2026年7月30日・31日、東京ビッグサイトで「Google Cloud Next Tokyo 26」が開催されました。当社でもAI活用についてご相談をいただく機会が増え、社内ではAIエージェントの活用に取り組み始めています。そうしたなかで、ほかの企業や市場全体では、どこまで活用が進んでいるのでしょうか。その現在地を確かめるため、会場に足を運びました。

会場を回ってみると、展示でもセッションでも、AIエージェントが大きなテーマとして扱われていました。AIエージェント自体は昨年のGoogle Cloud Next Tokyo 25でも中心的なテーマでしたが、今年はそこから一歩進み、「実際の業務にどう組み込み、動かしていくか」という話が増えていました。

構想や実験の段階にとどまらず、すでに現場で使われている実例が数多く紹介されていたこと。それが、今年もっとも印象に残った点です。

本記事では、現地で見えた3つのことを中心に、印象に残った展示もあわせてお伝えします。

イベント概要

• 名称：Google Cloud Next Tokyo 26
• 会期：2026年7月30日（木）・31日（金）
• 会場：東京ビッグサイト 南展示棟・会議棟
• 対象：エンジニアからビジネスリーダーまで、生成AIやクラウドを活用して、ビジネスを次のステージへと進めたいすべての方

Google Cloud Next Tokyo 26は、AIとGoogle Cloudの最新動向や、企業による活用事例を紹介するイベントです。会場では、基調講演や各分野のセッションに加え、最新技術を体験できるExpo、学習・認定資格に関するプログラムなどが展開されていました。

なかでも今年は、AIエージェントに関する展示やセッションが特に多かった印象です。展示エリアにも、Agentic AIやGeminiを使い、エージェントを実際に体験できる場が広く設けられていました。

会場全体を通じて感じたのは、AIの賢さそのものを示すだけでなく、それを実際の仕事にどう組み込み、使い続けていくかに焦点が移っていたことです。

現地で見えた3つのこと

2日間にわたって会場を回り、展示やセッションに触れるなかで見えてきたことを、3つに絞ってお伝えします。

昨年までとの違い：生成AIの「活用」から「エージェント化」へ

AIエージェント自体は、昨年の Google Cloud Next Tokyo 25 でもすでに中心的なテーマの1つでした。ただ、会場を回った印象では、その位置づけが一年で変わってきたように感じます。

昨年までは、生成AIを「どう活用するか」が話の中心でした。どのような問いに答えられて、何を作れるか、という関心です。今年は、生成AIの活用を前提に、業務の一部をエージェントに任せる「エージェント化」へと、関心の重心が移っていました。

その変化は、各ブースのデモで紹介されるエージェントの動き方にも表れていました。昨年は、質問に答えたり、文章を作ったりする単体の機能を見せるデモが多かった印象です。今年は、複数の処理をつなげて、一連の業務としてこなすデモが目立ちました。

たとえば、資料を集め、内容を確認し、その結果を次の処理へ渡す。こうした流れを、人が一つずつ指示しなくても最後まで進めてくれるようになっています。人が生成AIをその都度「使う」というより、まとまった業務をエージェントに「任せる」方向へ動いていると感じました。

また、ブースの説明でも、機能を試すことだけでなく、「導入後にどう使い続けるか」に踏み込んだ話が増えていました。一度試して効果を確かめるだけでなく、日々の業務で運用し、改善するところまでを見据える。作って終わりにしないという思想が、広く共有されてきているように感じました。

身近な業務での利用が本格化している

展示やセッションで紹介されていたのは、デモや将来構想だけではありませんでした。すでに実際の業務で使われ、継続的に運用されている事例が数多く紹介されていました。

対象となっていたのも、特別な業務ばかりではありません。むしろ身近な業務が中心でした。問い合わせへの対応、社内に散らばった情報の検索、資料作成、システムの開発や運用の一部といった、多くの会社に共通する業務です。新しい事業をゼロから立ち上げるというより、今ある業務の一部をエージェントに任せ、担当者の負担を軽くするという文脈で語られるケースが多かった印象です。

もう一つ印象に残ったのは、現場の担当者自身がエージェントをつくり、使いながら改善している事例です。専門の開発チームだけに任せるのではなく、業務をよく知る担当者が、自分たちの困りごとを起点に組み立てる。作って終わりにせず、使いながら手を入れている。そうした取り組みが、一部の先進的な企業の特別な例としてだけではなく、当たり前のケースとして語られていたのが印象的でした。

会場で語られる関心も、「導入するかどうか」から「どの業務から始め、どう広げていくか」へ移っているように感じました。

大きく構えず、小さなサイクルを速く回す

紹介されていた事例で共通していたのは、全社的な大きな構想を先に描くよりも、対象となる業務を絞って小さく始め、短いサイクルで改善を重ねていたことです。

一度に対象を広げるのではなく、まず一つの業務で運用し、手ごたえを得てから次へ広げていく。対象が大きくなるほど、関係者や調整事項も増え、動き出すまでに時間がかかります。一つの業務に絞れば、試してから修正するまでの期間を短くでき、効果や課題も早い段階で確認できます。こうした進め方が、結果として実用化を早めているように見えました。

また、小さく始めた仕組みを日々の業務に定着させるには、AIを単に「人が使うツール」として用意するのではなく、業務の流れそのものに組み込むことも重要です。担当者がその都度AIを呼び出さなくても、普段の業務を進めるなかで自然にAIの支援を受けられる。そうした工夫が、実際の利用を広げていくうえで大切なのではないかと感じました。

当社でも、お客さま向けに、AIを業務の流れに組み込んで動かすプロジェクトも増えてきました。たとえば、タスク管理ツール上で、ある特定の作業をAIに割り当てると、AIがそのタスクを受け取り、あらかじめ設定した処理を進めるという仕組みです。担当者の手が空くのを待たずに処理を進められるため、対応の効率化も期待できます。当社でも、普段使っているツール上でAIに作業を引き継ぐ形を目指し、試行錯誤を続けています。今回の展示を通じて、こうした取り組みが特別なものではなくなりつつあることを、あらためて感じました。

印象に残った展示と事例

「現地で見えた3つのこと」をふまえて、印象に残った展示や事例を5つ紹介します。

今年はGemini Enterpriseを詳しく紹介するセッションが多く見られました。ここからは、会場で見聞きした内容をもとに、仕組みそのものの解説より、自社の業務にどう活かせそうかという視点で紹介していきます。

業務にエージェントを組み込む基盤 ― Gemini Enterprise

今年の展示やセッションの中心にあったのが、Gemini Enterpriseでした。

会場で紹介されていた内容を見ると、従業員が日々の業務で利用する環境と、エージェントを作り、動かすための開発・運用環境が、一つにまとまっているのが特徴です。社内データの横断検索や、あらかじめ用意されたエージェントの利用、自社の業務にあわせたエージェントの開発まで、一通り進められる環境が用意されています。

あらためて感じたのは、エージェントを「作って終わり」にせず、継続的に動かし、管理し、改善するところまで一体的に整備されている点です。

私たちも普段からGoogle Workspaceを使っています。そのため、日常的に使っている環境の延長で、AIやエージェントの活用まで進められるのは魅力的です。利用者数に応じたライセンス体系で、小さく始めやすいことも、社内で段階的に広げるうえでは好都合だと感じました。

企業で安心して使うための仕組み ― 管理と運用

エージェントを実際の業務で使うには、「誰が、何を、どこまでできるか」の管理や、「想定どおりに動いているか」の監視が必要です。

会場のデモでは、審査業務を題材に、エージェントが許可されていない操作をしようとした場合に処理を止める、個人情報を伏せて扱うといった仕組みが紹介されていました。権限の管理や動作の記録が、後から追加するものではなく、あらかじめ組み込まれているのが印象的でした。

私たちは大企業のお客さまと接する機会も多く、そうした企業ではGoogle Workspaceを導入しているケースは少なくありません。エージェントの管理や運用をGoogleの環境内に一元化でき、組織としてのガバナンスを効かせやすいことは大きな利点になるだろうなと感じました。

「PoCでは動いたものの、本番環境で情報漏洩の心配はないか」「権限の設定は適切に行われているか」といった段階の相談に対して、標準の仕組みをもとに検討しやすくなるのは、実務のうえでも心強いと感じました。

品質を測りながら改善する ― 精度をどう担保するか

エージェントを試作から本番利用に移すときに課題となるのが、「答えの精度をどう保つか」という問題です。

会場では、やり取りを記録して後から確認できるようにし、回答の良し悪しを一定の基準で評価して、改善につなげる仕組みが紹介されていました。担当者の勘や印象だけではなく、数値をもとに品質を確認する考え方です。

「試してはみたものの、精度への不安から本番利用に踏み切れない」という声は、実際によくうかがいます。私たちがエージェントを作り込む際にも、精度をどう担保するかは必ず問われます。

そのため、測定し、記録し、改善する仕組みまで用意されていることは、PoCから先へ進むうえで大きいと感じました。

照会応答をエージェントに任せる ― 金融サービスの事例

ある金融サービス企業の事例です。社内に年間数百件発生する照会応答業務にエージェントを活用していました。ガイドラインや過去の記録を参照し、回答案とその根拠を示す仕組みです。

ただ単に答えを返すのではなく、まず論点を整理し、情報が足りなければ利用者に問い返す。熟練した担当者の進め方をなぞるように設計されていた点が印象的でした。

登壇者の説明によると、照会対応の負荷を2〜5割ほど軽減できる見込みで、担当者ごとの判断のばらつきも抑えられるそうです。最初の試作は1〜2週間でつくり、1か月半ほどかけて実用レベルの精度に到達したと紹介されていました。そのスピード感が印象的でした。

大きな仕組みを一度につくるのではなく、一つの業務に絞って短期間で立ち上げ、そこから育てていく。対象を絞って小さく回すという、現地で見えた進め方を具体的に示す事例であり、お客さまへの提案を考えるうえでも参考になりました。

現場が自分でエージェントをつくる ― 化粧品通販の事例

ある化粧品通販会社では、現場の担当者自身がエージェントをつくり、業務に活用していました。

これまで蓄積してきた資料やマニュアルをAIが参照できるようにし、自社らしい表現や考え方を踏まえた回答を返せるようにしていました。商品企画におけるアイデア出しの壁打ちなどに活用し、情報収集や分析にかけていた時間を大きく縮めているそうです。

印象的だったのは、専門の開発者ではなく、現場の社員自身が、ノーコードツールを使い、自分の業務にあったエージェントを組み立てていた点です。さらに、作成した複数のエージェントを連携させ、企画づくりの一連の流れを支える形にまで発展させていました。

つくる人と使う人が同じであれば、現場の感覚にあった仕組みに改善しやすくなります。AIを一部の専門家だけのものにせず、現場へ広げていく可能性を感じた事例でした。

まとめ：自社の業務に取り入れるなら、何から始めるか

今回の会場で見えた変化は、大きく3つありました。

• 生成AIへの関心が、「何ができるか」から「業務をどこまで任せられるか」へ移っていたこと。
• 実験や構想にとどまらず、実際の業務で使われている事例が数多く紹介されていたこと。
• 対象を絞って小さく始め、短いサイクルで改善を重ねる進め方が多く見られたこと。

AIエージェントを自社の業務に取り入れるとしても、最初から全社的な構想を描く必要はないのだと思います。まずは対象となる業務を一つ決め、小さく始めて、使いながら改善する。手応えが得られたら、次の業務へ広げていく。

今回の2日間を通して、そうした進め方が、AIエージェントを実際の業務に定着させるうえで現実的なのだと、あらためて感じました。

Business Architectsでは、AIエージェントの活用に向けた業務整理から、具体的な仕組みづくり、導入後の改善まで支援しています。どの業務から始めるべきか迷っている段階でも、お気軽にご相談ください。