詳細を読む
Google Cloudは2026年10月13日、企業が自律型AIエージェントを本番運用するには、分散データへの到達性、文脈と信頼、機械規模の処理、エージェント向け接続という4要件を備えたデータ基盤が必要だと提言しました。人間向けの保管・検索中心の仕組みから、業務上の意味と最新情報を実行時に渡す「知識エンジン」へ転換し、判断の信頼性と費用対効果を両立させる考えです。
第1の要件は、複数クラウド、旧来型データベース、社内設備、SaaSに散らばる構造化・非構造化データへの到達性です。同社はデータを一か所へ強制的に集めず、重複コピーや複雑な移動を減らす境界のないレイクハウスを提案しています。
第2は、データの実体、関係、社内定義を機械が読める形で与える文脈と信頼です。出所の追跡、鮮度の確認、定めた計算を使ったかの実行時証明を組み合わせ、エージェントの判断を企業の運用実態に結びつけます。単なるアクセス制御を超えた統一的な信頼の仕組みが必要だとしています。
第3は、大量データを大規模言語モデルへ直接送ってトークン費用と遅延を増やさず、データ処理層で効率よく実行する設計です。第4は、MCPやADKを通じて文脈と処理機能をエージェントへ公開する接続機能です。エージェントの行動履歴も蓄積し、性能改善へ戻します。
知識エンジンは、データの所在を示す従来のカタログとは異なり、業務用語の定義や関係を実行時に生成・補足します。例えば「計上済み売上」と「予測売上」を社内定義に基づいて区別し、グラフで関係をたどることで複数段階の質問へ答えます。目的は検索だけでなく、統制された共通の事実に基づく推論です。
データベースへ直接つないだ試作は短期間で作れても、企業全体の信頼性、処理性能、費用を保証しません。Google CloudはYahooの広告基盤を例に、リアルタイムの運用グラフと過去データの分析を同じ構成で組み合わせる実装を紹介しました。本番導入では接続の有無より、分散環境を横断して最新の文脈を持続的に供給できるかが分岐点だとしています。