【セッションレポート】What's new with Gemini Enterprise appまとめ #GoogleCloudNext

2026.04.24
お疲れさまです。とーちです。
Google Cloud Next のスポットライトセッション「What's new with Gemini Enterprise app」に参加してきましたので、その内容をレポートしていきます。Gemini Enterprise Agent Platform の発表や no-code agent designer・Inbox などの新機能紹介、エンタープライズ事例まで含んだ、盛りだくさんな45分間でした。
 セッション概要 タイトルWhat's new with Gemini Enterprise app
 概要Join us for a comprehensive overview of the latest innovations in Gemini Enterprise app, your front door for AI in the workplace. We'll unveil a host of new capabilities designed to revolutionize your workplace and accelerate business outcomes. Discover the latest platform advancements in agentic AI, new assistance features, an expanded partner ecosystem, and enhanced security and governance. You'll also get an exclusive sneak peek into the upcoming 2026 product roadmap.
※日本語訳:
職場におけるAIの正面玄関となるGemini Enterpriseアプリの最新イノベーションを包括的に紹介するセッション。ワークプレイスを革新しビジネス成果を加速させる数々の新機能を発表する。エージェント型AIプラットフォームの最新の進化、新しい支援機能、拡大したパートナーエコシステム、強化されたセキュリティとガバナンスを体験できる。2026年のプロダクトロードマップの先行公開もある。
 スピーカーJamie de Guerre 氏 (Google Cloud, Senior Director, Outbound Product Management)
Dev Tagare 氏 (Google Cloud, Senior Director, Engineering)
Aaron Purcell 氏 (KPMG, Managing Director, Internal Innovation)
Lisa Knab 氏 (Signal Iduna, Head of Agentic Use Case Management)
 Gemini Enterprise の現在地と Agent Platform の発表冒頭ではJamie氏から、Gemini Enterpriseが昨年秋のローンチ以降、業界を問わず採用が進んでいるという話がありました。Gemini Enterpriseは「職場におけるAIの正面玄関 (front door to AI in the workplace)」と位置づけられており、全従業員が自社データに接続されたAIとエージェントを活用できる基盤になることを目指しているとのこと。特に事例として挙がっていたのがAnaplanとMacquarie Bankでした。
Anaplan: 全社展開で従業員の80%が利用、何千ものno-codeエージェントが構築されている
Macquarie Bank (オーストラリア): 「銀行全体を AI で運用する未来」を描いて変革中。ヘルプセンターのセルフサービス率が40%増、不正検知やパーソナライズ推奨にもエージェントを活用
そして今回の中核となる発表が Gemini Enterprise Agent Platform です。位置づけとしては、Vertex AI が提供するGoogleのモデル・Anthropic Claude・OSSモデルなどを使えるベースの上に、以下のような新機能を統合したエージェント運用基盤になります。
Agent Gateway (APIゲートウェイ)
Agent Identity Service (GA)
Agent Registry
Tools / Skills Registry
Gemini Enterprise アプリは、この Agent Platform の上に乗るアプリ層として、50以上のファーストパーティ連携コネクタ、任意のHTTPサーバーを繋げるコネクタ、従業員ごとに検索結果の並び順を最適化する仕組み (personalized ranking)、Web / モバイル / Slack / Workspace などのフロントエンドサービスを提供する、という整理でした。Agent Platform (土台) とGemini Enterprise App (アプリ) という2層構造として分かりやすく整理されていて, この関係性は今後 Gemini Enterprise を理解する上で重要になりそうだなと感じました。
 アプリ層の新機能 no-code agent designer と long-running agent の組み合わせJamie氏は、顧客が求めているのは「一見矛盾するが、どちらも欠かせない2つのもの」で、互いに補い合う関係にあると仰っていました。
1つ目: エージェント的な推論 (agentic reasoning)。サンドボックス環境でコードを書き、自前のツールをその場で作り、システムに接続し、自己評価しながら反復して品質を高める long-running agent
2つ目: そのエージェントの出力を、従業員・チーム・シナリオごとに異なる運用ポリシーという「ガードレール」の中で決定的 (deterministic) に動作させたいというニーズ
long-running agent 側の特徴として、Jamie氏は以下のような点を強調していました。
長期稼働型のファイルシステムを持ち、日をまたぐ処理やセッションをまたいだ共有コンテキストで永続稼働も可能
ブラウザなどの computer use をサンドボックスの中で安全に使える
各従業員のPC上ではなく、クラウド上のセキュアサンドボックスで動作する。コード生成やツール作成を個々のマシン上でやらせるのに比べ、セキュリティ統制がずっとやりやすいという整理
そしてこの long-running agent を、no-code agent designer で作ったガードレール (運用ポリシー) と組み合わせて使えるようにしたのが今回のポイントです。no-code 側では従業員・チーム・シナリオごとに異なるポリシーを定義でき、エージェントの出力を決定的 (deterministic) な形に揃えられる、という整理でした。
 Inbox: 従業員ごとのエージェント管理画面
Inboxは、バックグラウンドで動いているエージェント群の状態を一元管理できる画面です。これに伴ってAIとの関わり方自体が、以下のようにシフトすると説明されていました。
Before: 従業員がAIやエージェントと同期的にチャットしてタスクを完遂する
After: バックグラウンドで複数エージェントが動き、入力や結果のレビューが必要なときだけ従業員に通知が飛んでくる
通知先もモバイル・Slack・メールなど従業員ごとに設定でき、Web・モバイル・Slack・Workspaceといった複数の窓口からエージェントとやりとりできるようになっているとのことでした。
このInboxで管理することになるエージェントですが、Gemini Enterpriseを実際に触ってみると、デフォルトでDeep ResearchやIdea Generationといった用途別のエージェントが並んでおり、そこに自社で作ったエージェントを追加していく構成になっていました。どのくらいの粒度でエージェントを分けるのが良いのかと考えたとき、私は普段Claudeを触っているので、Claudeで用意されている公式のskill-creatorというスキルがイメージとして参考になりそうだなと思いました。skill-creatorはそれ自体がオーケストレーターのように振る舞い、必要に応じて複数の機能をサブエージェントとして呼び出す構成になっているので、こういう粒度感でエージェントを切っていけば、扱いやすい形に収まりそうだなと感じました。
 Skills, Canvas, Projectsアプリ層の新機能として他にも以下が追加されています。
Skills: 従業員が繰り返し使う手順を独自のスキルとして定義し、エージェントから利用できる
Canvas: プレゼン資料や文書を作成し、Workspace (Docs / Slides) や Microsoft 365 (Word / PowerPoint) から開ける形で共有できる
Projects: 固定のコンテキスト・データと長期間保持される会話履歴を共有する作業空間。人間の同僚だけでなくデジタルエージェント (同僚) とも同じ空間で共同作業できる
この中でも個人的に特に気になったのがCanvasです。プレゼン資料の作成がエージェントと連携してできるようになるなら、普段スライド作りに時間を取られがちな私としてはかなり楽ができそうで期待大ですね。
また、Projectsの考え方も面白いなと思いました。エージェントが参照できる範囲をプロジェクト単位で明確に指定できるというのは、シンプルでわかりやすくて良さそうだなと感じました。
 デモ: 銀行のローン処理自動化デモでは「ローン処理は銀行で最もコストが高い部分のひとつで、数千〜数万人のローンオフィサーがいて、1件処理するのに何週間もかかることもある」という前提から始まり、それをGemini Enterpriseでどう自動化するかを順を追って見せてくれました。
デモの流れはざっくり以下の通りです。
long-running agent (loan supervisor) をフルコードで作成済み
従業員が Gemini Enterprise に「未処理の住宅ローン申請を最新10件見せて」と依頼すると、Gemini Enterprise がアクセス可能なエージェントの中から自動的に loan supervisor を選ぶ
1件目のローン処理を依頼すると、裏で document retriever, audit, credit check, risk assessment, compliance などのサブエージェントが連携して処理 (数時間〜1日単位の long-running task)
管理者は Google Cloud コンソールの Agent Runtime 画面でセッションや各エージェントの動きを詳細にトレースできる
処理結果が human review flag 付きで返ってくる
このlong-running agentを、no-code agent designerで以下のような運用フローに組み込むのが後半のポイントでした。
毎日スケジュール実行で起動
最新のローン申請を取得し、loan supervisorエージェントに処理を委譲
条件分岐で「human review flagが立った場合」はローンオフィサーに Gemini Enterprise 経由で通知、承認/却下を受け付ける
承認/却下の結果は品質シグナルとしてITチームに戻り、将来的にはエージェントの自己改善に活用される
最終的に ServiceNow にインシデントを作成し、メール通知
さらにこの結果をloan supervisorエージェントに要約させ、Gemini Enterprise上でHTMLレポートを生成したり、Canvasでスライドを作ったり、Slackから @loan supervisor のようにエージェントをメンションして結果を報告させたり、という流れまで一気通貫で見せてくれました。
個人的には、自動でレポートを生成したり、ServiceNowへインシデントを自動で起票したりするあたりが実業務の中でしっかり機能するなら、かなり使い勝手が良さそうだなと思いました。こうした自動化の需要はいろいろな企業でありそうです。
 Gemini Enterprise Agent Platform のアーキテクチャ (Dev 氏パート)エンジニアリングリードのDev Tagare氏のパートでは、Gemini Enterpriseの裏側で何が起きているのかを解説してくれました。
 現在のアーキテクチャ: Flattened Planner + SkillsDev氏の説明によると、直近の1週間で新しいアーキテクチャに切り替えたとのことでした。
以前: 1 つのエージェント (LLM) がユーザーのクエリを丸ごと処理する構成
現在 (Flattened Planner + Skills): プランナーがクエリを受け取ると小さなサブクエリに分割し、それぞれをツール呼び出しとして実行する。周辺のモデル・API・他エージェントも、すべて「使えるツール」として扱われる
また「Yoda」と呼ばれる中央集権的なskills管理の仕組みを導入したことで、各エージェントが自分の能力を把握できるようになり、エラーやハルシネーションを防ぎやすくなったとのこと。このアーキテクチャ変更により P95 レイテンシが約 40% 低下 しているという数字も示されました。
 今後の機能追加: Agent Mode今後追加予定のAgent Modeでは、以下のような機能が入ってくるとのことでした。
CLI、dynamic skills などを持つ long-running agent をサポート (分 / 時間単位から数週間単位までの長期稼働が可能)
universal context (長期記憶)
checkpointed state (セッションをまたいだ状態復元)
heartbeat、event / timeベースのトリガー
現在は API レベルで個別に作り込む必要があるこれらの機能を, Q2 中には Gemini Enterprise API から標準機能として (追加設定なしで) 利用可能にする
checkpointed stateについては、long-running agent が 2〜4週間スパンで複数セッション・複数ターンをまたいで稼働するようなケースで、セッションやターンの区切りをまたいでも状態とコンテキストを保持したまま処理を継続できる機能と説明されていました。
 ガバナンスの5本柱Dev氏は、エンタープライズでエージェントをスケールさせるためにガバナンスで重視すべき領域として以下の5つを挙げていました。
Observability: 個々のエージェントやエージェント群が何をしているか、どんなアクションを取っているか、データがどう処理されているかを Google Cloud の単一コンソールでトレース可能 (詳細なログ・トレース・メトリクスを提供)
Agent Registry: 組織内に増殖するエージェントを単一のペインで管理。管理者は全社のエージェントを発見・管理・呼び出しでき、従業員は自分に公開されているエージェントを確認してポリシーに沿って共有も可能
Tool Registry: BYOMCP (Bring Your Own MCP) として自社のMCPサーバーを持ち込み、ローカル/リモートエージェント経由で Designer に繋げて即座に Gemini Enterprise アプリで利用可能。今日時点でサポート済み
Agent Identity: 人間と同じようにエージェントにも明確な ID と RBAC を付与
Security: Model Armor (GA) や Sensitive Data Protection (SDP) に加え、ポリシー適用のシングルポイントとなる Agent Gateway (API Gateway) を提供。エージェントが暴走しても組織外へのデータ流出を防ぐ
 Agent identity は SPIFFE ベースDev氏が特に強調していたのがagent identityです。Gemini Enterpriseのidentity frameworkは SPIFFE という標準をベースにしており、これは競合に対する大きな差別化ポイントだとのこと。
「Dev本人の行動」と「Devのエージェントが Dev の代わりに行った行動」を明確に区別できる
エージェントが自分の代理としてアクセスする権限は一時的なもので、セッションが終わると消える
これは、エージェントが「誰の代わりに」「どこまでの権限で」動いているかを厳密に追えるということで、監査や責任追跡の観点でとても重要な考え方だなと感じました。
 Model Armor と SDP によるセキュリティセキュリティ面では以下2つが統合されています。
Model Armor (GA): プロンプトインジェクション / jailbreak / 悪意あるコンテンツ / 不正なURLなどから保護。ゲートウェイに直接プラグインされ、全てのingress / egressトラフィックを監視
SDP (Sensitive Data Protection): PII検出とマスキングをワークフローに組み込み、データが境界を超える前にマスキングできる
 Agent Gateway が全てのポリシー適用点
Agent Gateway は現在 preview で提供中。クライアント (Gemini Enterpriseアプリなど) とバックエンド (モデル、API、ツール、BYOMCPなど) の間に位置し、エージェントと外部システムのやりとりすべてに対して、アクセス認可やセキュリティポリシーを一貫して適用する単一の適用点になります。
アクセス認可・セキュリティポリシー (Model Armor によるプロンプトインジェクション防御や SDP による PII マスキングなど) を ingress / egress 両方、リクエスト単位で評価・適用
エージェント間通信、ツール利用、Google Cloud 外の API 呼び出しにも一貫して適用されるため、暴走したエージェントが組織外へデータを持ち出すリスクを防止できる
ゲートウェイレベルでログ / トレース / メトリクスをキャプチャし、全体を単一ビューで確認可能
このような「エージェントと外部システムのやりとりをゲートウェイで押さえる」という考え方は、AWS の Bedrock AgentCore にも Gateway という似た機能が用意されていて、エージェント基盤を提供する各社で共通した方向性になってきているんだなと感じました。
 エージェント開発ライフサイクルのデモDev氏のデモでは、エージェント開発をBuild / Scale / Govern / Optimizeの4フェーズに分けて、それぞれで何ができるかを紹介してくれました。
Build: Designerからスタート。イベント管理、旅行エージェント、会議、履歴書処理、チャットボットなど、事前にキュレーションされたテンプレート / レシピから始められる
Scale: 本番稼働中のエージェント一覧を確認。作成日時、デプロイ先、プロトコル、関連付けられた外部OAuthアプリ、使っているスキル (Confluence / travel / weatherなど) を1画面で把握できる
Govern: APIレイテンシ、エージェントトラフィックなどの可観測性メトリクスを1タブで表示。
Optimize: セッション管理タブからエージェントとのやりとりの履歴を追える。メモリはシステムプロンプトに加える「カスタムレシピ」として機能し、「Devはマイレージプログラムで○○航空を好む」といった嗜好を記憶させられる
 Signal Iduna の事例 (Lisa Knab 氏)Signal Idunaはドイツの大手保険会社 (11,000人規模) で、Lisa氏は 「大きくて古い保険会社の現実」 としてGemini Enterprise導入の話をしてくれました。ちょうど1年前にGemini Enterpriseを試すと決め、半年後の2025年10月に 11,000人の全従業員に対してgo-live したとのこと。
全員に一斉展開した理由は、"first use, then case, and then value" という戦略です。
まずは全員がAIを使う
日常業務にAIを統合する方法を学ぶ
そこから個人の生産性向上が, 自然とユースケースやエージェント、最終的には価値 (value) に繋がっていく
ローンチ時にはキリン (giraffe) のキャラクターを使った過去最大規模のマーケティングキャンペーンと組織変革活動を行ったとのこと。組織変革活動がどういったものだったのか気になりますね。
 Signal Iduna の導入実績Signal Iduna における Gemini Enterprise の利用状況は以下のとおりです。
月間アクティブユーザー: 80%
全従業員が使える「ハイパーエージェント」: 12個
AIアンバサダー: 100名以上 (AI推進の中核人材)
 カスタムヘルスケアエージェントSignal Idunaで特に成果が出ている事例が、自社構築した ヘルスケアエージェント です。
顧客からのヘルスケア関連の問い合わせ対応を支援
Gemini Enterpriseに組み込まれたカスタムエージェント
社内の非常に大きくて古いヘルスケア関連データベースを信頼できる情報源として使い、販売時点から保険金請求管理まであらゆる問い合わせに回答できる
導入後の成果は以下のとおりで、かなりインパクトがある数字でした。
ローンチから3ヶ月で 利用量が 400% 増
顧客への回答時間が 27% 短縮
社内エスカレーション率が 3% まで低下 (従業員が他の人に確認せずエージェントに聞いて回答できるようになった)
Lisa氏からの「もし1つだけ持ち帰るとしたら、できる限り多くの人をAIのジャーニーに巻き込んでほしい。そうすれば use → case → value の流れが生まれる」というメッセージは、とても実感のこもった言葉だなと感じました。
 まとめ今回のセッションで発表された主な内容を整理すると以下のとおりです。
Gemini Enterprise Agent Platform の発表: Vertex AIをベースに、Agent Gateway、Agent Identity Service (GA)、Agent Registry、Tools / Skills Registryなどを統合
no-code agent designer + long-running agent による「自由と統制の両立」
Inbox による「バックグラウンドで動くエージェント群との新しい働き方」
Skills / Canvas / Projects のアプリ層アップデート
Flattened Planner + Skills アーキテクチャ への刷新でP95レイテンシ40%低下、今後は Agent Mode で数週間単位のlong-runningに対応
5つの柱による エンタープライズグレードのガバナンス (observability / registry / BYOMCP / identity / gateway)、SPIFFEベースのagent identity、Model Armor (GA) とSDPによるセキュリティ
Signal Iduna の導入事例: 全従業員11,000人へ一斉展開、月間アクティブユーザー80%、カスタムヘルスケアエージェントで利用量400%増・回答時間27%短縮
Agent Marketplaceのパートナーエコシステム拡大
 所感Signal Idunaの事例は「大きくて古い保険会社」が11,000人規模で全社展開まで持っていった話で、かなり印象に残りました。個人的には、どうやって組織内にGemini Enterpriseを浸透させたのかが一番気になるところで、そのあたりを深掘りしたセッションがあればぜひ聞いてみたいなと思いました。
また、no-code agent designer で long-running agent にガードレールを引けるというのは良いなと思いました。実際にどんなガードレールが引けるのか、触って試してみたいですね。
以上、とーちでした。