8そのものではなく、Googleがそれをデータプラットフォーム、最先端のAIモデル、エージェントプラットフォームと結びつけて語った点にあると指摘している。これは、Googleが半導体-データ-AIモデル-タスク実行を一連の流れとして連結し始めたことを意味する。

「SaaS」から「サービス型ソフトウェア」へ

この変革は、既存のソフトウェア産業の枠組みも揺るがしている。従来のオンプレミスからSaaS（ソフトウェア・アズ・ア・サービス）への移行では、ソフトウェアの提供方式と運用モデルが変わっただけだったが、今や分析では、ソフトウェアは実際のビジネス成果を直接生み出す「サービス型ソフトウェア」へと進化していると考えられている。

この変革の核心はAIエージェントにある。問題は、エージェントが各部門のシステムに限定されている場合、その価値は非常に限定的になることだ。単純な反復作業の自動化は可能だが、採用から入社までの時間短縮や見積もりから入金までのボトルネック解消など、企業全体のパフォーマンス向上にはつながりにくい。

最終的に、企業は複数のデータや業務システムをつなぐ「知能層」が必要となる。Googleが発表した「ナレッジカタログ(Knowledge Catalog)」は、その方向性の一端とみなせる。これは、企業全体の分析データと運用データを同一の枠組みで管理し、AIが「何が起きているのか」を理解できるようにする構造だ。

データプラットフォームの競争は、「デジタルツイン」へと拡大

業界では、データプラットフォームの成熟段階は、単なるレポート生成から「企業のデジタルツイン」構築へと進んでいると考えられる。デジタルツインは、企業内の人員、資産、プロセス、活動をリアルタイムで反映するデジタル表現だ。AIエージェントが企業のリアルタイム状態に基づいて判断・行動を行うには、この構造が必要だ。

初期段階では、部門ごとのデータとレポート体系に焦点があった。その後、BigQuery、Snowflake、Databricksなどのプラットフォームの登場によりセルフサービス分析環境は拡大したが、各部門は依然として独自の「真実」のデータを持っていることが多い。次の段階では、イベントや運用データをリアルタイムで反映し、より正確に企業活動をモデル化することが求められる。

SalesforceやSAPもこの方向に取り組んでいるが、GoogleはBigQuery、Spanner、メタデータ層を統合し、超大規模クラウド事業者の中で珍しくSnowflakeやDatabricksと正面から競合できるデータプラットフォームを持ち、評価を得ている。このエージェント戦略は、このデータ基盤を土台に展開されている。

エージェント拡散の鍵は「安全な実行」

企業AIの最も難しい点は、生成型AIの柔軟性と企業システムの厳格性をどうつなぐかにある。AIは文章生成やアイデア提案に長けているが、実ビジネスにはルールが明確で、権限や監査、責任の所在がはっきりしている必要がある。したがって、業界では、エージェントが役割を果たすには、「創造性」の上に「確実な実行層」を敷く必要があると考えられている。

例えば、エージェントが目標を実行する場合でも、どの条件下でどの行動を許可するか、実行前後に満たすべき条件、結果をどう記録するかを定義しなければならない。この構造があって初めて、「安全に運用できるAI」が実現でき、「賢いAI」のみではない。

この過程で、企業の知識グラフ、行動ルール層、リアルタイムデジタルツイン、自律運用プラットフォームなどの概念が重要になる。要するに、AIはExcelやダッシュボードの参照を超え、企業の実態や関係ネットワークを探索し、ルールの枠内で行動できる必要がある。

Googleの優位性と制約も明らかに

Googleは、メタデータ抽出、データの血縁管理、非構造化ドキュメントの知識グラフ、多段階のエージェント評価などの分野で有意義な進展を遂げている。特に、エージェントの失敗事例をまとめて改善方向を示す最適化機能は、単なるデモを超え、「エージェント運用」段階への一歩と評価されている。

しかし、課題も多い。最大の難題は、異なるシステムに散在する同一エンティティの統合だ。例えば、「顧客」というオブジェクトがCRM、財務、カスタマーサポート、物流システムで異なる定義を持つ場合、AIはそれを一つの統一されたエンティティとして理解しにくい。データ品質ルールやビジネステーマの表だけでは不十分で、実業務の流れを表現できるルールも必要だ。

もう一つの課題は、人間の専門家の「なぜ」を捉えることだ。Googleは、エージェントがどのように結論に至ったかを示す機能を強化しているが、それだけでは熟練社員の判断基準に取って代わるのは難しい。ルールでは説明できない例外や優先順位の衝突、文脈に基づく判断は、依然として人的経験に依存している。

コーディングエージェントが次の競争の舞台を切り開く

エージェントプラットフォームの競争のもう一つの戦場は「コーディング」だ。業界では、汎用的な知識労働エージェントへの最短ルートはコーディングエージェントの構築だと考えられている。なぜなら、エージェントが外部とやり取りするには、さまざまなツールを呼び出す必要があり、そのためにはコードの作成・修正・実行能力が鍵となるからだ。

AnthropicのClaude CodeやOpenAIのCodexなどが代表例だ。Googleは、特定のコーディング製品を前面に出すのではなく、これらを統合し、