ブログ

Google Cloud Next Tokyo 26 参加レポート

2026.08.01 ・読了約7分

弊社でも利用しているGoogle Cloudの最大級イベント「Google Cloud Next Tokyo ’26」に参加してきました。2026年7月30日、31日の2日間、東京ビッグサイトで開催されていました。本当は両日参加したかったのですが、あいにく初日は都合がつかず、今回は2日目のみの参加となりました。

今回の目的は、Google Cloudの中でもBigQueryをはじめとするデータ関連製品や、Cloud Runなどインフラの中心となる製品の最新アップデートをキャッチアップすること、そして各セッションを通じて具体的な活用事例を知ることでした。

会場の様子

あいにく会場全体の写真を撮り忘れてしまったのですが、当日は多くの方が来場しており、各セッションや企業ブースも大いに盛り上がっていました。ブースでは各社の製品紹介やAI活用事例が展示されており、SaaSなどの製品紹介を除けば、ほとんどがAIに関する内容だったように思います。

AIエージェント活用事例 | AI-Readyなデータ基盤

ここは、個人的には少し物足りなさも感じました。私自身、AIデータ基盤やAIエージェントの構築、ソフトウェア開発を提供する立場にいるため、各社の発表内容が似通って見えたからです。多くは、役割ごとのエージェントを用意し、それらを統括するオーケストレーション用のエージェントを構築して、業務を効率化するという構成でした。技術的には興味深い一方で、大きくその枠を超える事例はまだ少ないように感じました。

ただし、裏を返せば、現在の企業ニーズがそこに集中しているともいえます。自社の業務に具体的な課題を抱えている企業にとっては、AIエージェントをどのように業務へ組み込むかを考えるうえで、非常に参考になる内容だったのではないでしょうか。

また、複数のブースではデータ基盤へ言及をしており、「AI-Ready」な状態を整える重要性が強調されていました。弊社で携わった案件でも、顧客とのメールや過去の監査レポートなど、情報が自然文のまま蓄積され、構造化されていないケースが多くあります。内容を検索したり要約したりするだけであれば活用できますが、一定のルールに基づく処理をAIに実行させるには、そのままでは不十分なことも少なくありません。

こうした背景から、今回紹介されていた取り組みは、大きく「AIが利用できるデータ基盤を整えるもの」と、「そのデータを使ってAIエージェントを構築するもの」の二つに分かれていたように感じました。

BigQueryは「分析基盤」から「AIがデータを扱う基盤」へ

BigQueryのブースでは、自然言語でデータに質問し、集計や可視化を行えるConversational Analyticsの事例が紹介されていました。また、7月30日に発表されたBorderless Lakehouseは、他社クラウドやデータレイクに分散したデータを、移動させずにBigQueryから横断的に扱う仕組みです。

ブースの方によると、すでにGoogle Cloud上でデータを一元管理している場合にはユースケースが合わず、あえて利用する必要はないとのことでした。BigQueryが単なるデータウェアハウスから、分散したデータをAIが横断的に理解し、会話を通じて分析や判断まで行う基盤へ進化しているように見えました。

参加したセッション

以下の3つに参加しました

インフラ主導！Google Cloud と LLM で作るリアルタイム分析基盤 | SanSan株式会社
AI で現場の知恵をスケール！予測〜意思決定を自動化する SCM DX | 株式会社ブレインパッド・富士通株式会社
マーケティング AI の最前線 | 合同会社デロイトトーマツ

Sansan — リアルタイム分析基盤「Atlas」

Sansanのセッションで印象に残ったのは、AIの活用を急ぐのではなく、まずBIが現場で使われる状態をつくることを重視していた点です。名刺、請求書、契約など、プロダクトごとに分散していたデータを横断的に扱うため、BigQueryをはじめとしたデータ関連の製品を組み合わせ、AIを使ってリアルタイム分析基盤「Atlas」を約3か月で内製したとのことでした。

YAMLや設定ファイルから分析観点を追加できる構成にし、データエンジニアだけに運用を閉じない工夫もされているように感じました。権限の自動期限やコスト監視、不要なサンドボックスの削除など、ガバナンスから構築後の運用までデータの運用においては欠かせない点が最初から担保されているのが印象的でした。AI導入の成否はモデルだけでなく、やはりデータと業務知識を継続的に整えられる基盤に左右されると改めて感じました。

ブレインパッド＋富士通 — AIエージェントによる需給調整

ブレインパッドと富士通のセッションでは、需給調整を一つの巨大なAIに任せるのではなく、出荷、生産、在庫、調達などの役割ごとにAIエージェントを分け、それらを調整役のエージェントがまとめる構成が紹介されていました。いわゆるオーケストレーションとなるAIエージェントを主体とする構成です。

現場ではExcelやメールによる調整が多く、ベテランの経験に判断が依存しやすいため、まずデータ統合とダッシュボードによる可視化から始めたとのことでした。異常を検知した後に再予測し、計画を見直し、複数部門の条件を踏まえて代替案を提示する流れを段階的に実装していく構想です。提案理由を表示し、人が確認してから実行する設計も含まれており、完全自動化よりも、現場が納得しながら判断を標準化していくことを重視されており、やはり現場に入りこんでこそAIによる業務改善を成せるものだと思いました。

デロイトトーマツの生成AI活用意見調査個人的には一番印象に残ったセッションではあったのですが、セッションのメインであるマーケティングの活用の部分ではなく、セッションの導入の部分でした。

こちらは以下の記事にもあるようにデロイトトーマツが公開している情報です。

デロイトトーマツ、プライム上場企業における生成AI活用調査発表～生産性向上実現や収益増を見込む企業が増加、4割が人員の配置転換を実施

まず、AIを全社的に導入している企業は47％まで増えた一方、収益増加を見込む企業は51％にとどまるという調査結果が紹介されました。

特に印象的だったのは、業務の自動化・効率化を目的とした導入では収益増加見込みが49％だったのに対し、事業構造の変革や経営判断、新サービスの企画に活用する企業では72〜73％に達していた点です。

つまりAIで既存業務を効率化するだけでは、削減した工数が余るだけで当然ながら収益には直結しておらず、そこで生まれた余力を新規事業や付加価値の高い業務へ移す配置転換と、業務そのものを見直すBPRまでセットで行うことが、AI投資を収益へ結び付けることが重要です。

もちろん既に事業に配分しているリソースが不足しており、まずはマイナスをゼロにしないといけない企業も多いでしょう。ただ私が携わった中だとそこで終わってしまう印象も多く、DXがバズワードとなったときにも言われていたように本質的に事業構造の変革に踏み込まないと、AIで便利に、楽になったがそれ以上先に進めず、DXと同じように一過性のもので終わってしまうことを個人的には懸念しています。

まとめ

今回参加して感じたのは、Google Cloudの各製品が単体で進化しているというよりも、データ基盤とAIエージェントを組み合わせ、実際の業務にどう組み込むかという段階に入っていることでした。BigQueryも単なる分析基盤ではなく、分散したデータを横断的に扱い、会話を通じて分析や判断につなげる基盤へと広がっています。

一方で、紹介されていた事例の多くは、データ基盤を整えた上で、役割ごとのAIエージェントを配置し、業務を効率化するという構成でした。目新しさという点ではやや似た内容も多く感じましたが、裏を返せば、現在多くの企業がまさにその段階に課題を抱えているということでもあります。

AIを導入するだけではなく、AIが扱える形にデータを整え、そこで生まれた余力を別の業務へ振り向けるところまで考える必要がありそうです。