Google Cloud Blog 日本語 - TheNote.app

Google Cloud Blog 日本語
フォロー

cloud.google.com/blogは、Google Cloudの公式ブログです。Google Cloudの製品とサービスのニュース、更新、洞察、クラウドコンピューティング業界のトレンドとイノベーションに関する情報を提供します。このブログは、Google Cloudの専門家、エンジニア、思想リーダーが書いた記事で構成されており、人工知能、機械学習、データアナリティクス、セキュリティなど、広範囲のトピックをカバーしています。記事はしばしば技術的なチュートリアル、ケーススタディ、ベストプラクティスを含むため、Google Cloudを使用する開発者、ITプロフェッショナル、ビジネスリーダーにとって非常に有益なリソースです。ブログは、トピック、製品、業界別にカテゴリー化されており、最新の記事を閲覧、特定のトピックを検索、RSSフィードにサブスクライブして最新のニュースと更新を追跡することができます。ブログの主要な特徴として、以下のようなものがあります。 - Google Cloudの製品とサービスの詳細な記事、例えばGoogle Cloud Platform、Google Cloud Storage、Google Cloud AI Platform - Google Cloudサービスの使用に関する技術的なチュートリアルとガイド - Google Cloud顧客のケーススタディと成功事例 - 業界のトレンドとイノベーションに関する洞察と分析 - Google Cloudのパートナーシップと協力に関するニュースと更新 - Google Cloudの専門家と思想リーダーのインタビュー総のところ、Google Cloudのブログは、クラウドコンピューティング、人工知能、関連技術に興味がある誰にとっても有益なリソースです。

Cloud Blog cloud.google.com

RSS cloudblog.withgoogle.com

Google Cloud Blog 日本語 RSS thenote.app

RSS Hunter • 2024年8月23日

ノートのスレッド

Goldman Sachs Communicopia & Technology ConferenceにおけるThomas Kurianの基調講演からの3つのハイライト

トーマス・クリアンは、ゴールドマン・サックス・テック・カンファレンスでGoogle Cloudの戦略を発表し、フルスタックAIアプローチを強調しました。Google Cloudは、パフォーマンス、コスト、品質で差別化を図りながら、AIスタック全体にわたるソリューションを提供し、市場と収益を拡大しています。同社は、10億ドルを超える収益を上げる17の製品ラインを誇り、顧客はしばしばコミットメントを50％以上超過しています。1億ドルから10億ドルの取引で顕著な成長が見られ、300社以上の顧客が1億ドルを超えるコミットメントを保持しています。Google CloudのAIインフラストラクチャは、差別化された製品に基づいて構築されており、AIモデルのコストを削減し、パフォーマンスを向上させます。同社のAIサーバーは2年間のペイバック期間を持ち、TPUはさらに迅速なリターンを提供します。AIインフラストラクチャの総契約価値の大部分は、コミットされた5年間の契約から来ています。Gemini Enterpriseの採用は堅調であり、コスト効率が高く、管理されたビジネスインサイトを提供します。Google CloudのAI製品を利用する顧客は、より多くの製品（1.8倍）を使用しており、エンゲージメントが高まっています。これらの記述は将来の見通しに関するものであり、様々なリスクと不確実性の影響を受ける可能性があります。

3 Highlights from Thomas Kurian’s Keynote at the Goldman Sachs Communicopia & Technology Conference cloud.google.com

RSS Hunter • 昨日

Google Cloud Developer Plugin for AI Coding Agents のご紹介

エージェントのスキルはAIワークフローを強化しますが、個別に管理するのは煩雑になる可能性があります。プラグインは、関連するスキルとツールをインストール可能なユニットにバンドルすることで、この問題を解決するために導入されました。Google Cloudは現在、AIコーディングエージェント向けの新しいプラグインを提供しており、Google Cloud固有の機能でそれらを強化しています。このプラグインは、関連する機能をパッケージ化することで、ツールの結合という課題に対処します。これにより、エージェントはGoogle Cloudのスキルを効果的に取得し、ドキュメントを使用し、プログラムでプラットフォームと対話できるようになります。このプラグインは、オープンなAgent Plugins仕様に基づいて構築されており、AIコーディング環境全体での相互運用性を促進します。フラッグシッププラグインであるgoogle-cloud-developerは、認証やプロジェクト管理などの基本的なGoogle Cloudインタラクションでエージェントを支援します。また、最新のドキュメントのためにDeveloper Knowledge MCPサーバーをバンドルしています。このプラグインは、環境認識とベストプラクティスレビューを通じて、プロジェクトのオンボーディングやID認証などのプロセスを合理化します。Google Cloudプラグインのインストールは、CLIコマンドまたはマーケットプレイスの追加を通じて簡単に行えます。ユーザーは、新しいプラグインを試して、ガイド付きセットアップとより深い洞察のための追加リソースを探索することをお勧めします。

Introducing the Google Cloud Developer Plugin for AI Coding Agents cloud.google.com

RSS Hunter • 9月10日

AlloyDB Omni RPM Orchestrator によるエンタープライズグレードの PostgreSQL が一般提供開始

AlloyDB Omni Red Hat RPMオーケストレーターの一般提供により、PostgreSQLワークロード向けの本番環境対応のセキュリティと低ダウンタイム運用が実現しました。このリリースは、スタンドアロンRPMおよびKubernetesを使用したコンテナ化オプションを含む4つのデプロイメントモードをサポートしています。RPMデプロイメントは、特にワークロードのモダナイゼーションや規制対象環境において、ローカル制御によるクラウドパフォーマンスを必要とする組織に最適です。また、低レイテンシ処理や切断された運用向けに、エッジおよびオンプレミスデプロイメントも可能にします。オーケストレーターは、クラスタプロビジョニングとライフサイクル管理を簡素化し、柔軟なリファレンスアーキテクチャを提供します。高可用性は、同期レプリケーションと自動フェイルオーバー処理により実現され、リードプールはリードワークロードの動的なスケーリングを可能にします。データ保護は、GCSまたはS3互換ストレージへのポイントインタイムリカバリをサポートする、自動バックアップおよびリストア機能により強化されています。SELinux強制は厳格なコンプライアンスのために提供され、低ダウンタイムメンテナンスはロールバックサポート付きのアップデートとスケーリングを自動化します。オーケストレーターは、ノードの追加または削除による動的な設定チューニングとクラスタメンテナンスを簡素化します。高度なロギング、リッチなオブザーバビリティのためのカスタムメトリクスを提供し、生成AIアプリケーション向けにAlloyDBのAI機能を統合します。

Enterprise-grade PostgreSQL with AlloyDB Omni RPM Orchestrator is generally available cloud.google.com

RSS Hunter • 9月9日

Googleは、2026年版ガートナー®マジック・クアドラント™エンタープライズAIアシスタント部門のリーダーです。

Gartnerは、その初の2026年エンタープライズAIアシスタント向けマジック・クアドラントにおいて、ビジョンの完全性と実行能力を評価し、Googleをリーダーに指名しました。Gemini Enterpriseは、AIを日常業務に安全に統合する統合プラットフォームとして強調されており、基本的なチャットを超えてAIエージェントによる複雑なワークフローを自動化します。既存のツールやインフラストラクチャと連携し、組み込みのセキュリティとガバナンスにより、スケーラビリティとコスト効率を提供します。Gartnerは、Gemini Enterpriseの統合されたAIフロントドア、様々なシステムへのオープンな接続性、そして分かりやすい価格設定を高く評価しています。このプラットフォームは、堅牢なガバナンスをすぐに利用できる状態で提供し、GoogleのフルスタックAIインフラストラクチャの恩恵を受けています。最近の進歩には、法律および金融サービス向けのカスタマイズされた業界ソリューション、Google Antigravityのような開発者ツール、そして改善されたFinOpsとコスト管理が含まれます。Accenture、Cleary Gottlieb、Deutsche Bank、Williams & Connollyなどの顧客は、すでに大きな価値と効率の向上を体験しています。Gemini Enterpriseは、組織がすべてのチームにわたってガバナンスされた接続エージェントを展開することを可能にします。読者は、エンタープライズAIアシスタント市場の包括的な分析のために、完全なGartnerレポートをダウンロードできます。

Google is a Leader in the 2026 Gartner® Magic Quadrant™ for Enterprise AI Assistants cloud.google.com

RSS Hunter • 9月9日

DMSを超えて：SQL ServerのログインとユーザーをCloud SQLへ移行する

Database Migration Service は効率的にデータをレプリケートしますが、セキュリティおよびコンプライアンス上の理由から、ログインのようなサーバーレベルのオブジェクトは除外されます。この意図的な省略は、オンプレミスの権限が自動的にクラウドに移行しないようにすることで、不正な権限昇格を防ぎます。監視なしで暗号化されたパスワードハッシュを移行することも、PCI-DSS や SOC 2 のようなコンプライアンスフレームワークに違反します。このプロセスは、古い資格情報を削除し、クラウドネイティブ認証に移行することで、ID のモダナイゼーションも可能にします。SQL Server は、サーバーレベルで接続を認証するログインと、データベース内のアクションを承認するユーザーを分離します。セキュリティ識別子 (SID) は、サーバーログインとデータベースユーザーをリンクします。データベースが対応するログインなしで、または SID の不一致で移行されると、ユーザーは孤立する可能性があります。Microsoft の sp_help_revlogin スクリプトは、元のパスワードハッシュと SID を持つログインを再作成するための T-SQL ステートメントを生成します。このスクリプトは、移行クエリを生成するためにソースインスタンスで実行されます。生成されたクエリは、次に宛先の Cloud SQL インスタンスで実行され、必要なログインを作成します。ユーザーが孤立した場合、ALTER USER コマンドを使用して正しいサーバーログインに再マッピングできます。セキュリティを強化するために、集中型の Kerberos ベースの認証のために Customer-Managed Active Directory への移行を検討してください。

Beyond DMS: Accelerating Migrations SQL Server Logins and Users to Cloud SQL cloud.google.com

RSS Hunter • 9月9日

Airtelがどのようにして完璧なインドプレミアリーグ2026クリケット放送を実現したか

Airtelは、数百万人のファンにインディアン・プレミアリーグのクリケットシーズンを完璧なライブストリーミングで提供することを目指しました。彼らは、IPL 2026シーズンのデジタル配信のためにGoogle Cloudと提携しました。ストリーミングインフラストラクチャは、74試合にわたる数百ペタバイトのデータを処理し、決勝戦では数十億のリクエストを処理しました。大規模な同時接続スパイク時のビデオ配信には、ローカライゼーションとプロアクティブな監視に焦点を当てたエッジアーキテクチャが必要でした。Airtelは、Google CloudのMedia CDNとその広範なグローバルエッジネットワークを活用し、ローカルエッジとの深い近接性と優れたキャッシュ効率を実現しました。これにより、トーナメントトラフィックの99.9%がインド国内でローカルに配信され、ネットワークホップが最小限に抑えられました。アーキテクチャは、98%以上のキャッシュヒット率で優れたキャッシュ効率を達成し、オリジンサーバーの負荷を最小限に抑えました。一貫した超低遅延、特にp99が300ms未満であったことは、ストリームの開始時間の短縮とバッファリングの削減を保証しました。アーキテクチャを超えて、綿密な運用準備とプロアクティブな試合日の実行が不可欠でした。統合された運用サポートには、トーナメント前の準備状況レビューと継続的なMonitoring as a Service (MaaS)が含まれていました。試合日と週末の専用サポートにより、共同エンジニアリングチームからのリアルタイムイベント支援が確保されました。

How Airtel delivered its flawless Indian Premiere League 2026 cricket broadcasts cloud.google.com

RSS Hunter • 9月9日

Spanner: DMLトランザクションの累積ミューテーション制限の削除

Google Cloud Spanner、グローバルに一貫性のあるリレーショナルデータベースは、より大きく複雑な操作のためのトランザクション処理を更新しました。以前は、Spanner はトランザクションの変更を合計 80,000 の「ミューテーションモッド」に制限していました。行数に列数を掛け、インデックスを加えた値として計算されるこの制限は、進化するアプリケーションによって到達される可能性がありました。新しい柔軟性により、この 80,000 ミューテーションモッドの制限は、トランザクション全体から個々のデータ操作言語 (DML) ステートメントに移行しました。これは、各ステートメントが独自の 80,000 モッド制限を遵守する限り、単一のトランザクションに複数の DML ステートメントを含めることができることを意味します。これにより、開発者はビジネス要件によって DML ステートメントを論理的にグループ化でき、人工的な分割が不要になります。この変更は既存の Spanner クライアントライブラリと後方互換性があり、アプリケーションコードの更新は不要です。ただし、開発者は、より大きなトランザクションはロックをより長く保持し、アボートを増加させる可能性があることに注意する必要があります。80,000 モッド制限は DML ステートメントに個別に適用されますが、Mutation API を使用した単一のコミット呼び出しにおけるミューテーションのセット全体には引き続き適用されます。開発者は、CommitStats の mutation_count を介して合計モッドを監視できます。80,000 モッドを超える単一の DML ステートメントは引き続きエラーとなり、バイトサイズなどの他のトランザクション制限は有効なままです。ベストプラクティスには、CommitStats の監視と大規模な操作の最適化が含まれます。Spanner は、スケーラブルで常時稼働する運用アプリケーションにとって信頼性の高い選択肢であり、現在、開発者向けの柔軟性が向上しています。

Spanner: Removing cumulative mutation limits for DML transactions cloud.google.com

RSS Hunter • 9月9日

KDDIは、より高速で信頼性の高いコンシューマー向けRAGアプリ「Buffmee」をどのように構築したか

電気通信会社KDDIは、生成AIアプリケーション「Buffmee」において、品質と速度のバランスを取るという課題に直面していました。Buffmeeは、100以上の多様な情報源に基づいた情報を提供することで、ユーザーの成長を支援し、信頼性を確保し、ハルシネーションを防ぐように設計されています。当初、KDDIはレイテンシの問題と、膨大な量の独自コンテンツを処理する必要性に苦労していました。これらの障害を克服するために、自動評価フレームワークとパフォーマンス最適化技術を導入しました。この体系的なアプローチにより、アプリケーション全体の応答レイテンシを38%削減し、Time To First Token（TTFT）を約18%改善するという顕著な進歩を遂げました。KDDIは、Gemini Enterprise Agent Platform Evaluation Serviceを自動テストに利用し、手作業による作業をデータ駆動型のプロセスに置き換え、グラウンデッドネススコアを25%向上させました。フォーマットとメディア構成に基づいたバイナリ評価システム、戦略的なコンテンツサンプリング、そして製品の判断に基づいたしきい値の調整を採用しました。BigQuery Agent AnalyticsとAgent Development Kit（ADK）のログ分析エージェントを使用してボトルネックを特定し、解決しました。これにより、プロンプトの肥大化とスキルの分割の問題を特定することができました。大規模なシステムプロンプトは、アテンションのドリフトを回避し、応答時間を最適化するためにADKスキルにモジュール化されました。これらの技術により、KDDIは取り込まれたコンテンツが即座に機能するRAGシステムを作成し、ユーザーにメディアを探索するための安全でパーソナライズされた方法を提供することができました。Buffmeeの成功は、信頼性の高い生成AIアプリケーションにおける体系的な評価とパフォーマンス分析の重要性を示しています。

How KDDI built Buffmee, a faster, reliable consumer RAG app cloud.google.com

RSS Hunter • 9月8日

Data Agent Kitを用いたエージェント分析

データの実践者は、多様なソースからのデータが必要とされるオープンエンドな質問に課題を抱えています。Data Agent Kit は、IDE 内で直接データワークフローを可能にすることで、この課題に対処します。Model Context Protocol (MCP) を利用して、エージェントをさまざまなデータシステムに接続します。Markdown で定義されたスキルは、エージェントに特定のデータスタックとの対話方法を教えます。手動でのクエリの代わりに、エージェントはユーザーに代わってクエリを実行し、結果を取得します。たとえば、平均注文額の低下に関する調査では、BigQuery、Cloud SQL、Cloud Storage に対してクエリが実行されました。エージェントは、プロモーションコードによる平均注文額の低い新しい卸売チャネルを発見しました。次に、新しい卸売アカウントを特定し、プロモーションコードの影響を確認しました。データ分析からエグゼクティブサマリーの生成まで、すべての調査は単一のチャットセッション内で完了しました。最後に、エージェントは、アドホック分析を再現可能な dbt プロジェクトに変換でき、データ品質テストの作成と修正も含まれます。

Agentic analytics with the Data Agent Kit cloud.google.com

RSS Hunter • 9月8日

Antigravity SDK を搭載したパワーエージェントハブまたはカスタムハーネスを 1 つのツールキットにまとめる

エンタープライズエージェントの採用は様々で、マネージドプラットフォームを選択する企業もあれば、カスタムエージェントハブを構築する企業もあります。独自のハブを開発する開発者は、予測可能な実行、ロギング、サンドボックス化のための信頼性の高いツールを必要とします。Antigravity SDKは、これらのハブを構築するためのランタイムエンジンとCLIを提供し、セーフティポリシー、テレメトリ、ステートフルパーシステンスを提供します。これは、LLMワークロードを監視および管理するマルチエージェントコントロールプレーンを強化します。このコントロールプレーンには、モデルインタラクションとツール実行のためのAntigravity SDKエージェントコア、およびライフサイクルフックを使用したリアルタイムテレメトリのためのオブザーバビリティレイヤーが含まれます。ユースケースとしては、運用エンジニアが複数のエージェントを監視することが挙げられますが、これは従来、ログの断片化や可視性の欠如といった課題を抱えています。Antigravity SDKは、ストリーミングAPI、ライフサイクルフック、ポリシーエンジン、スキル管理、セッション状態を提供し、統一されたビューを実現するソリューションを提供します。舞台裏では、ランタイムがセッションの初期化、スキルの解決、同時ストリーム生成、サンドボックス化されたツール実行を処理します。ライフサイクルフックを介したテレメトリの傍受により、エージェント実行のリアルタイムな観測と制御が可能になります。SDKは、モジュラースキル、サンドボックス化されたツール、セッション分離、リアルタイムテレメトリの4つのコアビルディングブロックに整理されています。

Power agent hubs or custom harnesses with the Antigravity SDK in one toolkit cloud.google.com

RSS Hunter • 9月8日

GTIG AI脅威トラッカー：プロンプトから自律性へ – 敵対的AIの進化

敵対的なアクターは、基本的なAIプロンプティングから洗練されたエージェンティックAIワークフローや自動化へと移行し、その技術を急速に進化させています。この進化は、防御側の応答ウィンドウを著しく縮小させます。2026年第2四半期には、脅威アクターがクラウドリソースを侵害してから6時間以内に、AIを使用して大規模な認証情報収集操作を実行しました。さらに、脅威アクターは、スパイ活動、恐喝、窃盗を目的として、独自のモデル、ソースコード、クラウドコンピューティングリソースを含むAIアセットをますます標的にしています。AI支援コーディングツールとオープンソースソフトウェアの統合により、ソフトウェアサプライチェーンのリスクが拡大しています。敵対者は、開発者、AIコーディングアシスタント、AIセキュリティスキャナーを積極的に標的にして、オープンソースソフトウェアを侵害しています。モデルやコードなどの独自のAI知的財産も、さまざまなセクターで主要な標的となっています。エージェンティックAIと自動化への移行により、敵対者は複雑な攻撃パイプラインを自律的に管理し、運用上のエラーを解決できるようになります。AIは、偵察からマルウェアの難読化、ポストエクスプロイト活動まで、攻撃ライフサイクル全体にわたってフォースマルチプライヤーとして機能します。脅威アクターは、情報操作キャンペーンを拡大するためにAIを実験しています。アクセスコストを回避し、セキュリティ対策を迂回するために、敵対者は不正なアカウントを入手し、企業クラウドインフラストラクチャを乗っ取って不正なAI計算を行っています。この激化する脅威ランドスケープは、プロアクティブなモデル保護、専門的な脅威インテリジェンス、標的を絞った封じ込めを含む、堅牢な防御戦略を必要とします。Googleは、顧客とインフラストラクチャを保護するために、これらの多面的な防御策を実装しています。これらの進歩は、急速に進化するAIランドスケープにおけるセキュリティ対策の強化という重要な必要性を浮き彫りにしています。

GTIG AI Threat Tracker: From Prompting to Autonomy – The Evolution of Adversarial AI cloud.google.com

RSS Hunter • 9月8日

YahooがManaged Service for Apache Sparkで柔軟なVMを使用してリソースを最適化する方法

Yahooは、グローバルなメディアおよびテクノロジー企業であり、高速分析ワークロードにおける固定仮想マシン（VM）構成によるデータパイプラインの脆性に課題を抱えていました。地域的な容量の制約が発生した場合、Managed Service for Apache Sparkでのクラスタープロビジョニングが停滞し、重要なデータパイプラインが遅延する可能性がありました。この問題に対処するため、YahooはManaged Service for Apache Sparkクラスターに柔軟なVMを導入しました。これにより、許容可能なVMシェイプのランク付けされたリストを定義することで、システムはリソースの変動を自動的に吸収できるようになります。Auto-Zone配置を有効にすると、システムはリージョン全体で容量を検索し、手動介入なしでパイプライン実行を維持できます。この最適化は、オンプレミスのビッグデータ基盤をGoogle Cloudに移行するというYahooの広範なデータモダナイゼーションジャーニーの一環です。柔軟な構成は、優先されるVMタイプが利用できない場合にランク付けされたリストから選択することで、クラスター作成の成功率を高めます。また、リージョン全体で容量を検索することで、地域的なリソース利用率を向上させます。柔軟なクラスターの構成には、オートゾーン配置を有効にし、VMシェイプ間でコアとメモリの対称性を維持する必要があります。また、YARNやSparkのリソース割り当てなどのコンポーネントプロパティを整合させることも重要です。Yahooは、この柔軟なVMアプローチを実装することで、地域的な在庫切れによるクラスタープロビジョニングの失敗を85％削減することに成功しました。これにより、ワークロードの継続的な実行が保証され、大規模なデータパイプライン全体での下流処理の遅延を防ぐことができます。

How Yahoo optimizes resources with flexible VMs in Managed Service for Apache Spark cloud.google.com

RSS Hunter • 9月4日

Spannerマイグレーション：Antigravity CLIによるデュアルライトの自動化で最小限のダウンタイムを実現

Google の Finance Engineering チームは、グローバルに分散され、強力な一貫性を持つデータベースである Spanner を使用して、レガシーデータレイヤーを近代化する必要がありました。ダウンタイムなしでの移行は、多数のデータアクセスオブジェクト（DAO）にわたるデュアルライトロジックの手動書き換えが遅く、エラーが発生しやすいため、大きな課題でした。これを克服するために、Antigravity CLI をヘッドレスモードで使用した自動リファクタリングパイプラインを開発しました。このアプローチにより、移行速度が向上し、ステージング環境でのデータパリティが確保されました。移行は、履歴データのバックフィル、デュアルライト/デュアルリードの実装、および自動 API 検証の 3 つのフェーズで構成されました。彼らの規模では、MutationConverter やロールバックロジックのような各 DAO の固有の要件を手動で実装することは非現実的であり、数ヶ月かかると推定されていました。Spanner スキーマの翻訳を専用の MutationConverter ユニットに分離することで、DAO のリファクタリングパターンを標準化しました。これにより、AI コーディングエージェントがコードを確実に生成するための決定論的な契約が作成されました。Antigravity CLI のヘッドレスモードにより、人間のプロンプトなしで多数のファイルにわたって繰り返しリファクタリングが可能になりました。決定論的なプロンプト、自動検証によるバッチ実行、および大規模な夜間実行により、移行作業が大幅に削減されました。これにより、持続的なデータ忠実度を持つ非常に信頼性の高いデータ移行が実現し、エンジニアはより価値の高いタスクに集中できるようになりました。主な教訓は、スキーマ翻訳の分離、インタラクティブチャットからヘッドレス自動化への移行、および AI コード生成のガードレールとしてのビルドシステムの利用を強調しています。

Spanner migrations: Automating dual-write with Antigravity CLI for minimal disruption cloud.google.com

RSS Hunter • 9月4日

全てのLLMワークロードは等しくない：分類と生成におけるTPUパフォーマンスのベンチマーク

LLMのエンタープライズ本番デプロイは、パフォーマンスとコストにおけるインフラストラクチャの重要な役割を明らかにします。すべてのLLMリクエストがハードウェアに均等に負荷をかけるわけではないため、標準的なベンチマークでは不十分です。本研究では、Google Cloud TPU v6e上でGemma 3 12Bと27Bを比較し、異なるワークロードでの大規模なインフラストラクチャパフォーマンスを理解します。デコード負荷の高い生成では、Gemma 3 12Bモデルは高同時実行性でより良くスケールしますが、飽和する27Bモデルとは異なります。プレフィル負荷の高い分類タスクでは、12Bと27Bの両方のモデルが同様のスケールを示し、スループットペナルティなしでより大きなモデルを可能にします。ハードウェアの飽和は、レイテンシの急増とサイレントリクエストのドロップを引き起こし、CPU/メモリだけでなく、エンドツーエンドのレイテンシに基づいたスケーリングを必要とします。アーキテクチャは、GKE、TPU v6e、vLLMサービングフレームワーク、およびGemma 3モデルで構成されます。分類タスクは入力が高く出力が低い一方、生成タスクは入力が低/中程度で出力が高いです。ベンチマークは、高同時実行性での生成スケーリングにおける12Bモデルの優位性を示していますが、分類では両モデルとも同様のパフォーマンスを示します。最適化するには、モデル選択とサービング構成を特定のワークロードの入出力プロファイルに合わせます。

Not All LLM Workloads Are Equal: Benchmarking TPU Performance on Classification vs. Generation cloud.google.com

RSS Hunter • 9月4日

Google Gen AI SDK for Kotlin 1.0を発表：Geminiへの慣用的なマルチプラットフォームアクセス

Googleは、生成AI向けのKotlin Multiplatform SDKのバージョン1.0をリリースしました。このSDKにより、開発者はGeminiモデルをJVMおよびAndroidアプリケーションに簡単に統合できます。非同期操作のために、コルーチンやFlowといった慣用的なKotlin機能を提供します。このSDKは、Google AI StudioとGoogle CloudのGemini Enterprise Agent Platformの両方へのアクセスを統合します。管理されたコンテキストでの単項およびストリーミングテキスト生成、マルチターンのチャット会話をサポートします。事実確認のためのGoogle検索グラウンディングにより、マルチモーダル分析が強化されています。このSDKは、Geminiの画像生成モデルも完全にサポートしています。WebSocket経由のGemini Live APIを通じて、リアルタイムの双方向インタラクションが可能です。構造化されたツールおよび関数呼び出し機能は、エージェント的なワークフローのために含まれています。このリリースは、生成AIアプリケーションを構築するためのクリーンでマルチプラットフォームな基盤を提供します。

Announcing the Google Gen AI SDK for Kotlin 1.0: Idiomatic multiplatform access to Gemini cloud.google.com

RSS Hunter • 9月3日

Googleが2026 Gartner® Magic Quadrant™ for SCPSでリーダーに選出

Googleは、ビジョンの包括性を評価され、9年連続でGartnerの戦略的クラウドプラットフォームサービスにおけるリーダーとして認められました。Google Cloudは、要求の厳しいワークロードの構築とスケーリングにおける顧客の成功への献身を強調しています。同社は、動的なインフラストラクチャと、アプリケーション、データ、エージェントのための統合プラットフォームにより、顧客のエージェンティック時代への移行を加速させることを重視しています。3つの主要な利点が提示されています。共同設計されたテクノロジースタック、安全なスケーリングのための動的なインフラストラクチャ、そして真の選択肢を提供するデジタル主権です。Google Cloudは、柔軟性、パフォーマンス、および制御を通じて、顧客のイノベーションとスケールを促進することにコミットしています。最初の設計原則は、シリコンからアプリケーションまで共同設計されたオープンスタックでAIを加速することであり、TPUやAxionプロセッサなどのカスタムハードウェアを特徴としています。このアプローチは、ベンダーロックインなしで運用効率を最大化し、オープンソースと標準を採用しています。2番目の原則は、容量管理を自動化し、アプリケーションを最新化する動的なインフラストラクチャで、迅速かつ経済的にスケーリングすることに焦点を当てています。これにより、組織はデータ、アプリケーション、エージェントを安全に接続し、グローバルなエクスペリエンスを最適化できます。3番目の原則は、柔軟なデプロイメントオプションを通じて、組織がデータの制御を維持し、規制に準拠できるようにするデジタル主権を推進しています。これらのオプションには、境界制御によるデータ主権、パートナー運用クラウドによるローカルコンプライアンス、およびGoogle Distributed Cloudによるオンプレミスでの柔軟性が含まれます。

Google named a Leader in 2026 Gartner® Magic Quadrant™ for SCPS cloud.google.com

RSS Hunter • 9月3日

新しいBigQuery ID列でパイプラインを簡素化する

BigQuery は、データジャーニーにおける顧客の力を強化するために、ID 列をリリースしました。この機能は、テーブル内のユニークな識別子として、シーケンシャルな 64 ビット整数値を自動生成します。データエンジニアは、よりスムーズで信頼性の高いデータ取り込みのための強力な組み込みメカニズムとして、この機能を見出すでしょう。ID 生成を BigQuery にオフロードすることで、データパイプラインの複雑さが軽減され、インサイトに集中できるようになります。ID 列の実装は、データアーキテクチャの開発と保守を合理化します。アプリケーションロジックまたは ETL ツールでの事前計算されたユニークキーの必要性をなくすことで、取り込みが簡素化されます。定型コードも削減され、よりクリーンで保守性の高い SQL につながります。ID 列は、標準的な DML 操作とシームレスに統合され、自動的にユニークな識別子を割り当てます。柔軟性があり、INSERT または MERGE ステートメントを使用して既存のワークフローに適応します。ID 列の設定は簡単で、GENERATED ALWAYS AS IDENTITY または GENERATED BY DEFAULT AS IDENTITY のオプションがあります。この機能は、柔軟で高性能、かつ標準に準拠したデータプラットフォームに対する BigQuery のコミットメントを強調しています。

Simplify pipelines with new BigQuery identity columns cloud.google.com

RSS Hunter • 9月2日

Mantis、オープンソースのバグ発見・修正ハーネスの始め方

AIは現在、ソフトウェアの脆弱性を自律的に発見し、悪用することができます。これに対抗するため、Googleは脆弱性の発見、トリアージ、再現、パッチ適用を自動化するオープンソースフレームワークであるMantisを開発しました。Mantisは、機械速度のセキュリティ分析を可能にすることで、防御側にAIの優位性を提供することを目指しています。真陽性率が低い他のAIツールとは異なり、Mantisはエージェント技術とサンドボックス化された脆弱性再現を採用して精度を高めています。リポジトリ内の過去のセキュリティ修正から学習し、アーキテクチャと脅威モデルのドキュメントを構築します。Mantisは大規模なコードベースを階層的なセキュリティ概要ツリーに凝縮し、トークンオーバーヘッドを大幅に削減します。このフレームワークは広範なサイバーセキュリティ知識を抽出し、GitHubで利用可能です。ユーザーはMantisをローカルにクローンし、コーディングエージェントにプロンプトを与えることで、コードレビューと脆弱性分析を開始できます。Google社内では、このアプローチにより実際の脆弱性を特定することに成功しています。Mantisはサンプルサンドボックスオプションを提供し、カスタムサンドボックスの実装も可能です。脆弱性の発見、フィルタリング、パッチ適用を容易に開始する方法を提供します。mantis-adviseスキルは、さらに蓄積された知識を活用して、最初から安全なコードを作成します。AI主導の脆弱性発見を最大化するために、ツールにコンテキストを提供し、明確な脆弱性受容基準を持つサイバーサンドボックスを構築することが推奨されます。

Getting started with Mantis, our open-source bug finding-and-fixing harness cloud.google.com

RSS Hunter • 9月2日

BigQueryにおけるTabFMの紹介：予測分析の再考

予測分析には、以前は複雑なカスタムモデルの構築とトレーニングサイクルが必要でした。この従来の取り組みには、手動での特徴量エンジニアリング、長時間のチューニング、専門的なスキルが必要であり、予測モデルの活用不足につながることがよくありました。Google Researchは、テーブルデータ向けの事前トレーニング済み基盤モデルであるTabFMを導入しました。これは現在BigQueryで利用可能です。TabFMは、インコンテキスト学習を利用して、単一のSQLステートメントを通じて即座に高精度の予測を提供し、個別のトレーニングとデプロイメントのステップを不要にします。このシステムはゼロショット予測を提供し、広範な機械学習の専門知識を持たないユーザーのプロセスを簡素化します。また、インフラストラクチャを管理することなく予測能力を提供することで、エージェント型アプリケーションを強化します。TabFMは、ベンチマークにおいて従来のモデルを上回る最先端の精度を示します。開発者エクスペリエンスは、ネイティブなBigQuery統合と簡単なSQL構文によって簡素化されます。TabFMは特徴量エンジニアリングタスクを自動的に処理し、そのスケーラビリティにより、数百万行を迅速に処理できます。ユーザーはAI.PREDICTを利用して即座に予測を行い、AI.EVALUATEを利用してモデルのパフォーマンスを評価できます。TabFMは迅速な洞察と頻繁な再トレーニングに優れていますが、非常に大規模なデータセットの場合や、特徴量の重要性の説明可能性が重要な場合は、従来のモデルが引き続き適しています。この統合により、標準的なSQLクエリを実行するのと同じくらい簡単に予測機械学習が可能になります。

Introducing TabFM in BigQuery: Predictive analytics reimagined cloud.google.com

RSS Hunter • 9月1日

BlacklineがVPC Service Controlsでペリメーターポリシーインテリジェンスを簡素化する方法

VPC Service Controlsは、クラウド環境をデータ漏洩やその他の脅威から保護するために不可欠です。Google Cloudは、VPC-SCの管理とトラブルシューティングを簡素化するために、新しいポリシーインテリジェンス機能を導入しました。これらの新しいツールには、バイオレーションアナライザーとバイオレーションダッシュボードが含まれます。金融オペレーションリーダーであるBlackLineは、VPC-SCを使用して機密性の高い顧客データを保護し、リスクを軽減しています。バイオレーションアナライザーは、APIリクエストの違反に関与するプリンシパルとリソースを特定することにより、BlackLineの管理者がセキュリティ境界を適応させるのに役立ちます。以前は、これらの違反を解決するには複雑なCloud Loggingクエリが必要でしたが、新しいツールは詳細なレポートを直接提供します。バイオレーションダッシュボードは、組織全体のすべてのサービス境界違反を集約し、傾向の特定とフィルタリングを行います。バイオレーションアナライザーは、手動のログ分析なしに、特定のルールへの拒否をマッピングすることにより、調査を合理化します。これらのツールは、新しい境界のテストからポリシーの洗練、インシデントの効率的な解決まで、VPC-SCのライフサイクル全体を簡素化します。これらの進歩を活用することで、組織は調査に費やす時間を減らし、クラウドイニシアチブを安全に拡張する時間を増やすことができます。

How Blackline simplifies perimeter policy intelligence with VPC Service Controls cloud.google.com

RSS Hunter • 9月1日

財政的に動機づけられた脅威アクター BREEZE COMET がブラジルを標的に

Mandiantは、BREEZE COMETとして知られる、以前はUNC5669として知られていた、金銭目的の脅威アクターを追跡しています。このアクターは2024年からブラジルの金融機関を積極的に侵害しています。このグループは、不正送金を行うために決済システムとバンキングソフトウェアを操作することを専門としています。BREEZE COMETは、カスタマイズされたマルウェアスイートを採用し、初期アクセスとコマンド＆コントロールのために侵害された信頼できるウェブサイトを利用しています。彼らの活動は、マルウェア開発のために生成AIを活用することにまで拡大しており、運用上の洗練度を高める可能性があります。このグループは、National Financial System Networkへのアクセスを持つエンティティを標的とし、認証された不正取引のためにmTLS認証情報を必要とします。BREEZE COMETは、ボイスフィッシングや侵害された政府ウェブサイトの悪用を含む、さまざまな方法で初期侵害を行います。また、不正なハードウェアデバイスを小売ネットワークに直接接続することで足場を確保します。権限昇格のために、彼らは偵察ツールとカスタムマルウェアを利用し、特にクラウドおよび開発環境を標的として認証情報とAPIキーを取得します。BREEZE COMETは、乗っ取られたサービスアカウントとCOBALTSPINのような特殊なルーティングマルウェアを使用してネットワーク内を横断します。彼らはLIGHTPAINT、MILDFROST、KICKPLATE、BOATBEAMのようなカスタムバックドアを通じて永続性を維持し、しばしばWindows Defenderのようなエンドポイント防御を無効にします。金融アプリケーションを侵害した後、BREEZE COMETは大量の不正取引を実行し、その後、痕跡を隠すためにイベントログをクリアします。彼らの進化する戦術は、ラテンアメリカのサイバー犯罪における大きな変化を表しており、小売詐欺から中核的な金融インフラへの直接的な侵入へと移行しています。BREEZE COMETのAIの使用は、脅威アクターの能力、速度、および規模を向上させる上でのその影響を示しています。

Financially Motivated Threat Actor BREEZE COMET Targets Brazil cloud.google.com

RSS Hunter • 9月1日

BigQuery Graph が GA になりました：エージェンティック時代の知識基盤

現在一般公開されているBigQuery Graphは、ネイティブのグラフ分析をデータウェアハウスに直接統合し、サイロ化や運用上のオーバーヘッドを排除します。この新機能により、ISO標準のGQLを用いて従来のSQLと並行して複雑なグラフクエリを実行できるようになります。BigQueryのペタバイト規模の処理能力、既存のセキュリティ対策を活用し、BigQuery MLやAI機能とも統合しています。サイバーセキュリティ、金融、小売、ITなど多様な業界のデータチームがBigQuery Graphを採用しています。ユースケースには、脅威や不正の検出、サプライチェーン最適化、顧客360、ナレッジグラフ作成、ネットワーク管理などが含まれます。最近の改良には、より高速かつ広範なグラフエンジンの導入が含まれ、GQLの実行速度と表現力が向上しています。新しいボーダーレスGraph Lakehouse機能により、BigQuery GraphはネイティブのBigQueryテーブルに存在するデータや、異なるクラウドにまたがるオープンIcebergテーブルをデータ移動なしでカバーできるようになりました。これにより、エージェントは複数のソースからのデータで構成された仮想知識グラフを移動可能になり、サポートエージェントがGoogle CloudやAWSで顧客や製品情報を照会するようになっています。会話型分析により、グラフとの自然な言語操作が可能になり、AIエージェントの曖昧さや幻覚を軽減します。さらに、エージェントはデータセットをノードやエッジに変換してグラフを作成し、作成や検証の機能も備えています。コンテキストグラフ機能はAIエージェントに監査可能なメモリを提供し、BigQuery Graph内のクエリ可能なトレースとして彼らの推論や意思決定を記録します。これにより説明可能性が保証され、将来のエージェント行動改善の基盤となります。

BigQuery Graph is now GA: the knowledge foundation for the agentic era cloud.google.com

RSS Hunter • 8月31日

クラウドCISOの見解：AI時代における水セクターのセキュリティに関するヒント

「2026年8月版のこのCloud CISO Perspectivesでは、Chris SistrunkとStephanie Kielが登場し、水道セクターにおける重要なセキュリティ問題に対処します。攻撃者は、特に水道事業者のインターネットに接続されたプログラマブルロジックコントローラー（PLC）など、重要インフラをますます標的にしています。手動オーバーライドが歴史的にセーフティネットを提供してきましたが、AI時代においては基本的なデジタルセキュリティが最重要です。水道・下水事業者は、脅威に基づいたリスク管理された対応を推奨します。主な対策には、資産の棚卸し、基本的なセキュリティ衛生の実装、堅牢なバックアップの維持、ネットワークセグメンテーションと多要素認証の活用が含まれます。緊急時計画には、既存のオールハザードシステムにサイバーインシデント対応を統合する必要があり、サードパーティベンダーへのアクセスは厳格に保護する必要があります。ITおよびOTのリーダーは協力して、サイバーフィジカルシステムのレジリエンスを強化するための統一されたガバナンスフレームワークを構築する必要があります。AIを活用したセキュリティアプローチは、防御を近代化し、少数精鋭のセキュリティチームのフォースマルチプライヤーとして機能するために不可欠です。「Mandiant Operational Technology (OT) Theory of 99」は、ほとんどの侵害がコンピューターワークステーションとサーバーで発生することを強調しており、AIを活用して中間インフラを保護することで、防御側に有利をもたらします。人間の監視のもと、AIツールを戦略的に統合することで、ネットワークセキュリティにおけるバランスを防衛側に有利にシフトさせることができます。水道システムの保護は公共の安全に関わる必須事項であり、政府による行動や、Office of the National Cyber Directorとテキサス州が開始したパイロットプログラムのような取り組みの増加につながっています。」

Cloud CISO Perspectives: Tips on securing the water sector in the AI era cloud.google.com

RSS Hunter • 8月31日

数週間から数分へ：データパイプラインの新しいエージェント時代

Google Cloudは、Google Cloud NEXT ’26で発表された新しいOrchestration Pipelinesフレームワークにより、データパイプラインのオーケストレーションを民主化しています。このフレームワークは、データエンジニアリングツールの無料のオープンソースコレクションであるData Agent Kitを通じて利用可能になります。このキットは、一般的なIDEやCLIに統合され、Data EngineeringタブとAirflow DAG用のエージェントスキルを提供します。これにより、データ専門家は自然言語を使用して、本番環境レベルのAirflow DAGを作成、デプロイ、トラブルシューティングできます。このフレームワークは、宣言型のYAML DSLを使用して、オーケストレーションロジックとコンピューティング実行を分離することでMLOpsを合理化します。これにより、すべてのデータペルソナは、複雑なPython Airflowの定型コードを回避できます。実践的な例では、プロアクティブなサプライチェーン管理のためのMLOpsアーキテクチャの構築が実証されています。このアーキテクチャは、BigQuery、Managed Service for Apache Spark、Gemini Enterprise Agent Platform、およびdbtを使用して輸送時間を予測します。Data Agent Kitは、自然言語プロンプトからPySparkスクリプトと宣言型のYAMLパイプラインを生成します。トレーニングエンジン、毎日の推論パイプライン、および自動評価と分岐パイプラインの3つの異なるパイプラインが実証されています。デプロイはCI/CDを通じて自動化され、Data Agent Kitが必要なワークフローを生成します。Day-two運用では、キットはIDE内でリアルタイム監視とエージェントによるトラブルシューティングを提供します。障害を診断し、根本原因を特定し、問題に対するインライン修正を提案します。Orchestration PipelinesとData Agent Kitは、MLOpsアーキテクチャの構築と保守にかかる時間と複雑さを大幅に削減します。

From weeks to minutes: The new agentic era of data pipelines cloud.google.com

RSS Hunter • 8月31日

Cloud Run インスタンスでパーソナルAIエージェントをデプロイする

Google Cloud は、AI エージェントのような長期間実行されるステートフルなワークロードを低コストで実行するための新しいソリューションである Cloud Run インスタンスを導入しました。従来の Cloud Run サービスはゼロにスケールするため、継続的に実行されるエージェントには適していません。専用仮想マシンは常に利用可能ですが、コストが高く、管理も必要です。Cloud Run インスタンスは、自動スケーリングなしで単一インスタンスを実行する、専用のシングルトンコンピューティングランタイムを提供します。デフォルトの自動再起動ポリシーにより、最大 7 日間の継続的なランタイムをサポートします。各インスタンスには、更新や再起動を通じて安定したままの永続的な HTTPS URL が割り当てられます。ユーザーは必要に応じてインスタンスを停止および再開することもできます。バースト予算を利用した共有 vCPU を使用すると、継続的に実行されるインスタンスを 30 日間実行するためのコストはわずか 5.70 ドルからとなります。このモデルは、断続的なコンピューティング集約型のタスクを持つエージェントに最適です。OpenClaw のような AI エージェントのデプロイは、設定ファイルをアップロードした後の簡単なコマンドラインデプロイで簡素化されます。これらのデプロイされたインスタンスは無期限に実行でき、さまざまな通信プラットフォームを介して対話できます。Google Cloud ユーザーはすでに肯定的な結果を報告しており、OffDeal はコールドスタートの大幅な削減と高い信頼性を指摘しています。Cloud Run インスタンスは現在プレビュー段階にあり、この新しいクラスのワークロードに費用対効果の高いオプションを提供します。

Deploy personal AI agents with Cloud Run instances cloud.google.com

RSS Hunter • 8月27日

仕事の再考：Pythianの社内AIプレイブックが顧客ROIをどのように実現するか

Pythianは、エンタープライズAIのROIを研究するために、Google CloudのGemini Enterpriseを社内で導入しました。彼らは、多くのAIイニシアチブがツール中心のアプローチと些細な効率化への注力によって失敗していることを発見しました。Pythianはこれらの問題に対処するためにAIオペレーティングモデルを開発しました。このモデルは、戦略、実行、運用を継続的なループに統合します。このフレームワークは、Field CTOの戦略とガバナンスから始まり、高ROIのユースケースを特定します。次に、ツールとプラットフォームのデプロイメントにより、安全でコンテキスト化されたAI基盤を確立します。デュアルCenter of Excellence（COE）が実行エンジンとして機能し、一方はノーコードエージェントによるピープルプロアクティビティに、もう一方はカスタムコードエージェントによるプロセスプロアクティビティに焦点を当てます。最後に、XOpsはモデルドリフトとプロンプトチューニングを管理することで、本番環境での継続的なAIパフォーマンスを保証します。この包括的なモデルは、ツールの導入を超えて、構造的なワークフロー変革へと進みます。このモデルを社内で実証することにより、Pythianはデータベースインシデント解決時間を80％削減し、ユーザーエンゲージメントを3倍に増加させました。このモデルの成功は、データベース運用、ナレッジマネジメント、サプライチェーン、小売業における顧客事例によってさらに実証されています。AIを効果的にスケーリングするには、ツールの実験だけでなく、このエンドツーエンドのオペレーティングモデルが必要です。

Reimagining work: How Pythian’s internal AI playbook delivers customer ROI cloud.google.com

RSS Hunter • 8月27日

OKFとKnowledge Catalogを使用して、エージェントにコンテキストを提供する

Open Knowledge Format (OKF) は、LLM-wiki パターンのポータブルで相互運用可能な仕様を提供し、バージョン 0.1 および 0.2 を通じて進化し、機械作成されたバンドルのデータフォーマットと信頼シグナルを含めるようになりました。しかし、これらのバンドルを組織全体で共有および管理することは依然として課題でした。個別の Git リポジトリでは、統一された検索性、セキュリティ、および既存のデータチームのワークフローとの統合が欠けていました。このスケーラビリティの問題に対処するために、Google Cloud の Knowledge Catalog をエージェントの組織コンテキストエンジンとして利用できます。OKF バンドルを Knowledge Catalog の既存のタイプにマッピングすることで、概念は発見可能、管理可能になり、カタログをクエリする任意のエージェントがアクセスできるようになります。Knowledge Catalog は、スキーマ、リネージ、所有権、および発見可能なメタデータを含む、さまざまなソースのデータを統一された管理されたインデックスで提供します。OKF バンドルを公開するには、簡単なセットアップと、サンプルコードおよび CLI を使用した単一のプッシュ操作が必要です。この統合により、必要な Knowledge Catalog リソースが登録され、バンドル内の各概念のエントリが作成され、そのコンテンツと構造化されたシグナルのための特定の側面も作成されます。OKF アスペクトタイプは、これらのシグナルを正確に定義し、来歴、検証、およびその他の重要なメタデータをカバーします。これらのフィールドは、Knowledge Catalog でサーバーサイド検索述語として直接使用でき、発見性を向上させます。バンドルをプッシュすると、markdown ファイルが Knowledge Catalog エントリに変換され、バンドルのディレクトリ構造が閲覧可能な階層として保持されます。このプロセスにより、OKF バンドルは他のデータアセットと共に発見され、同じ組織のガバナンスおよび IAM ポリシーの下で管理できるようになります。すでに Knowledge Catalog とやり取りしているエージェントは、新しいリポジトリや解析作業なしに、OKF バンドルのコンテキストをシームレスに取得できます。このプロセスには通常、候補エントリの検索、LookupContext を介した markdown 本体の取得、および entries.get を介した構造化された OKF シグナルへのアクセスが含まれます。これにより、エージェントはコンテキストにアクセスし、来歴を理解し、バンドル内の参照をたどることができます。最終的に、OKF を Knowledge Catalog と統合することで、組織全体の発見性と LLM 生成知識の堅牢なガバナンスが提供されます。

Using OKF with Knowledge Catalog to serve context for agents cloud.google.com

RSS Hunter • 8月26日

Uberがクラウド移行を可能にしながらネットワーク信頼性を向上させる方法

Uberは、都市と同様に、絶え間ない成長と交通流の管理という課題を経験しています。プラットフォームとユーザーの信頼を拡大し続けるために、Uberは技術戦略を進化させてきました。その重要な解決策の1つが、ハイブリッドネットワークトラフィックの優先順位付けにおける業界初のツールであるCloud Interconnect上のアプリケーションアウェアネスです。UberはGoogle Cloudと提携してこの機能を開発し、グローバルな運用需要を満たすことを保証しました。このツールは、重要なトラフィックの優先順位付けを支援し、潜在的なネットワーク輻輳時の事業継続性を確保します。帯域幅の従来の過剰なプロビジョニングは、特にAIと大規模なデータ転送の台頭により、コストがかかり信頼性が低いです。アプリケーションアウェアネスは、トラフィック処理、輻輳応答、レイテンシ管理、コスト効率という4つの主要な機能を提供します。Uberはこの機能をインフラストラクチャ全体に展開し、エンドユーザーのトラフィックを、それほど重要でないデータよりも優先順位を付けて分類しました。このアプローチはトラフィックをインテリジェントに扱い、需要の高い期間中にビジネスに不可欠なアプリケーションを保護します。効率的な帯域幅利用を可能にすることで、Uberは総所有コストを削減し、Google Cloudにかなりのワークロードを移行しました。Cloud Interconnect上のアプリケーションアウェアネスは、サービスの信頼性を維持し、最新のハイブリッドクラウド戦略を採用するために不可欠です。

How Uber improves network reliability while unblocking cloud migration cloud.google.com

RSS Hunter • 8月26日

Google Cloud Fault Injection Testingでレジリエンステスト戦略を簡素化

Google Cloud は、分散システムにおける高可用性の確保の複雑化に対応するため、プレビュー版で Fault Injection Testing (FIT) を導入しました。FIT を使用すると、開発者やアーキテクトは、クラウド環境に意図的に障害を注入することで、障害テストを自動化できます。このプロアクティブなアプローチは、実際の障害が顧客に影響を与える前に、安全メカニズムを検証するのに役立ちます。オンプレミスのデータセンターと比較して、基盤となるインフラストラクチャへの直接アクセスが限られているため、クラウド環境ではネイティブなレジリエンステストが不可欠です。アプリケーションが障害を乗り越える能力を証明できない場合、信頼の失墜、コンプライアンスの問題、移行の遅延のリスクがあります。FIT は、障害と対象リソースを定義する実験テンプレートを作成することで機能します。現在、Cloud SQL インスタンスのフェイルオーバーテスト、およびレイヤー 7 ロードバランサーを介したレイテンシと HTTP エラーの導入によるアプリケーショントラフィックの低下をサポートしています。障害を注入する前に、FIT は自動化されたドライランを実行して、権限を確認し、影響を受けるリソースを特定します。その後、ユーザーは手動で障害注入を開始でき、定義された期間後に自動的に元に戻されます。実験中、ユーザーはアプリケーションの動作を確認でき、問題が発生した場合はすぐに障害を停止して元に戻すオプションがあります。Google は、プレビュー期間中は非本番環境で FIT を使用して、早期アクセスとフィードバックを得ることを推奨しています。KeyBank や Servier などのエンタープライズパートナーは、すでに FIT を利用して、ゾーン障害などの障害シナリオをシミュレートすることで、デプロイメントを検証しています。開始するには、プレビューアクセスをリクエストし、Fault Testing API を有効にし、適切なロールを割り当て、非本番環境でドライランを実行します。

Simplify your resilience testing strategy with Google Cloud Fault Injection Testing cloud.google.com

RSS Hunter • 8月26日

AI時代のためのFinOps：エージェント向けの新しい柔軟な請求およびコスト管理

AIの導入が進むにつれて、企業はAIイノベーションのコストを効果的に管理する必要があります。Googleは、請求の柔軟性とコスト管理ツールの強化により、Gemini Enterpriseを拡充しています。これには、既存のユーザーごとのサブスクリプションを補完する、エージェントワークロード向けの従量課金オプションが含まれます。Google AntigravityやAndroid Studioなどの開発者ツールは、現在Gemini Enterpriseサブスクリプションに統合されています。柔軟なセービングプランは、最低料金なしで、コミットメントによりトークンコストを10〜20％割引します。統合された支出ガードレールにより、月額上限の設定、実行時コストの推定、予算の急増の検出が可能になります。組織は、ユーザーごとのサブスクリプションと従量課金を組み合わせて、コストを個別に調整できます。プールされたクォータは、異なるAIアプリケーション間で割り当てを共有することにより、リソースの使用を最大化します。近日中に、延期実行価格設定により、オフピークのエージェントワークロードに大幅な割引が提供されます。これらの進歩により、チームは財務管理と可視性を維持しながら、自由にイノベーションを行うことができます。

FinOps for the AI era: New flexible billing and cost controls for agents cloud.google.com

RSS Hunter • 8月26日

AI時代のためのインフラストラクチャ：エージェントのための動的なキャパシティ管理

インターネットの拡大とモバイルデバイスは、人間と並んで働く自律型AIエージェントの新時代を切り開きました。これらのAIワークロードはリソース集約的でバースト的な性質を持つため、そのコストとインフラストラクチャの要求を管理することは極めて重要であり、潜在的な利用率低下につながる可能性があります。組織は、エンタープライズアプリケーションとAIアプリケーションの両方に対して予測可能なコストとパフォーマンスを確保するために、インフラストラクチャ投資を最適化するための動的なキャパシティ管理戦略を必要としています。これには、予測可能な需要のためのリソースの確保と、予期せぬ変更への自動応答が含まれます。重要な戦略の1つは、Dynamic Workload Schedulerを使用して計画されたイベントのキャパシティをスケジュールすることです。これは、レイテンシ許容型のバッチジョブのコスト最適化のための「flex-start mode」と、ミッションクリティカルで時間制限のあるイベント中の保証されたキャパシティのための「calendar mode」を提供します。もう1つの重要な側面は、すべてのアプリケーションのフォールバックプランを通じてサービス継続性を維持することです。これには、Google Compute Engine上のコンテナ化されていないワークロード用のマネージドインスタンスグループ（MIG）を使用して、自動化された優先順位付けされたハードウェアフォールバックリストを定義することが含まれ、アプリケーションが代替コンピューティングオプションに自動的に切り替えることができます。コンテナ化されたワークロードの場合、Google Kubernetes Engine（GKE）は、キャパシティ管理ライフサイクル全体を自動化するための適応型コントロールプレーンを提供します。GKEのカスタムComputeClassesは、ゾーンや消費モデルを横断して、さまざまなVMファミリー、サイズ、スケーリングを動的に組み合わせた多次元フォールバックリストの設計を可能にします。GKEは動的なリソース割り当ても提供し、アプリケーションが正確なハードウェアパラメータを定義できるようにすることで、GPUやTPU全体ではなく、必要なハードウェアの「スライス」のみを割り当てることで利用率を最大化し、コストを削減します。インフラストラクチャの制約を克服するには、予測可能な需要のためのリソースの確保と、予測不可能な需要のための自動化の構築という2つのアプローチが必要です。この組み合わせ戦略は、計画されたイベントのための事前スケジュールされたキャパシティを確保すると同時に、手動介入なしにインフラストラクチャが予期せぬ変更に適応できるようにします。90％の企業がエージェントを展開する予定ですが、現在のITセットアップに自信を持っているのは17％にすぎないため、アーキテクチャの柔軟性が最も重要です。これには、特殊なインフラストラクチャだけでなく、実行の非効率性を解決するためのインテリジェントな利用戦略も必要とされます。動的なインフラストラクチャの実装を開始するために、組織は即時のコスト削減のためにワークロードを監査し、単一のVMファミリーまたはゾーンに密接に結合されたアプリケーションを特定し、実行可能な代替ハードウェア形状をマッピングする必要があります。最低支出額をコミットすることも、コミットメント使用割引を通じて大幅に割引された価格を解除できます。最後に、Google Cloudアカウントチームと協力して、カスタマイズされたキャパシティ管理戦略を作成し、自動化されたフォールバックリストを構成することが推奨されます。

Infrastructure for the AI era: Dynamic capacity management for agents cloud.google.com

RSS Hunter • 8月26日

絶対的な基礎からAIエージェントの構築を始めるチャンス

Agent Valleyは、AIエージェントシステムの構築方法を初心者向けに教える、無料の5週間のライブ学習シリーズです。このプログラムは、複雑なコーディングではなく、仮想世界での実践的な学習に焦点を当てています。参加者は、初心者向けのインタラクティブなカリキュラムを開発したGoogle DevRel EngineerのAnnie Wangの指導を受けます。学習プロセスでは、参加者がAIのリアルタイムの意思決定を構築し、観察するスプリットスクリーンのワークスペースを使用します。Googleは必要な環境を提供し、セットアップのストレスを排除します。5つのモジュール式セッションは、AIエージェントにおける制御、分解、調整、メモリ、ライブインタラクションをカバーします。第1週は、コンパニオンを召喚し、その一貫性を維持することに焦点を当てます。第2週は、並列AI作業のために大規模なプロジェクトを分解する方法を教えます。第3週は、仮想ショップを構築し、トランザクションのための信頼性の高いコードを確保することを含みます。第4週は、混乱なくエージェントにメモリを与える方法を探ります。最終週は、エージェントが高速かつ手頃な価格を維持しながら、イベントにライブで反応させる方法をカバーします。このシリーズは9月1日に開始され、コーディングとインタラクティブなプレイを通じて学びたいAIエージェントの初心者にとって理想的です。

Your chance to start building AI agents from the absolute basics cloud.google.com

RSS Hunter • 8月26日

分散RayクラスターへのgVisorサンドボックスの導入

Reinforcement learningワークフローでは、統合されたコンピューティングランタイムとしてRayの利用が増加しています。しかし、動的なロールアウトや複雑なインタラクションのために、セキュアで分離されたサンドボックスを大規模にオーケストレーションすることがボトルネックとなっています。この問題に対処するため、Rayの実験的なライブラリが導入され、分散Rayクラスタにネイティブで高性能なサンドボックスが直接統合されました。この新しいライブラリは、サンドボックスをRay Actorとして表現し、他のRayリソースと同様に管理できるようにします。Rayスケジューラは、これらのサンドボックスActorの配置とリソース割り当てを処理します。各サンドボックスActorは、指定されたノード上で分離された実行のためにgVisorを利用します。フレームワークの作成者や研究者は、既存のRay APIとパターンを使用して、これらのサンドボックス化された環境を管理できるようになります。サンドボックスAPIは、これらの環境内での作成、設定、コマンド実行のための機能を提供します。また、ファイル操作や状態の検査もサポートしています。より高度なユースケースのために、SandboxRuntimeはローカルgVisorサンドボックスへの直接アクセスを提供し、実行前のカスタマイズを可能にします。gVisorを選択することで、ワークロードとホストカーネルの間に強力な分離境界が提供されます。これらのサンドボックスは軽量で、起動時間は1秒未満、メモリオーバーヘッドも低いため、動的なエージェントワークロードに適しています。Rayの将来のバージョンでは、他のサンドボックスランタイムへのサポート拡張が計画されています。ユーザーはGoogle Kubernetes EngineでRayサンドボックスを試すことができ、GitHubでフィードバックを提供できます。

Bringing gVisor sandboxes to distributed Ray clusters cloud.google.com

RSS Hunter • 8月25日

「Gemini Enterprise for Legal」を新登場

法律実務は、特権情報、事務所固有のプロトコル、および絶えず進化する法的枠組みへの厳格な遵守を要求します。汎用AIだけでは、倫理的な壁、正確な案件許可、および揺るぎない機密保持の固有の必要性から、これらの厳格な要件を満たすことはできません。したがって、Googleは、法律実務を強化するために設計された、目的に特化した業界ソリューションのスイートであるGemini Enterprise for Legalをローンチしました。このプラットフォームは、4つの主要コンポーネントを統合しています。法律業務のための専門スキル、既存の法律システムおよびデータへの安全な接続、作業を実行するインテリジェントエージェント、およびカスタマイズのためのオープンエコシステムです。これらの要素は、セキュリティ、データ分離、および追跡可能な引用による検証可能な出力を保証する、管理されたコントロールプレーンによって支えられています。Gemini Enterprise for Legalは、AIをパッシブなクエリからアクティブな実行へと移行させ、規制スキャン、データディスカバリ、契約レビュー、および文書の赤入れなどの高価値ワークフローを自動化します。このプラットフォームは、Google Workspace、Microsoft 365、iManage、NetDocuments、Everlawなどの一般的な法律技術ツールとシームレスに接続します。また、Thomson Reuters HighQなどのリサーチプラットフォームとも統合し、パートナーシップを通じて専門的なAI機能を提供します。オープンなパートナーエコシステムは、サードパーティエージェントおよびグローバルシステムインテグレーターとのカスタマイズと統合を可能にします。主要な法律事務所との協力により開発されたGemini Enterprise for Legalは、ワークフローを合理化し、より質の高い法律サービスを提供することを目指しています。機密保持は、法律技術にとって、単なる追加機能ではなく、基本的な要件です。

Now introducing Gemini Enterprise for Legal cloud.google.com

RSS Hunter • 8月25日

金融サービス向け Gemini Enterprise、新登場

金融市場における資本保護にはスピードと精度が求められますが、汎用AIは精度、データリネージ、セキュリティの懸念から不十分です。真に有用な業界AIには、ドメイン知識、セキュアなシステム統合、ワークフロー実行エージェント、そしてオープンで管理されたエコシステムが必要です。Googleはこれらのニーズに応えるため、Gemini Enterprise for Financial Servicesをローンチし、エージェンティックAIを資本市場およびコーポレートバンキングのワークフローに組み込みます。このソリューションは、目的別に構築された金融スキル、必須データへのセキュアなコネクタ、説明可能性を備えたエンドツーエンドのリサーチを実行するエージェント、そしてカスタマイズと統合のためのオープンなパートナーエコシステムを提供します。管理されたコントロールプレーンは、すべての出力に対するセキュリティ、プライバシー、検証可能なグラウンディングを強制します。Gemini Enterprise for Financial Servicesは、KYC、リスク評価、市場分析などの分野で高価値のワークフローを解き放ちます。セキュアな接続を通じて、さまざまな生産性、市場データ、リスク、規制プラットフォームと統合されます。このプラットフォームは、事前構築されたパートナーエージェントを提供し、グローバルシステムインテグレーターと協力してスケーラブルでカスタマイズされたデプロイメントを実現します。金融機関と共同開発され、エンタープライズグレードのセキュリティとデータプライバシーのためにGoogle Cloudインフラストラクチャを活用しています。このプレビューローンチは、責任あるスケーラブルなAIによる重要な金融ワークフローの変革の出発点となります。

Now introducing Gemini Enterprise for Financial Services cloud.google.com

RSS Hunter • 8月25日

Migration Center の新しい AI 搭載クイックアセスメントがモダナイゼーションを加速

テクノロジーリーダーは、インフラストラクチャのモダナイゼーション、マルチクラウド支出の管理、生成AIのためのデータ基盤の構築というプレッシャーに直面しています。従来の変革の取り組みには、スプレッドシートの手動による遅い分析や、サイロ化されたコスト見積もりが伴います。これに対応するため、Migration CenterでAI搭載のクイックアセスメントが利用可能になり、即時のTCOモデリングと自動化されたサービスマッピングを提供します。この自動化は、時間のかかる手動での発見プロセスを置き換え、プロジェクトの遅延やエンジニアリングのオーバーヘッドを防ぎます。移行イニシアチブのTCOとROIに関する即時かつ実行可能な洞察を提供します。組織は、インフラストラクチャデータを投入し、最適化された部品表と予測される節約額を受け取ることで、数分で包括的な財務モデルを生成できるようになります。エージェンティックアシスタントが財務上の仮定を説明し、最適化を推奨し、エグゼクティブレポートをエクスポートします。これらのAI支援アセスメントと強化されたクラウド請求機能は、新しいMigration Centerに統合されています。特にオンプレミスワークロードについては、AI支援クイックアセスメントがインフラストラクチャ評価を自動化し、迅速な財務モデリングを実現します。新しいインスタンスタイプとストレージによる即時のCompute Engine TCO見積もりを提供し、高度なアーキテクチャモデリングをサポートし、カスタマイズ可能な財務管理を可能にします。コンテキストを認識したチャットは、ビジネス上の制約に基づいてテーラードされたコスト最適化を推奨し、その背後にあるロジックを説明します。自動化されたビジネスケース生成とGoogle Sheetsエクスポートにより、BOM、TCO比較、ROI分析の詳細を記載したすぐに使えるレポートが作成されます。Migration CenterのAI機能はクラウド評価を簡素化し、IT意思決定者が強力なビジネスケースを構築できるようにします。

New AI-powered quick assessments in Migration Center turbocharge modernization cloud.google.com

RSS Hunter • 8月24日

高度なセキュリティガバナンスによる自律エージェントのエンパワーメント

AIエージェントは、機密データへのアクセスとアクションのトリガー能力により、生産性の向上という機会と、重大な新たなセキュリティ上の課題の両方をもたらします。大多数のテクノロジーリーダーは、AI推論の拡大における主要な障害として、セキュリティとガバナンスを挙げています。自律的なワークフローによってもたらされる根本的に変化した脅威の状況により、従来のセキュリティモデルは不十分です。エージェントに必要なアクセスを許可しつつセキュリティを維持することは、しばしば「エージェンティックパラドックス」と呼ばれる複雑なバランス行為です。マルチシステムエージェントアクセスに対するセキュリティが不十分であることは、より広範な展開を妨げる中核的な懸念事項です。エージェントは攻撃対象領域を拡大し、ツールの汚染や間接的なプロンプトインジェクションのような新しい脅威をもたらします。エージェントを保護するには、侵害防止のみから、データの出所を検証することへの移行が必要です。組織は、監視を行いリスクを管理するために、データコンプライアンスを主要な推進要因として、フルスタッククラウドプラットフォームをますます採用しています。フレームワークと専用プラットフォームは、デフォルトで安全な設計、堅牢なエージェントガバナンス、および重要なアクションのためのヒューマン・イン・ザ・ループ制御を可能にします。最終的に、統一されたセキュリティ基盤に統合された強力なガバナンスにより、組織はエージェントを自信を持って展開し、安全にイノベーションを行うことができます。

Empowering autonomous agents with advanced security governance cloud.google.com

RSS Hunter • 8月24日

エージェントがより良く委任する方法

効果的な委任は、エンタープライズワークフローにおけるAIエージェントに現在適用されている、重要なリーダーシップスキルです。マルチエージェントシステムは複雑なタスクに理想的であり、AIエージェントにはインテリジェントな委任者になることが求められます。Google DeepMindの研究は、交渉、契約、セキュリティを含むインテリジェントなプロセスとしての委任を強調しています。タスクを効果的に委任できるAIエージェントを構築するための4つの原則が現れています。最初の原則は、「契約優先分解」を通じて委任された作業を検証することであり、タスクを管理可能で検証可能なチャンクに分割します。理想的には、作業は確実に採点できますが、主観的な評価には人間の専門家の判断が必要になる場合があります。2番目の原則は、タスクの複雑さを適切なAIモデルに合わせることで、コストについて賢明であることを強調しています。単純なタスクは高価で強力なモデルに負担をかけるべきではなく、複雑なタスクにはより高い能力が必要です。3番目の原則である機密データの尊重は、AIエージェントが境界と権限を遵守し、タスクに必要な最小限のアクセスのみを付与する必要があることを意味します。ゼロ知識証明のような高度な暗号化は、プライベートデータを明らかにすることなく作業を検証できます。4番目の原則である無関心の領域に注意することは、AIエージェントが要求に盲目的に従うことに対する警告です。インテリジェントな委任には、情報を検証し、曖昧な要求に異議を唱えるための「動的な認知的摩擦」が必要です。これにより、委任チェーンを通じて微妙なエラーや損害が広がるのを防ぎます。最終的な目標は、AIエージェントを組織にシームレスに統合し、人間の専門家と協力して働くことです。

How agents can delegate better cloud.google.com

RSS Hunter • 8月21日

クラウドCISOの見解：AI時代におけるセキュリティの基本原則の遵守

AI時代は、敵対者が高度な攻撃にAIを活用しているため、コアセキュリティの基本原則に新たな焦点を当てることを必要とします。Google CloudのCISOであるChris Betzは、これをレジリエンスと脆弱性の主な差別化要因として強調しています。AIは攻撃者と防御者の両方にとってイノベーションを加速させますが、高度にカスタマイズされ、迅速な悪意のあるアクションを可能にします。敵対者はAI駆動型のマルウェアを展開し、ディープフェイクをアイデンティティ盗難に使用しており、シャドーエージェントのような新たな脅威につながっています。これらに対する防御には、多要素認証やゼロトラストフレームワークを含む、基本的なセキュリティを強化するために一歩戻ることが必要です。これらのビルディングブロックを強化することは、攻撃対象領域を縮小し、防御AIにコンテキストを提供します。AIは、発見を自動化し、コード修正を提案することで脆弱性管理に革命をもたらし、防御が迅速に進化することを保証します。脅威モデリングもAIの恩恵を受け、コード、アーキテクチャ、ネットワークからのデータを統合して包括的なビューを作成する能力を拡張します。CISOは、AIを活用して防御を強化し、セキュリティをビジネス目標に合わせる戦略的ビジネスリーダーとして行動する必要があります。このアプローチは、組織がAIの複雑さを乗り越え、成長を追求する際に、組織を保護するのに役立ちます。

Cloud CISO Perspectives: Sticking to security fundamentals in the AI era cloud.google.com

RSS Hunter • 8月21日

企業向けにGoogle Antigravityを拡大する

Google Antigravity は、開発者アクセスとエンタープライズコントロールの強化を求める顧客からのフィードバックに対応するため、対象となる Gemini Enterprise アプリサブスクリプションに統合されました。開発者は現在、VS Code、Visual Studio、Jetbrains、Zed の IDE 拡張機能、デスクトップアプリ、CLI を含むさまざまなサーフェスで Antigravity を利用できます。エンタープライズガバナンスチームは、Gemini Enterprise 管理コンソールに統合された組み込みの管理機能、セキュリティコントロール、ライセンス管理の恩恵を受けます。財務チームは、プールされた使用量クォータにより柔軟性を得られ、前払いトークンがアイドル状態になるのを防ぎます。詳細な支出しきい値と超過有効化オプションにより、管理者はプロジェクトレベルの予算上限を設定し、開発者のワークフローを継続できます。包括的な使用状況メトリクスは、最適化のためのトークン消費と開発者のアクティビティの可視性を提供します。この統合により、Antigravity は、設定可能なセキュリティポリシー、中央監査ログ、データプライバシー遵守を含む、Google Cloud の標準的なセキュリティおよびコンプライアンス保護の下で動作します。ID フェデレーションとアプリケーションデフォルト認証情報は、技術チームのセットアップを簡素化します。Accenture、AirAsia、CGI、Cognizant などの顧客は、すでに Gemini Enterprise で Antigravity を活用して、開発を加速し、タスクを自動化し、変革的な価値を提供しています。このプラットフォームは、チームが単純なコード生成を超えて、安全かつ責任ある方法で複雑な結果をオーケストレーションできるようにします。Gemini Enterprise の Antigravity は、対象となる Gemini Enterprise Standard、Plus、および Standard Emerging Market ライセンスで本日より利用可能です。管理者は、エンタープライズセットアップガイドを通じて AI 開発者ツールを有効にすることができ、開発者は Antigravity 2.0、CLI、または IDE 拡張機能で構築を開始できます。

Expanding Google Antigravity for enterprise customers cloud.google.com

RSS Hunter • 8月20日

Cloud KMS における量子セーフな鍵インポートを発表

エンタープライズはマルチクラウドを採用しており、データ主権とクラウドワークロードの保護のためにBring Your Own Key (BYOK) が不可欠になっています。量子コンピューティングの進歩は、安全な暗号鍵転送の再評価を必要としています。Google Cloud KMSは現在、ソフトウェアベースの暗号鍵に対する量子セーフな鍵インポートのプレビューを提供しています。この新しいBYOK機能は、ポスト量子暗号への移行における最初のステップです。これは、暗号的に関連性のある量子コンピュータが出現する前に、機密性の高い鍵を保護するのに役立ちます。これと並行して、Cloud KMSの一般提供されているPQCインサイトにより、ポスト量子体制の監視が可能になります。従来の鍵インポート方法は、将来の量子コンピュータによる「今保存し、後で復号する」攻撃に対して脆弱です。量子セーフな鍵インポートは、最初から量子耐性のあるエンベロープで鍵をラップすることにより、これらの攻撃を軽減します。新しい転送メカニズムは、クライアントサイドのラッパーとサーバーサイドのアンラッパーを備えたハイブリッド公開鍵暗号（HPKE）を使用します。このプロセスは、既存のCloud KMS APIワークフローに統合され、ユーザーの労力を最小限に抑え、転送中のデータ保護を組み込みます。

Announcing quantum-safe key import in Cloud KMS cloud.google.com

RSS Hunter • 8月20日

Googleは、2026年Gartner® Magic Quadrant™ for Cloud-Native Application Platformsのリーダーです。

Google Cloudは、3年連続でGartner Magic Quadrant for Cloud-Native Application Platformsにおいてリーダーとして認められました。この評価は、最新のワークロードにおけるインフラストラクチャの複雑さを簡素化する、開発者中心のプラットフォームに対するGoogleのコミットメントを強調するものです。このプラットフォームは、サーバーレス、コンテナ化、エージェントベースのデプロイメントオプションをサポートし、従来のマイクロサービスと高度なAIアプリケーションの両方に対応します。ジェネレーティブAIが統合されており、Google AI Studioのようなツールや、AIエージェントとの対話のためのマネージドMCPサーバーを通じて、迅速なプロトタイピングを可能にします。Googleの公式Skills Repositoryは、エージェント向けの事前構築された専門知識を提供し、開発をさらに加速させます。プロトタイプから本番環境への移行において、Google Cloudはアプリケーションライフサイクル全体を通じて、アーキテクトやプラットフォームエンジニア向けのツールを提供します。Antigravity harnessは開発を統合し、Application Design Centerは標準化されたデプロイメントのための設定と設計を自動化します。運用においては、Gemini Cloud Assistは、効率化のために機械学習を活用し、AI主導のインシデント調査とコスト分析を提供します。Cloud Runの自動的なクロスリージョンフェイルオーバーのような機能により、高可用性と信頼性が確保されます。Google Cloudはオープンソース戦略を推進し、Cloud Native Computing Foundationに貢献することで、アプリケーションのポータビリティを向上させています。将来的には、自律型AIエージェントに焦点を当て、クラウドネイティブアプリケーションの未来を構築していきます。専用のインフラストラクチャスタックは、Agent Development Kitやその他のフレームワークと統合された、エージェントフリートのホスティング、ガバナンス、セキュリティをサポートします。Gemini Enterprise Agent Platformは、スケーラブルなエージェント開発のためのネイティブなパーソナライゼーション、オブザーバビリティ、シミュレーションツールを提供します。Cloud Runは、永続インスタンスやセキュアサンドボックスのような今後の機能により、エージェントホスティングのための柔軟な代替手段も提供します。Agent Identity, Registry, Gatewayを通じて、AIエージェントの効果的な管理とセキュリティを実現するための堅牢なセキュリティとガバナンスが提供されます。

Google is a Leader in the 2026 Gartner® Magic Quadrant™ for Cloud-Native Application Platforms cloud.google.com

RSS Hunter • 8月20日

AIプロトタイプを本番環境に移行する前に、すべてのスタートアップが答えるべき10の質問

Google Cloud で AI パワードのスタートアップを立ち上げることは、Google AI Studio や Gemini Enterprise Agent Platform のようなツールを通じて効率化されます。しかし、API キーの漏洩による予期せぬ請求、IAM の複雑さによる移行の妨げ、クォータ制限によるリクエストエラーなど、課題が発生する可能性があります。これらを軽減するために、スタートアップは戦略的な計画が必要です。最初のフェーズである Onboard は、強固な基盤の確立に焦点を当てます。迅速なプロトタイピングには Google AI Studio、エンタープライズグレードの制御には Gemini Enterprise Agent Platform のどちらを選択するか、そして計画的な移行戦略を決定することが重要です。Google Cloud プロジェクトの効率的な設定には、テンプレートの使用、必要な API の事前有効化、そして狭い IAM ロールの付与に AI アシスタンスを活用することが含まれます。認証に関しては、生の API キーはローカル開発にのみ適しており、本番ワークロードには最小権限のロールを持つサービスアカウントが最適です。AI Studio の API キーから Agent Platform の IAM モデルへの移行は、複数のユーザーが API アクセスを必要とする場合、多額の費用が発生する場合、または有料顧客がオンボードされる際に発生すべきです。Scale フェーズは、過剰なコストなしにスループットを増加させることに対応します。HTTP 429 エラーは、共有クォータ制限に達したり、グローバルな需要の急増が原因であることが多く、解決策としては、リージョンエンドポイントへのピン留めと、指数バックオフを伴う適切なリトライメカニズムの実装が含まれます。消費モードの理解は不可欠です。Standard PayGo は費用対効果が高いですが保証はありません。Priority PayGo はプレミアム料金でより高速なアクセスを提供し、Provisioned Throughput は容量を保証しますが前払いが必要です。

10 questions every startup should answer before moving to production with their AI prototype cloud.google.com

RSS Hunter • 8月20日

AlloyDB ScaNN による 100億ベクトルへのベクトル検索のスケーリング方法

エンタープライズグレードのエージェンティックAIアプリケーションには、数十億のベクトルにスケールできるベクトルデータベースが必要ですが、これは現在のシステムがしばしば満たせない課題です。PostgreSQL互換のデータベースサービスであるAlloyDBは、これらの要求の厳しいワークロード向けに設計されており、統合された分析エンジンによる高可用性とスケーラビリティを提供します。重要な進歩は、新しい4レベルツリーアーキテクチャを通じて、現在100億のベクトルを効率的に処理するScaNNインデックスです。この革新的な設計は、階層的なパーティショニングを採用することで計算強度を大幅に削減し、クエリ中の検索空間を劇的に狭めます。4レベル構造は、O(N1/4)の複雑さで最適なトラバーサル効率を達成し、以前の制限を克服します。さらに、このアーキテクチャは、バランスの取れたツリー構築と最適化されたサンプリングプロセスを通じてメモリ使用量を強化します。これらの戦略により、AlloyDB ScaNNは、利用可能なメモリ容量を超えずに大規模なデータセットを管理できます。パフォーマンステストは、AlloyDBがScaNNインデックスを使用して100億以上のベクトルに効果的にスケールできることを示しています。この大規模なスケールで、51ms未満のp95レイテンシと95%のリコールを達成します。ユーザーは、クイックスタートガイドと30日間の無料トライアルを通じて、この4レベルツリーアーキテクチャを体験できるようになりました。

How AlloyDB ScaNN scales vector search to 10 billion vectors cloud.google.com

RSS Hunter • 8月20日

流れに乗る（フロー）：ロシアの関心対象者を標的とする明確なクラスター

Google Threat Intelligence Groupは、学術、航空宇宙、防衛、政府、シンクタンクを標的とする5つのロシアのサイバー諜報クラスターを追跡しています。UNC6293、UNC7005、UNC5976を含むこれらのグループは、フィッシングや正規の認証フローの悪用など、さまざまな手法を採用しています。主な目的は、洗練されたソーシャルエンジニアリングを通じて信頼を悪用し、ユーザーアカウントを侵害することです。UNC6293は、ICE RELICのサブクラスターである可能性があり、米国国務省を装ってアプリパスワードフィッシングに焦点を当てています。このクラスターは、ロシアに批判的な個人を標的とし、特定のアプリパスワードを設定したり、確認コードを共有したりするように誘い込みます。UNC7005もICE RELICに関連していると評価されており、洗練度が低く、運用セキュリティも劣っています。MicrosoftおよびWhatsAppアカウントのアプリパスワードフィッシングとデバイスコードフィッシングを実行します。UNC7005は、正規のイベントや組織を偽装することが多い、手の込んだソーシャルエンジニアリングを使用します。彼らの戦術には、検出を回避するためのシステムフィンガープリンティングや、操作を偽装する試みなどが含まれます。WhatsAppフィッシングでは、UNC7005はユーザーアカウントを攻撃者が制御するデバイスにリンクさせることを目指しています。これにより、オーディオおよびビデオ録画を含むさらなる侵害が可能になります。キャンペーンは異なりますが、共通の糸は認証プロセスの悪用です。GTIGは、標的がこれらの悪意のあるソーシャルエンジニアリングの試みを特定するのに役立つように、意識を高めています。

Going with the Flow(s): Distinct Clusters Target Individuals of Interest to Russia cloud.google.com

RSS Hunter • 8月20日

Google Cloud の Lakehouse ランタイムカタログを使用して Apache Hive を最新化する方法

10年以上にわたり、Apache Hive Metastore (HMS) は、SparkやPrestoなどのクエリエンジンのスキーマを管理する、ビッグデータ分析の中央管理機関でした。しかし、データアーキテクチャがスケールアップし、複数のクエリエンジンにまたがるようになると、従来のHMSデプロイメントは重大な運用上のボトルネックとなります。これらの従来のシステムは、リレーショナルデータベースへの依存がパフォーマンスの問題を引き起こすため、アーキテクチャのスケーリングの問題に苦労しています。また、サイロ化されたIDおよびセキュリティガバナンスを作成し、異なるコントロールプレーン全体で断片化されたポリシーが必要となります。さらに、スタンドアロンのHMSインスタンスの管理とチューニングは、かなりの運用オーバーヘッドと総所有コストの増加につながります。Google CloudのサーバーレスLakehouseランタイムカタログは、オープンなApache Iceberg REST Catalog仕様に基づいて構築されたソリューションを提供します。このカタログは、従来のHive/ParquetとIcebergのような最新のフォーマットの両方をサポートする、統一された高可用性のメタデータレジストリです。これは、メタデータ検出をコンピューティングエンジンから分離し、複数のエンジンがデータをコピーせずにアクセスできるようにします。これにより、マルチエンジン相互運用性、オープンAPI、およびクラウドストレージ内の既存のデータを直接参照することによるゼロデータコピー移行が可能になります。AI搭載のガバナンスはCloud IAMと統合され、一貫したセキュリティと信頼できるコンテキストを提供し、クレデンシャルベンディングはセキュリティをさらに強化します。Lakehouseランタイムカタログはエンタープライズレディであり、Googleのインフラストラクチャ上でスケールし、フェイルオーバーのための高可用性を提供します。そのサーバーレスな性質は、運用上の労力と総所有コストを削減します。ゼロコピー移行機能により、従来のHive MetastoresからLakehouseカタログへの直接移行が可能になります。Lakehouseへのモダナイゼーションは、ガバナンスを統合し、エージェントに信頼できるコンテキストを提供し、運用コストを削減して、エージェントスケールの運用に対応できるようにクラウド環境を準備します。

How to modernize Apache Hive using Google Cloud’s Lakehouse runtime catalog cloud.google.com

RSS Hunter • 8月19日

Google Cloud 上のサーバーレス Apache Spark: アーキテクチャの選択とAIトラブルシューティング

Google Cloud のマネージド Apache Spark は、インフラストラクチャ管理を抽象化することで、データエンジニアリングを簡素化します。ユーザーは、予測可能で高利用率のワークロード向けにマネージドクラスターを選択するか、断続的なタスク向けにサーバーレスを選択することで、アイドルコストを回避できます。サーバーレスは、探索のためのインタラクティブセッションと、自動化のためのバッチジョブを提供します。Google Cloud 上の Spark を最適化するには、ドライバーとエグゼキューターのリソース割り当てを慎重に宣言することが含まれます。最大エグゼキューターを明示的に設定することで予算超過を防ぎ、データサイズに基づいてシャッフルパーティションを管理することでパフォーマンスを向上させます。パイプラインが失敗した場合、Gemini Cloud Assist はコンソールと統合され、自然言語を使用して問題を診断します。バッチジョブ送信における不足しているパラメータを特定できます。Gemini は、スキーマまたはデータ型の不一致によるエラーを引き起こすコードを特定することで、データ異常の解決にも役立ちます。その後、エンジニアは Gemini にプロンプトを送信して、修正され、回復力のあるコードを生成し、トラブルシューティングを合理化できます。

Serverless Apache Spark on Google Cloud: Architecture Choices & AI Troubleshooting cloud.google.com

RSS Hunter • 8月19日

BoxがGemini Embeddings 2でマルチモーダルエンタープライズエージェントをどのようにアンロックしているか

エンタープライズコンテンツ管理は、従来のテキストベースのAIを超えた、重要なアーキテクチャ変革を遂げています。企業は、財務モデルや法的文書など、膨大な量の機密データをBoxに保存しています。テキストベースの検索とRAGは効果的でしたが、新しいエージェント時代にはマルチモーダル機能が必要とされています。この進化により、システムはテキストだけでなく、空間的および構造的なデータも処理・理解できるようになります。Google CloudとBoxは、Gemini Multimodal Embeddings 2を搭載したBoxのAgentic Platformに高度なマルチモーダル機能を統合しています。この統合により、Google CloudのAI埋め込み機能がBoxのプラットフォームを強化します。改善された埋め込みは、財務テーブルのような複雑な文書を理解するために重要な、視覚的および空間的な幾何学的形状を保持します。これにより、チャートやフローチャートのような視覚要素が、テキストと共に検索可能になります。この技術は、PDF、スプレッドシート、プレゼンテーションなどのハイブリッドファイル形式も接続し、理解を統一します。Gemini Multimodal Embeddings 2は、テキスト、画像、ドキュメントページの統一されたベクトル空間を作成します。これにより、手動でのタグ付けなしに、クロスモーダル検索（テキストからビジュアル、ビジュアルからテキスト）が可能になります。このシステムは、レイアウトを認識したドキュメント埋め込みもサポートし、視覚的な階層を保持し、異種フォーマットをシームレスにブリッジします。このBox内での統合から、マルチモーダルエンタープライズエージェントの3つのコアパターンが生まれます。最初のパターンは、テーブルとチャートの構造的な整合性を捉えることで、複雑な財務および分析レポートに対応します。これにより、エージェントは視覚的なトレンド分析やコンテキストに基づいたソース特定を実行できます。2番目のパターンは、物理的な写真や病理スライドなどのさまざまなデータ形式を統合する、マルチモーダル臨床意思決定支援に焦点を当てています。これにより、クロスモーダル臨床合成、詳細な異常特定、リスクを考慮した意思決定支援が可能になります。3番目のパターンは、断片化されたエンタープライズ情報のためのクロスドキュメントマルチモーダル合成とデータ照合に取り組みます。これにより、クロスファイル合成、競合解決、および異なるドキュメント間でのビジュアルからテキストへの監査が可能になります。エージェント型エンタープライズコンテンツ管理の未来は、基本的な検索を超えたインテリジェントなコラボレーションのために、この統合に依存しています。Boxのプラットフォームは、AIエージェントのために、コンプライアンスとセキュリティを確保する、管理されたセマンティックにインデックス化された推論レイヤーを提供します。Boxは、洞察を積極的に提示し、矛盾をフラグ付けすることで、ビジネスリスクの軽減を支援します。このマルチモーダルな理解は、金融サービスやライフサイエンスなどの業界にとって不可欠です。Boxは、AI主導のワークフローが承認済みで監査可能なデータを使用することを保証する、管理されたコンテンツ基盤として機能します。本質的にマルチモーダルなエンタープライズデータランドスケープを理解する能力は、生産性とイノベーションの新時代を告げるものです。

How Box is unlocking multimodal enterprise agents with Gemini Embeddings 2 cloud.google.com

RSS Hunter • 8月18日

Google Dataflow でコスト効率が高く、スループットの高い gen AI ワークフローを構築する

現代の企業は、継続的なデータ処理のためにリアルタイムストリーミングパイプラインに依存しています。従来、これらのパイプラインは静的なロジックを持っていましたが、生成AIエージェントは適応的な実行を可能にします。これにより、ワークフローはデータの内容に基づいて動的に計画を構築し、アクションを実行できます。例えば、怒っている顧客からのメッセージは、注文の検索、是正措置、顧客への通知をトリガーする可能性があります。しかし、生成AIワークフローを大規模に実行するには、高いレイテンシやコストといった課題があります。提案されているソリューションは、Google DataflowとAgent Development Kit (ADK)を組み合わせてハイブリッドパイプラインを作成し、大量のストリームを効率的に処理します。軽量なアップストリームモデルがイベントをフィルタリングし、複雑なケースのみを下流の生成AIエージェントにルーティングします。このプリフィルターとエージェントアクションのパターンは、ほとんどが定型的なイベントを含むストリームに普遍的に適用可能です。例としては、IT運用のログトリアージ、金融詐欺検出、産業用IoT監視などが挙げられます。このアーキテクチャは、ローカルCPUモデルのコストと速度を、生成AIエージェントの高度な機能と組み合わせて活用します。初期フィルタリングにCPUバウンドモデルを採用することで、イベントのごく一部のみが、ヘビー級の生成AIモデルを使用するコストを発生させます。このハイブリッドアプローチは、コストを大幅に削減し、高いストリーミングスループットを維持します。Apache BeamおよびADKとの統合により、保守可能でクリーンなコードが保証されます。

Building cost-effective, high-throughput gen AI workflows in Google Dataflow cloud.google.com

RSS Hunter • 8月18日

乱気流のない、自動操縦によるガバナンス

ガバナンスの負債は、データ資産が変換および共有される際に、列の意味やPIIステータスなどのデータコンテキストが失われる場合に発生します。従来のガバナンスツールは受動的であり、説明やドキュメントの更新に遅延が生じることがよくあります。ガバナンスエージェントプロジェクトは、既存のメタデータを下流に積極的に伝播させることで、このパラダイムシフトを目指しています。列レベルのリネージを活用してデータの起源を追跡し、説明、ビジネス用語集の用語、ポリシータグ、信頼スコアを転送します。この自動化により、手動ドキュメントの負担が軽減され、データスチュワードはより価値の高い判断に集中できるようになります。エージェントは、直接のリネージが利用できない場合に、外部ドキュメントからコンテキストを取り込むこともできます。強力な証拠がある場合にのみメタデータを適用する、保守的なアプローチを使用します。リネージに加えて、リネージデータが不完全な場合に、AI駆動のスキャンを使用して関係と意味を推測します。このプロジェクトは、アドホックレビュー用のユーザーフレンドリーなダッシュボードと、自動化されたパイプライン統合用のCLIの両方を提供します。強力ではありますが、システムは重要な決定と最終承認のために人間の監視を必要とします。目標は、反復的なタスクから価値のある意思決定に労力を振り向けることで、データの検出可能性を向上させ、AIソリューションの開発を加速することです。

Governance on autopilot, minus the turbulence cloud.google.com

RSS Hunter • 8月18日