「操作を頼む」から「成果を委ねる」へ
生成AIの業務利用は、人が一件ずつ下書きや調べものを頼む段階から、AIが社内の業務システムに接続し、手順を自ら組み立てて仕事を仕上げる段階へ移ろうとしています。その方向を大手クラウド事業者が製品として明確に打ち出しました。
Google Cloudは2026年10月8日、年次イベント「Gemini at Work 2026」で業務用の汎用エージェント「Gemini agent」を発表しました。トーマス・クリアンCEOの基調講演を基にした同社ブログによれば、Geminiは仕事を計画し、スキルやツールを使い、顧客の業務システムに接続して、完成した成果物を文書やメール、開発環境の中に返します。同社は「指示ではなく目標を与える」と表現し、チームの一員として働く「同僚エージェント」には専用のメールアドレスや保存領域を持たせられるとしています。あわせて、エージェントごとの識別情報と権限、操作の監査記録、通信を検査する関門による方針の適用、プロジェクト単位の支出上限といった管理機能も示しました。
https://cloud.google.com/blog/products/ai-machine-learning/welcome-to-gemini-at-work-2026
発表は機能と設計思想の説明が中心です。各機能を日本の顧客がいつ、どの契約条件で使えるかは、導入検討の時点で確認が必要です。業界特化版も、金融と法務がプレビュー段階とされています。
紹介された顧客成果をどう読むか
講演では多くの顧客事例が紹介されました。日本企業では、SOMPOが従業員3万4,000人の中で1万を超える独自エージェントを作り、文書検索や要約に使っているとされます。ブラジルの金融グループBradescoは、財務・会計・契約の分析で文書レビューを1時間から5分に短縮したと紹介されています。
ただし、これらはGoogleが自社の発表で示した数字で、比較の基準や測定の方法は公表されていません。また、多くは従来から提供されている「Gemini Enterprise」の利用事例で、今回のエージェントそのものの本番成果ではありません。新機能の試験利用が明記されているのは、モデルの自動選択を試したスポーツ用品のOnなど一部です。発表された機能、試験利用、本番での成果を分けて読むことが、ベンダーの説明を投資判断に使う際の出発点になります。
データ接続――「粗利」の定義を先に渡す
エージェントを業務システムにつなぐとき、技術的な接続より先に問われるのが社内の数字の定義です。Googleは、「純利益率」のような業務用語の定義を「Knowledge Catalog」に一度登録して全エージェントに使わせると正確性が大きく上がると説明し、Bloomberg Mediaがこの仕組みでSQL（データベースへの問い合わせ文）の正確さを初期開発段階で63％高めた例を挙げています。
中小企業では、この定義が部門ごとに異なることが珍しくありません。製造業なら、営業部門は売価から材料費と外注費を引いた額を粗利と呼び、経理部門は労務費や製造経費を含む売上原価を引いた売上総利益を見ます。標準原価で管理する工場では、原価差異をどう配賦するかで製品別の利益も動きます。AIに「粗利の低い製品は」と尋ねれば、AIはいずれかの定義を選んで答えますが、その数字が経営会議の資料に入れば、値上げや受注の判断を誤らせかねません。接続の前に、主要な指標の定義、正とするデータの所在、締め後に数字を修正できる人を文書にしておくことが、AIの回答を検証できる前提になります。
実行権限――AIに「社員番号」を与える意味
統制の観点で最も重要なのは、エージェントが人とは別の識別情報を持ち、操作の記録が人ではなくエージェントに帰属すると明記された点です。Googleは、識別情報を従業員と同様に管理し、最小限の権限をセキュリティ管理者の承認のもとで与えると説明しています。
これは、AIを道具ではなく、権限表に載る担い手として扱うことを意味します。人であれば、入社時にIDを発行し、異動で権限を見直し、退職時に削除します。エージェントにも同じ管理が要ります。誰の依頼で作られ、成果に責任を負うのは誰で、いつ権限を見直すのか。記録がエージェント名で残るほど、背後の責任者を対応づけておかなければ、問題が起きたときに説明できる人がいなくなります。SOMPOのように1万を超えるエージェントが生まれる環境では、棚卸をしなければ、使われなくなったエージェントが権限だけを持ち続けます。部署ごとに数体を作れば、従業員数十人の会社でも同じことが起きます。
学校や病院では、論点がさらに重くなります。生徒の成績や家庭の事情、患者の情報は、閲覧できる職員自体が限られています。エージェントを全職員の共有アシスタントとして接続すれば、本来は担任や担当部署しか見られない情報が、別の職員の依頼を通じて引き出されるおそれがあります。Googleは「機密区分の文書は開かない」といった方針を全エージェントへ一律に適用できると説明していますが、それを生かすには、情報の区分と閲覧できる職種を組織の側で先に整理しておく必要があります。
検収と費用上限――「再開」は予算の承認である
最後に、成果物の受け入れと費用です。仮定を置きます。営業部門の週次の受注分析に担当者が毎週4時間を使い、時給3,000円とすると、月約5万2,000円です（月4.33週で計算）。エージェントの利用料を月1万円、担当者の検収を毎週1時間と仮定すると、月約2万3,000円になり、差額は月約2万9,000円です。また、この差額は、浮いた月約13時間を他の業務に振り向けて初めて実際の効果になります。ただしこの試算は、検収で誤りを見つけられることが前提です。会計システムの月次の数字と一致するか、例外値を説明できるかといった検収の基準を先に決めておく必要があります。
Googleは、作成して保存した定型レポートは、その後トークン費用をかけずに繰り返し実行できると説明しています。探索的な分析には費用がかかっても、検収を終えた集計を定型化すれば、費用が下がり、毎回同じ答えが返ります。予算を探索用と定型業務用のプロジェクトに分ければ、予実差異の原因も読みやすくなります。
支出上限にも統制上の意味があります。Googleによれば、上限に達するとそのプロジェクトのエージェントは一時停止し、管理画面からワンクリックで再開できます。この再開は実質的に予算超過の承認です。作業を急ぐ利用者自身が再開できる設定では、上限は形だけになります。再開の権限は予算の責任者に置き、停止時点までの成果と残作業を確認してから判断する運用が求められます。費用はプロジェクト単位で追跡されるため、AI費用を部門に配賦できるとも説明されています。部門別損益に載せれば、利用した部門が効果と費用を自ら説明する仕組みになります。
10月9日にAnthropicが公表した報告も、止まり方の設計に関係します。同社は、評価試験や社内利用で課題が曖昧または完了不能なとき、モデルが止まらずに制限を回り込んだ事例を挙げ、評価課題で対象、許される操作、接続範囲を明確にしていれば避けられたものもありうると述べています。
https://www.anthropic.com/news/investigating-unintended-model-actions
目標を委ねるほど、委任の範囲を言葉にする責任は利用する側に残ります。接続するデータの定義、エージェントの権限と責任者、検収の基準、停止と再開の権限。これらを導入前に決めておけば、ベンダーが示した成果を自社の数字で確かめながら、任せる範囲を段階的に広げられます。