I/O 2026が打ち出した「エージェント型Gemini」の核心と背景

Google I/O 2026の基調講演は、Geminiを「質問に答える存在」から「ユーザーに代わって作業を進める存在」へと位置づけ直す内容でした。CEOのSundar Pichai氏は、この方向性を「agentic Gemini era（エージェント型Geminiの時代）」と表現しています。本章では、なぜGoogleがこの転換を打ち出したのか、その背景と核心を整理しましょう。発表全体の通底テーマを理解しておくと、後続の各機能が「何のための機能なのか」を読み解きやすくなります。

まとめ：I/O 2026の要点

• Googleは「エージェント型Gemini」を打ち出し、AIが指示を待つだけでなく自律的にタスクを実行する方向へ舵を切った。
• 中核は高速モデルのGemini 3.5 Flash。動画・世界理解に広がるGemini Omni、日常タスクを代行する常駐エージェントGemini Sparkも発表された。
• 開発領域では自律型のAntigravity 2.0とCLIが中心。具体的な使い方・変更点は専用記事（Antigravity 2.0／CLI）で解説している。
• 検索・ショッピング・Workspaceにもエージェント機能が拡大。活用は目的と完了条件の明確化、要所での確認・承認フローが鍵になる。

エージェント型Geminiへの転換とその背景

アシスタントから自律エージェントへ転換した背景と3つの変化点

I/O 2026で繰り返し語られたのは、AIが「人を補助する道具」から「人に代わって複雑なタスクを進めるエージェント」へ移ったという認識です。Googleはこの変化を、Geminiを単なるチャットボットの延長ではなく、ワークフロー全体を横断して動くシステムとして再定義する形で示しました。背景にあるのは、モデルの推論能力が向上し、長い手順を伴う作業を一貫して進められるようになったという技術的な前提でしょう。

変化点は大きく三つに整理できます。第一に、応答中心の対話から、計画・実行・検証を自ら回す動作への移行が挙げられます。第二に、検索やWorkspace、ショッピングといったGoogle製品全体へエージェント機能が組み込まれた点が重要です。第三に、開発者がエージェントそのものを構築・統率できる基盤が用意されたことも見逃せません。これら三つが重なることで、Geminiは「使う対象」から「任せる相手」へと性格を変えつつあると言えます。

Pichaiが語った「agentic Gemini era」の定義と射程

Pichai氏は基調講演で、AIが質問に答えるだけでなく、ユーザーの指示のもとで実際にタスクを完了させる段階に入ったと述べ、これを「agentic Gemini era」と名付けました。ここで言う「エージェント」とは、目的を与えられたときに、必要な手順を自ら組み立てて実行へ移す主体を指します。従来の対話型アシスタントが「答えを返す」ところで止まっていたのに対し、エージェント型は「結果を出すまで動く」点に違いがあります。

この定義の射程は、開発支援やコーディングといった専門領域にとどまりません。検索での情報収集、買い物の自動化、メールや文書の処理など、日常の幅広い場面に及びます。Googleは10年前に掲げた「AIファースト」の方針を踏襲しつつ、いまは「人々が毎日使う製品で価値を示す段階」に重心を移したと位置づけました。つまり「agentic Gemini era」は、技術の誇示ではなく、実用の浸透を狙った言葉だと読み取れます。

前年比7倍へ伸びたトークン処理量と開発者850万人という現状

Googleは基調講演で、AIエコシステムの急速な拡大を示す複数の指標を共有しました。製品全体での月間トークン処理量は3.2京（quadrillion）を超え、前年比で約7倍に伸びたとされています。また、毎月850万人を超える開発者がGeminiモデルを使って開発を行っており、APIは1分あたり約190億トークンを処理していると説明されました。これらの数字は、エージェント型への転換が実験段階ではなく、すでに大規模な利用実態を伴っていることを裏づけるものです。

さらにPichai氏は、Googleが今年だけでAI関連に1,800億〜1,900億ドル規模の投資を計画していると語りました。会場はカリフォルニア州マウンテンビューに置かれ、2日間にわたって100か国・500を超える開催地へライブ配信されたと案内されています。こうした規模感は、Googleがエージェント型Geminiを一時的な打ち出しではなく、中長期の主軸として位置づけている姿勢を反映していると見てよいでしょう。

従来のチャットボット型と一線を画す「自律的に行動する能力」の有無

エージェント型Geminiを理解するうえで最も重要なのは、「自律的に行動する能力」の有無という観点です。従来のチャットボット型は、ユーザーの問いに対して文章で応答することが役割でした。これに対してエージェント型は、与えられた目的を達成するために、複数のステップを自ら計画し、ツールを操作し、結果を確認しながら作業を進めます。違いは「答えるか、動くか」に集約されると言えます。

この能力の差は、扱えるタスクの性質に直結します。単発の質問応答であれば従来型でも十分ですが、コードの修正、文書の作成、買い物の手続きといった「複数の操作が連なる作業」では、行動できるかどうかが成果を分けるのです。I/O 2026の発表は、Geminiがこの後者の領域へ踏み込んだことを示すものでした。応答を返すだけだった存在が、結果が出るまで手を動かす存在へと性格を変えた、という見方ができます。ただし自律性が高いほど、意図しない実行や確認漏れのリスクも増えるため、利用者側には任せる範囲を見極める姿勢が求められます。

日常の製品で「価値を示す段階」へ移行したGoogleの戦略的判断

Pichai氏は、AIの開発サイクルが「人々が日常的に使う製品で価値を実感したい段階」に入ったと述べました。これは、性能競争やデモンストレーションの段階から、実利用での体感価値へと評価軸が移ったという戦略的な判断を意味します。I/O 2026で検索・Workspace・ショッピングといった既存製品へ一斉にエージェント機能を組み込んだのは、この判断を具体化した動きと理解できます。

この方針には、競合との差別化という意図も読み取れます。モデル単体の性能だけでなく、Googleが持つ製品群へ深く統合することで、ユーザーが乗り換えにくい体験を作ろうとしているわけです。検索やWorkspaceに機能が組み込まれていれば、わざわざ別のサービスへ移る動機は薄れます。一方で、機能が日常へ深く入り込むほど、誤動作やプライバシーへの配慮といった課題も無視できません。Googleがこの段階で「価値を示す」という言葉を選んだ背景には、実用性と信頼性の両立を当面の重点に据える狙いがあると考えられます。

中核モデルGemini 3.5 Flashが備える「実行する知能」の特徴

エージェント型Geminiの中核に据えられたのが、新モデルGemini 3.5 Flashです。Googleはこれを「フロンティアレベルの知能と、行動する能力を兼ね備えた最新シリーズの第一弾」と説明しています。本章では、このモデルが「実行する知能」と呼ばれる理由を、設計思想・ベンチマーク・速度・コスト・提供状況の観点から具体的に見ていきます。

長時間のエージェント作業とコーディングに最適化された設計思想

Gemini 3.5 Flashは、短い応答を素早く返すことよりも、長い手順を伴うエージェント作業をやり切ることに重点を置いて設計されています。Googleは、開発者が数日かけていた作業や、監査担当者が数週間かけていた作業を、3.5 Flashが大幅に短い時間で支援できると説明しました。計画を立て、コードを書き、反復しながら問題を解決していく一連の流れを、モデル自身が回せる点が特徴です。

この設計思想は、対象とするタスクの幅にも表れています。新しいアプリケーションの開発、既存コードベースの保守、財務関連の書類作成など、複数の工程が連なる実務がユースケースとして挙げられました。さらに、Gemini 3の強力なマルチモーダル基盤を引き継ぎ、よりリッチで対話的なWeb UIやグラフィックスを生成できるとされています。つまり「速いFlash」でありながら「長く考えて動けるFlash」を狙ったのが、このモデルの方向性だと整理できます。

Gemini 3.1 Proを上回るTerminal-Bench 2.1の76.2%

Gemini 3.5 Flashの実行能力を示す代表的な指標が、ターミナル操作の自動化を評価するベンチマーク「Terminal-Bench 2.1」です。Googleの発表によれば、3.5 Flashはこのベンチマークで76.2%のスコアを記録し、上位に位置づけられていた従来モデルのGemini 3.1 Proを上回ったとされています。ターミナル操作は、複数のコマンドを正しい順序で実行し、結果を見ながら次の手を選ぶ必要があるため、エージェントとしての実力が表れやすい領域です。

このスコアが意味するのは、3.5 Flashが「速いだけのモデル」ではなく「難しい連続作業をこなせるモデル」であるという点です。Flashシリーズは本来、軽量で高速なモデルとして位置づけられてきました。そのシリーズが、コーディングやエージェントの難関ベンチマークでProクラスを上回ったことは、性能とコストの常識的なトレードオフを崩しにかかったと読み取れます。ただしベンチマークの数値は評価条件に左右されるため、自社の用途に近いタスクで確かめる姿勢は引き続き必要でしょう。

他社フロンティアモデル比で出力トークン毎秒4倍とされる処理速度

処理速度の面でも、Gemini 3.5 Flashは大きな優位性を打ち出しました。Pichai氏は、出力トークン毎秒で見たとき、他社のフロンティアモデルと比べて約4倍の速さだと説明しています。エージェント作業では、計画と実行を何度も往復するため、1回あたりの応答が速いほど全体の所要時間が短くなります。速度は単なる快適さの問題ではなく、長時間タスクの実用性そのものに直結する要素です。

速度が効いてくる場面は、たとえばコードの反復修正や、大量のドキュメントを順に処理する作業などです。応答が遅いモデルでは、自律的に動かしている間の待ち時間が積み上がり、結果として人が介在する時間も増えてしまいます。3.5 Flashが速度と知能を同時に高めたとされる点は、エージェント型の運用を現実的なものにするうえで重要な前提になります。なお4倍という数値は比較対象や測定条件によって変わり得るため、目安として捉えるのが妥当です。

比較対象の他社フロンティアモデル半額未満とされる利用コスト水準

Gemini 3.5 Flashのもう一つの訴求点が、利用コストの低さです。Pichai氏は、Flashが「フロンティアレベルの能力を、比較対象となる他社フロンティアモデルの半額未満で提供する」と述べました。エージェント型の運用では、計画・実行・検証の往復によって消費トークンが増えがちなため、単価が低いことは運用コスト全体に大きく影響します。能力が同等でも、コストが半分以下なら導入のハードルは大きく下がります。

この価格設定は、Googleが性能だけでなく「使い続けられる経済性」を競争軸に据えたことを示しています。長時間のエージェント作業を日常的に回す企業ほど、累積コストの差は無視できません。Googleは、3.5 Flashを使うことでAIインフラの費用を大きく削減できると主張しています。ただし実際のコストは利用パターンやトークン消費量に依存するため、導入前に自社の想定ワークロードで試算しておくことが望ましいでしょう。

GA済みの提供先とGemini 3.5 Pro公開時期という現在地

Gemini 3.5 Flashは、I/O 2026の発表日時点で一般提供（GA）が始まっています。提供先は複数の製品とプラットフォームに及び、すぐに実務へ組み込める状態とされています。一方で、上位モデルのGemini 3.5 Proは社内で利用が進んでおり、翌月の公開が予告されました。現在地を整理すると、軽量・高速なFlashが先行し、より大規模なProが続く構図です。

この表が示すとおり、いま着手できるのはFlashです。Proの公開を待つべきかどうかは、扱うタスクの規模や求める精度によって判断が分かれます。まずは提供済みのFlashで自社の用途を試し、Proが必要かを見極めるという進め方が現実的だと考えられます。

動画生成へ広がる新モデルGemini Omniと世界理解の到達点

I/O 2026では、Gemini 3.5と並ぶもう一つの新モデルとしてGemini Omniが発表されました。Googleはこれを「あらゆる入力から、あらゆるものを生成できるモデル」と表現し、世界理解・マルチモダリティ・編集の各面で一段進んだ存在だと位置づけています。本章では、Omniがどこまで到達し、Gemini 3.5とどう役割を分けるのかを具体的に整理します。

あらゆる入力から動画を生成する「世界モデル」としての位置づけ

Gemini Omniは、Geminiの推論能力とGoogleの生成系メディアモデルの強みを組み合わせた新シリーズです。Googleはこれを、入力の種類を問わずに出力を生成できる「世界モデル」と説明しています。まずは動画出力から提供を始める形で、現実世界の知識に基づいた映像を生み出せる点が中心的な特徴です。単に見栄えのよい動画を作るのではなく、世界の仕組みを理解したうえで一貫性のある映像を構築することが狙いとされています。

「世界モデル」という言葉には、対象を断片的に処理するのではなく、空間や物理、因果といった現実の構造を踏まえて生成するという含意があります。これは、エージェント型Geminiが目指す「行動する知能」とも地続きの発想です。行動するためには世界を理解する必要があり、世界を理解できれば、より自然な創作や編集が可能になります。Omniは、その理解と創造を一つのモデルに束ねようとする試みだと読み取れます。

画像・音声・動画・テキストの4種に対応する入力受付の対応範囲

Gemini Omniの初期提供版である「Gemini Omni Flash」は、入力として複数の形式を受け付けます。Googleは、画像・テキスト・動画・音声のいずれの参照（リファレンス）も、一つのまとまった出力へ統合できると説明しました。複数の形式を組み合わせて渡せることで、たとえば参考画像と指示テキスト、下敷きとなる映像をまとめて渡し、一本の動画に仕上げるといった使い方が想定されます。

• 画像：構図や被写体、スタイルの参照（リファレンス）として渡せます
• テキスト：生成内容の指示やストーリーの記述に使えます
• 動画：既存映像を参照素材や下敷きとして渡せます
• 音声：当初は音声（ボイス）リファレンスのみ対応し、その他の音声入力は順次拡大される予定とされています

このように入力の幅が広いため、単一形式しか扱えないツールに比べて、表現したい意図を細かく伝えやすくなります。出力は現時点では動画が中心ですが、入力側の柔軟性が高いことが、Omniを「世界モデル」と呼ぶ根拠の一つになっていると言えるでしょう。なお、音声入力については開始時点で対応範囲が限られる点には留意が必要です。

実世界の知識に基づく動画出力と編集のしやすさという2つの強み

Gemini Omniの強みは、大きく二つに整理できます。一つ目は、実世界の知識に基づいて動画を生成できる点です。Googleは、Omniが重力や運動エネルギー、流体の動きといった物理への直感的な理解を備え、より現実的な場面を作れると説明しました。これにより、物理的な動きや空間の整合性が破綻しにくく、見る側に不自然さを感じさせにくい映像が期待できます。生成系の動画では、フレーム間の一貫性が崩れる課題が知られてきましたが、Omniは世界理解を土台にすることでこの問題への対処を図っています。

二つ目の強みは、生成した動画を編集しやすいことです。一度作って終わりではなく、出力後に修正や調整を加えられる設計になっているとされます。これは実務の観点で大きな意味を持ちます。初回の生成が完璧でなくても、対話的に手直ししながら完成度を高められるからです。動画制作では一発で理想形に到達することは少なく、何度も直しながら近づけていくのが通常の進め方でしょう。世界理解による「破綻しにくさ」と、編集による「直しやすさ」が組み合わさることで、Omniは試作から仕上げまでを一貫して支える道具になり得ると考えられます。

Gemini 3.5との役割分担で見える生成と実行の使い分け

I/O 2026で同時に語られたGemini 3.5とGemini Omniは、役割が異なります。3.5 Flashは、計画・実行・検証を伴うエージェント作業やコーディングに最適化された「行動するモデル」です。一方のOmniは、入力を素材として映像などを生み出す「創造するモデル」と位置づけられています。前者が「動く」ことを担い、後者が「作る」ことを担う構図だと整理できます。

この役割分担は、利用者が用途に応じてモデルを選ぶ手がかりになります。コードの修正やタスクの自動化が目的であれば、行動に最適化された3.5系が向いています。動画やビジュアルの制作が目的であれば、創造に強いOmni系を選ぶとよいでしょう。両者は競合するのではなく、エージェント型Geminiという大きな枠組みの中で補完し合う関係にあります。「動く」モデルと「作る」モデルを一つのエコシステムで使い分けられること、これがI/O 2026で示された設計の大きな特徴の一つだと整理できます。

動画を起点に画像やテキストへ段階拡張する出力モダリティの予定

Gemini Omniは、現時点では動画出力から提供が始まっています。ただしGoogleは、これを出発点として、時間をかけて画像やテキストの出力にも対応を広げていく予定だと説明しました。つまりOmniは「動画専用モデル」ではなく、将来的に複数の出力形式へ展開していく前提で設計されているわけです。最も難しい動画から着手することで、後続の形式への土台を固める狙いがうかがえます。入力の柔軟性に加えて、出力の幅も段階的に増えていく見込みです。

この段階拡張の方針は、Omniを長期的な基盤として育てる意図を示しています。動画という難度の高い領域から着手し、得られた知見を画像やテキストへ波及させていくことで、入力も出力もマルチモーダルに扱える存在を目指している、と読み取れるわけです。一つの形式で完成させてから次へ進むのではなく、最も難しい動画を起点に据える点に、長期戦を見据えた設計思想が表れています。利用を検討する際は、いま使える機能だけでなく、今後どの形式が追加されるかという拡張の軌道も視野に入れておくとよいでしょう。

開発を自律化するAntigravity 2.0とCLIによる協働環境

エージェント型Geminiを「開発の現場」で具体化したのが、エージェントファーストの開発プラットフォームAntigravityです。I/O 2026では、これがAntigravity 2.0へと進化し、新たにコマンドラインで操作するAntigravity CLIも発表されました。本章では、二つの操作面の使い分けや、複数エージェントを束ねる仕組み、そして自律実行に伴う注意点を整理します。

Antigravity 2.0とCLIという2つの操作面の使い分け方

Antigravity 2.0では、開発者が使える操作面が二つ用意されました。一つはGUIを中心とするAntigravity 2.0本体、もう一つはコマンドラインで操作するAntigravity CLIです。Googleは、この二つを生産性を大きく高める二つのサーフェス（操作面）として紹介しています。視覚的に状況を把握しながら進めたい場面と、既存の開発フローへ組み込んで自動化したい場面とで、適した入り口が分かれます。

使い分けの目安は、作業を「見ながら進める」か「組み込んで回す」かにあります。試行錯誤の段階では本体のGUIが扱いやすく、定型化した処理を反復する段階ではCLIが効率的です。両者を併用することで、計画から自動実行までを一貫して扱える環境が整うと言えます。

複数のエージェントを束ねて統率するオーケストレーションの仕組み

Antigravity 2.0の核心は、単一のエージェントを動かすだけでなく、複数のエージェントを束ねて統率（オーケストレーション）できる点にあります。Googleは、Antigravity 2.0を、エージェントとのやり取りの中心となる独立したデスクトップアプリと位置づけました。たとえば、一方のエージェントがWebサイトのコードを書き、もう一方がブランド素材を生成するというように、複数の作業を並行して実行させられます。役割の異なる複数のエージェントに分担させ、全体として一つの目的を達成するという進め方が可能になります。

1. 達成したい目的とタスクの範囲を定義します
2. 役割ごとにエージェントを割り当て、担当を分けます
3. 各エージェントの実行を統率し、進行を調整します
4. 出力を統合し、結果を確認して仕上げます

このような分担と統率の仕組みは、人間のチーム開発に近い構図です。一人の万能なエージェントに全てを任せるよりも、得意分野を分けて協働させるほうが、複雑な作業を安定して進められます。オーケストレーションは、エージェント型開発を「個の能力」から「協働の設計」へと引き上げる中心的な概念だと位置づけられます。

GitHubとAntigravityで使えるScience Skillsの活用例

I/O 2026では、エージェントの能力を専門分野へ広げる取り組みとしてScience Skillsが紹介されました。これは科学分野の作業を支援するスキル群で、GitHub上およびAntigravityの中で直接利用できるとされています。あわせて、ユーザーがGoogle Labsで「Gemini for Science」の実験に関心を表明できる仕組みも案内されました。研究や分析の現場へエージェントを持ち込む入り口が用意された形です。

活用例として想定されるのは、構造バイオインフォマティクスやゲノム解析といった、これまで手作業で多くの時間を要していた専門ワークフローです。Googleは、Science SkillsがUniProtやAlphaFold Database、AlphaGenome APIなど30を超える主要なライフサイエンス系のデータベースやツールの知見を統合すると説明しました。Antigravityのようなエージェント基盤の上でこれらのスキルを使うことで、従来は数時間かかった作業を数分に短縮できるとされています。Science Skillsは、エージェント型Geminiが汎用的なコーディング支援にとどまらず、領域特化の研究作業へ踏み込み始めたことを象徴する機能と言えるでしょう。

「書く支援」から「自ら動いて作る」へ移った開発支援の役割変化

Googleは基調講演で、開発支援が「私たちが書くのを助けるツール」から「私たちが行動するのを助けるエージェント」へ移ったと表現しました。従来のコード補完や提案は、あくまで人間が手を動かす前提での支援でした。これに対してAntigravity 2.0は、エージェント自身が計画を立て、コードを書き、動かして確かめるところまで担います。支援の重心が「入力の補助」から「実行の代行」へ移ったわけです。

この役割変化は、開発者の関わり方を変えます。細かな実装をすべて自分で書くのではなく、目的と制約を伝え、エージェントの実行を監督・修正する立場へと近づきます。Googleはこれを「いまや誰もがビルダーになれる」と表現しました。一方で、生成された成果をそのまま信頼するのではなく、人間が要所で確認する責任は残ります。役割が変わっても、品質に対する最終的な判断は人間側に委ねられている点は押さえておく必要があります。

エージェントへ自律実行を任せる際に起きやすい失敗と確認の観点

自律実行を任せる範囲が広がるほど、見落としやすい失敗のパターンも生じます。代表的なのは、エージェントが目的を取り違えたまま作業を進めてしまうケースです。指示が曖昧だと、もっともらしいが意図と異なる成果が出来上がり、後から手戻りが発生します。とくに長時間の自律作業では、途中の判断が積み重なるため、初期の取り違えが大きなずれに育ちやすい点に注意が必要でしょう。最初の数手が正しくても、後半でずれていく可能性は残ります。

失敗を防ぐ確認の観点として、次の三つが挙げられます。第一に、任せる前に目的と完了条件を具体的に言語化しておくことです。第二に、自律実行の途中に区切りを設け、要所で人間が中間成果を確認することが有効でしょう。第三に、外部への操作や不可逆な変更を伴う作業では、実行前の承認を挟む運用が安全です。オーケストレーションで複数エージェントを動かす場合は、どのエージェントが何を実行したかを追える状態を保つことも、原因の特定を容易にします。

Antigravity 2.0の具体的な使い方・IDEとの違い・料金・移行のポイントはAntigravity 2.0で変わった点｜IDEとの違い・エディタ復旧・料金・CLI移行で、ターミナルから使うCLI（agy）の導入や実行モードはAntigravity CLI（agy）の使い方でそれぞれ詳しく解説しています。

常駐エージェントGemini Sparkが担う日常タスク代行の実像

開発者向けのAntigravityに対して、一般ユーザー向けにエージェント型を体現したのがGemini Sparkです。Googleはこれを「あなたの個人エージェント」と位置づけ、ユーザーの指示のもとで実際に作業を代行する存在だと説明しました。本章では、Sparkがどのような仕組みで動き、何を代行でき、いつ・誰が使えるのかという実像を整理します。

端末の電源が切れても稼働するGemini 3.5基盤の常駐設計

Gemini Sparkの大きな特徴は、スマートフォンやノートパソコンの電源が切れている間でも、バックグラウンドで動き続ける点にあります。Googleは、Sparkを24時間体制であなたのデジタル生活をナビゲートし、あなたの指示のもとで作業を代行する個人エージェントだと説明しました。基盤にはGemini 3.5が使われ、開発プラットフォームのGoogle Antigravityの上に構築されています。一般的なチャットが話しかけたときだけ応答するのに対し、Sparkは常駐を前提に設計されている点が異なります。

Googleは、Sparkを「質問に答えるアシスタントから、あなたの指示のもとで実際の仕事をこなす能動的なパートナーへの大きな転換」だと表現しました。常時稼働という仕組みは、この「能動性」を支える土台です。ユーザーが見ていない間にも処理を進められるため、時間をまたいだ作業の継続や、先回りした準備が成り立ちます。なおSparkは利用者が自分でオンにして使う設計であり、稼働させるかどうかは本人が選べます。何を任せておくかは利用者が意識的に決める必要があるでしょう。

利用者の指示のもとで動き重要な操作の前に本人確認を挟む安全設計

Gemini Sparkは自律的に動きますが、あくまで利用者の指示のもとで動作する設計です。Googleは、Sparkがあなたに代わって行動を起こす際、重要な操作を実行する前に本人へ確認するよう設計されていると説明しました。完全に任せきって暴走させるのではなく、要所で人の判断を挟む仕組みになっているわけです。この「確認を挟む」設計は、エージェントへ作業を委ねるうえでの安心感に直結します。

こうした制御は、自律エージェントを安全に使うための前提になります。エージェントの自律性が高いほど、意図しない実行や取り返しのつかない操作のリスクも増えるためです。Sparkは利用者が自分でオンにし、どこまで任せるかを選べる形になっています。送信や購入、削除のような後戻りできない操作ほど、本人の確認をはさむ価値は大きいと言えるでしょう。便利さだけを追うのではなく、どの操作を本人確認の対象とするかという線引きを意識しておくこと、これがエージェントと付き合ううえでの基本姿勢になります。

夏にかけて追加されるサブエージェント作成や支払い承認という拡張予定

Gemini Sparkは、最初のリリース以降も夏を通じて機能を順次追加していく計画が示されました。Googleが挙げたロードマップには、利用者がSparkへ直接メッセージやメールで指示を送れるようにすることや、用途別のカスタムなサブエージェントを作成できるようにすること、さらに予算や利用先（販売者）を指定したうえで支払いを承認させることなどが含まれます。単発の代行にとどまらず、任せられる業務の幅を段階的に広げていく方針です。

• テキストやメールでSparkへ直接指示を送れるようにする予定です
• 用途ごとにカスタムのサブエージェントを作成できるようにする計画です
• 予算と利用先を指定したうえで支払いを承認させる機能も想定されています

注目すべきは、支払いの承認において「予算」と「販売者」を指定できるとされている点です。金額や利用先に上限・範囲を設けることで、自律的な支払いに歯止めをかけられます。任せる範囲が広がるほど、こうした制約を自分で設計できるかどうかが、安心して使えるかを左右します。拡張の恩恵を受けるには、どこまで権限を渡すかを見極める運用が前提になるでしょう。

米国のGoogle AI Ultra加入者へ来週提供される利用開始の条件

Gemini Sparkは、I/O 2026の発表時点ではまだ全ユーザーへ開放されていません。Googleは、Sparkがまだ製品開発のごく初期段階にあるとし、最初のリリースでは安全性を優先すると説明しました。そのためまずは信頼できるテスター（trusted testers）へ提供し、そのうえでベータ版を米国のGoogle AI Ultra加入者へ翌週から届ける予定だと案内しています。つまり初期の利用には、対象地域が米国であること、上位プランのGoogle AI Ultraに加入していること、提供形態がベータ版であることという条件が伴います。

この提供条件は、Sparkがまだ広く一般に行き渡る段階ではないことを示しています。自律的に行動するエージェントは、誤った操作が実害につながりかねないため、まず限定的な範囲で安全性を確かめる狙いがあるのでしょう。新しい仕組みを一気に全開放すると、想定外のトラブルが広範囲に及びかねません。利用を検討する場合は、自分の地域や加入プランが対象に含まれるかを確認したうえで、対象外であれば今後の提供拡大を待つという判断になります。米国先行で始まった機能が他地域へ広がっていく流れは、これまでのGoogle製品でも繰り返されてきました。提供範囲は今後広がる可能性が高いと見てよいでしょう。

一日の予定を要約するDaily Briefという実務的な使い道

Gemini Sparkと並んで紹介されたのが、一日の流れをまとめて届けるDaily Briefです。これはSparkとは別に用意された、すぐに使える定型エージェントで、あなたの目標に基づいてその日の予定を整理・優先順位づけし、次にとるべき行動まで提案します。Googleの説明によれば、Daily Briefは夜のうちに働き、受信トレイ・カレンダー・タスクを分析して、その日に重要な事柄を抽出します。利用するほど好みや日時を覚えて学習していく点も特徴です。

提供範囲はSparkより広く設定されています。Daily Briefは発表当日から、米国を皮切りに、Geminiアプリ上で18歳以上のGoogle AI加入者へ順次提供されます。利用にはGoogleの各アプリを連携させておくことが前提です。Daily Briefが示すのは、エージェント型が「聞かれてから答える」だけでなく「先回りして用意する」方向へ進んでいることです。複数の予定やメールを一つずつ確認する手間を減らせる点が、日常での実務的な利点になります。こうした先回り型の機能は、エージェントが生活へ自然に溶け込む具体的な接点になっていくと考えられます。

検索・ショッピング・Workspaceに広がるエージェント機能の全貌

エージェント型Geminiは、専用アプリの中だけにとどまりません。I/O 2026では、検索・ショッピング・Workspaceといった、すでに多くの人が日常的に使う製品へ機能が広く組み込まれることが示されました。本章では、これらの製品に加わったエージェント機能を具体的に整理し、日常の体験がどう変わるのかを見ていきます。

Gemini 3.5 Flashが支えるAI Modeの応答品質の変化

検索における大きな変化が、AI Modeの既定モデルにGemini 3.5 Flashが採用された点です。AI ModeはGoogleの最も高度なAI検索で、月間10億人を超える利用者に達しています。そのAI Modeで、今回Gemini 3.5 Flashが世界全体の新しい既定モデルになりました。行動する能力と高速処理を兼ね備えたモデルへ置き換わったことで、より複雑な問いにも踏み込んだ応答が期待できます。あわせてGoogleは、AI OverviewsとAI Modeを一つのシームレスな検索体験へまとめ、質問から要約、さらに追加の問いへと流れるように移れるようにしたと説明しました。

この変化が効いてくるのは、単純なキーワード検索ではなく、文脈を伴う長めの質問です。3.5 Flashはエージェント作業に最適化されているため、複数の情報を組み合わせて整理する処理を得意としています。検索が「リンクを探す場所」から「答えを組み立ててくれる場所」へ近づくほど、背後のモデルの実行能力が応答品質を大きく左右するのです。逆に言えば、モデルが力不足だと、まとまった回答を生成する仕組みは破綻しやすくなります。AI Modeへの既定モデル採用は、検索そのものをエージェント型へ寄せる動きの一環だと読み取れます。

テキストや画像・動画を横断し推論する25年ぶり刷新の検索ボックス

検索の入り口そのものも刷新されました。Googleは今回、検索ボックスに対して25年以上で最大の刷新を行ったと説明しています。新しい検索ボックスはAIで全面的に再設計され、テキストだけでなく、画像・ファイル・動画、さらにChromeのタブまで入力に使えるようになりました。しかも、それらを別々に扱うのではなく、横断して推論したうえで結果を返します。従来どおり多様な検索結果も引き続き得られる設計です。

複数の形式をまたいで推論できることは、検索の使い方を広げます。たとえば、手元の画像とファイル、参照したいページのタブを組み合わせて一度に問いかける、といった使い方が想定されます。あわせてGoogleは、AI OverviewsとAI Modeを一つの体験へ統合し、質問から要約のある検索結果ページ、さらにAI Modeでの追加の問いへと、途切れずに移れるようにしたと説明しました。この新しいシームレスな検索体験は、発表当日からデスクトップとモバイルの両方で世界的に利用できるとされています。検索を、単発のキーワード入力から、対話に近い体験へと近づける変化だと考えられます。

情報収集を代行するInformation agentsの具体的な役割

検索におけるエージェント化を象徴するのが、情報収集を代行するInformation agentsです。これは、ユーザーに代わって必要な情報を集め、整理する役割を担うエージェントです。従来の検索が、ユーザー自身が複数のページを開いて読み比べる前提だったのに対し、Information agentsは、その収集と整理の工程そのものを肩代わりします。

具体的な役割は、特定のテーマについてWeb上のあらゆる情報源を見渡し、変化を監視することです。Googleの説明によれば、Information agentsはブログやニュース、ソーシャル投稿に加え、金融・ショッピング・スポーツといった最新データまで横断し、あなたの関心事に関する変化を24時間体制で追います。そのうえで、整理・要約した最新情報を届け、必要なら行動まで起こせるとされています。関心のあるテーマごとに、複数のエージェントを同時に走らせることも可能です。

これにより、ユーザーは個々のページを一つずつ確認する負担を減らし、整理済みの結果から判断に入れます。これまで自分で何件ものページを開いて読み比べていた工程を、エージェントが肩代わりしてくれるわけです。Information agentsはこの夏から、まずGoogle AI ProおよびUltraの加入者向けに提供される予定です。検索が「探す作業」から「任せる作業」へ移る象徴的な機能と言えるでしょう。ただし、自動で集められた情報も最終的な確認は利用者に委ねられるため、重要な判断では出典をたどる姿勢が引き続き求められます。

買い物を自動化するUniversal Cartという新しい仕組み

ショッピング領域で発表されたのが、エージェント型のコマースを支えるUniversal Cartです。Googleはこれを「本当に賢いショッピングカート」であり、Google上での買い物の新しい拠点だと位置づけました。特徴は、検索の閲覧中、Geminiとの会話中、YouTubeの視聴中、さらにGmailを読んでいるときでも、商品をこのカートへ追加できる点です。そして商品を入れた瞬間から、カートがバックグラウンドで働き始めます。お得な情報や値下げを見つけ、価格の推移を示し、在庫が戻ったときに知らせてくれます。

このカートはGeminiモデルの上で動くため、モデルが進化するほど賢くなっていきます。さらにGoogle Walletの上に構築されている点も特徴です。支払い方法ごとの特典やポイント、加盟店のオファーを踏まえて、どの決済を使うべきかを助言します。商品同士の非互換を事前に指摘し、代替案を提示する機能も備えている点は見逃せません。決済はUniversal Commerce Protocol（UCP）によって滑らかになり、対応ブランドならGoogle上で数タップで購入できるとされています。Universal Cartはこの夏、まず検索とGeminiアプリで提供が始まり、YouTubeとGmailが後に続く予定です。購入という行為を伴うため、どこまでを任せ、どこで人が確認するかという線引きは引き続き意識しておきたいところです。

Gmail・Docs・Keepへ加わった音声操作という実務機能

Workspaceの生産性アプリには、新たな音声機能が加わりました。Googleが発表したのは、声で文書を作成・編集できる「Docs Live」、思いつくままの内容を整理されたメモやリストに変える「Talk to Keep（ブレインダンプ）」、そして受信トレイに話しかけて質問できる「Gmail Live」です。Docs Liveは、許可があればGmailやドライブ、Chat、Webから関連情報も引き込みながら、考えを構成してくれます。これらはこの夏から、Google AI ProおよびUltraの加入者向けに順次提供される予定です。

音声操作は、エージェント型の文脈では「入力のハードルを下げる」役割を持ちます。エージェントに作業を任せる際、指示を声で伝えられれば、移動中や別の作業と並行している状況でも依頼ができるでしょう。手がふさがっている場面ほど、声で指示できる価値は高まります。日常的に使うアプリへ音声が組み込まれたことで、エージェントへの指示出しが生活の流れの中に自然に溶け込みやすくなります。地味ながら、エージェント機能を日常で使い続けるための実務的な入り口になる機能だと言えるでしょう。

ベンチマークと価格から読むGemini 3.5 Flashの競争力

エージェント型Geminiの実力を判断するうえで欠かせないのが、ベンチマークと価格という客観的な指標です。I/O 2026では、Gemini 3.5 Flashについて複数の数値が示されました。本章では、それらの数字が何を意味するのかを整理し、自社の実務評価へ読み替える際の注意点までを具体的に見ていきます。

Terminal-Bench 2.1とMCP Atlasで示された処理能力

Gemini 3.5 Flashの処理能力は、複数のベンチマークで示されました。代表的なのが、ターミナル操作を評価するTerminal-Bench 2.1と、ツール連携を評価するMCP Atlasです。Googleの発表によれば、3.5 FlashはTerminal-Bench 2.1で76.2%、MCP Atlasで83.6%を記録し、難度の高いコーディングおよびエージェントの課題で従来のGemini 3.1 Proを上回ったとされています。

これらのベンチマークは、いずれも「答えを返す」能力ではなく「手順を実行する」能力を測るものです。ターミナル操作やツール連携は、エージェントが現実の作業をこなすうえで中核となる動作です。Flashシリーズが、軽量・高速でありながらこれらの課題で高い数値を示したことは、エージェント型の運用に十分な実力を備えたことを裏づけています。

GDPval-AAで1656 Eloに達したエージェント性能の水準

エージェントとしての総合的な実力を示す指標が、GDPval-AAで記録した1656 Eloという数値です。Eloは、対戦型の評価で広く使われる相対的な強さの指標で、数値が高いほど優れていることを意味します。Gemini 3.5 Flashがこの指標で高い水準に達したことは、単発の正解率だけでなく、連続した判断と実行の質が高いことを示しています。

エージェント性能が高いということは、目的に向けて手順を組み立て、状況に応じて軌道を修正しながら作業をやり切る力が強いということです。長時間のタスクでは、途中の小さな判断の積み重ねが最終的な成果を左右します。一手ごとの精度が少し低いだけでも、手数が多いと最後には大きな差になって表れるのです。1656 Eloという水準は、3.5 Flashがそうした積み重ねに耐えうるモデルであることの裏づけになります。ただしEloは比較対象の集団によって意味合いが変わるため、絶対的な優劣ではなく、相対的な位置づけとして捉えるのが適切でしょう。

速度4倍と半額未満が同時に成立する点に表れたコスト効率の優位性

Gemini 3.5 Flashの競争力を語るうえで見逃せないのが、速度とコストが同時に優位だという点です。Googleは、出力トークン毎秒で他社フロンティアモデルの約4倍の速さでありながら、利用コストは比較対象の半額未満だと説明しました。通常、速さと安さはどちらかを取ればもう一方を諦める関係になりがちですが、Flashはこの二つを両立させたと主張しています。

この両立が重要なのは、エージェント型の運用が「速度」と「コスト」の両方に強く依存するからです。計画と実行を何度も往復するエージェント作業では、応答が速いほど全体時間が短くなり、単価が低いほど累積費用も抑えられます。どちらか一方だけ優れていても、実運用では片方の弱みが足を引っ張りかねません。両者が同時に効くことで、長時間タスクを日常的に回す現場ほど恩恵が大きくなるでしょう。性能・速度・コストの三つが揃った点こそ、3.5 Flashの競争力の核心だと整理できます。

上位モデルGemini 3.5 Proとの位置関係という判断材料

Gemini 3.5 Flashを評価する際は、上位モデルであるGemini 3.5 Proとの位置関係も判断材料になります。Proは社内で利用が進んでおり、翌月に公開される予定だと案内されました。Flashが「高速・低コストで行動するモデル」だとすれば、Proはより大規模で、いっそう高い精度や難度の高いタスクへの対応を担う位置づけになると見込まれます。両者は同じ3.5シリーズの中で役割を分けており、片方が他方を置き換えるものではありません。まずはFlash、必要に応じてPro、という二段構えで捉えると整理しやすくなります。

この位置関係は、いま着手すべきか、Proを待つべきかという判断に直結します。多くの用途では、すでに一般提供されているFlashで十分な成果が得られる可能性があります。一方で、Flashでは精度や規模が足りないと感じる高度なタスクでは、Proの公開を待つ選択も合理的です。重要なのは、両者を二者択一で捉えるのではなく、用途ごとに使い分ける前提で位置関係を把握しておくことだと言えます。

ベンチマーク数値を自社の実務評価へ読み替える際の3つの注意点

公開されたベンチマーク数値は有力な判断材料ですが、そのまま自社の実務評価に置き換えるのは危険です。ベンチマークは特定の課題設定で測られた結果であり、実際の業務とは条件が異なるからです。数値を鵜呑みにせず、自社の文脈へ慎重に読み替える姿勢が欠かせません。読み替えにあたっては、次の三つの注意点を押さえておくとよいでしょう。

1. 評価条件を確認する：どのような課題設定・測定方法で得られた数値かを把握し、自社の用途との距離を見極めます
2. 自社タスクで試す：公開スコアではなく、実際に扱う作業に近いタスクで動作を検証します
3. コストと速度も併せて見る：精度だけでなく、運用時のトークン消費や応答時間を含めて総合的に判断します

これら三つを踏まえれば、ベンチマークの高さに引きずられて過大評価したり、逆に数値を軽視して機会を逃したりする失敗を避けやすくなります。数値はあくまで出発点であり、最終的な判断は自社の実データに基づいて下すべきものです。導入を検討する際は、まず小さく試し、実務での手応えを確かめてから本格運用へ進む流れが堅実だと考えられます。

利用者と開発者が押さえるべき活用の判断軸と今後の展開シナリオ

ここまで見てきたエージェント型Geminiの全体像を踏まえ、最後に利用者・開発者がどう向き合うべきかを整理します。本章では、導入判断の観点、上位モデルを待つ場面の見極め、自律化に伴う失敗の回避、他社との比較、そして今後の方向性という五つの視点から、実務的な判断軸を提示します。

個人利用と業務利用で優先順位が変わる導入判断という3つの観点

エージェント型Geminiの導入判断は、個人利用か業務利用かによって優先順位が変わります。個人利用では、Daily Briefのような先回り機能や、日常タスクの代行による時間短縮が魅力になるでしょう。一方の業務利用では、コスト効率、自律実行の制御、データの扱いといった、組織としての要件が前面に出ます。同じ機能でも、立場によって重視すべき点が異なるわけです。

• 目的の明確さ：何を任せたいのかを具体化できているかが、効果を左右します
• 制御と確認の体制：自律実行の途中で人が確認できる運用を整えられるかが重要です
• コストと提供条件：利用プランや対象地域、想定トークン量が要件に合うかを見極めます

これら三つの観点を整理しておくと、流行に流されず、自分の状況に合った判断ができます。個人なら手軽さを、業務なら統制とコストを軸に据えると、導入の優先順位が見えてきます。まずは小さく試し、効果を確かめてから範囲を広げる進め方が、どちらの立場でも堅実だと言えるでしょう。

来月のGemini 3.5 Pro公開を待つべき場面の見極め方

Gemini 3.5 Proは翌月に公開される予定です。このため、いまFlashで着手すべきか、Proの公開を待つべきかという見極めが判断のポイントになります。基本的には、すでに一般提供されているFlashで多くの用途は賄えると考えてよいでしょう。Flashは高速かつ低コストで、エージェント作業の難関ベンチマークでも高い数値を示しているためです。

一方で、Proを待つことが合理的な場面もあります。たとえば、Flashでは精度が不足すると感じる高度な推論や、より大規模なタスクへの対応が必要な場合です。判断の手がかりは、まずFlashで試してみて、その結果に満足できるかどうかにあります。実際に動かしてみないと、Proが本当に必要かどうかは見えてきません。机上で比較するより、提供済みのモデルで手を動かすほうが確実な材料が得られるからです。先に待つのではなく、まずFlashで検証し、不足を感じた領域だけProの公開を見据えるという順序が、無駄のない進め方だと考えられます。

自律化に過度に依存した運用で起きやすい失敗パターンとその回避策

エージェント型の利便性が高まるほど、自律化に頼りすぎる運用には注意が必要です。起きやすい失敗の一つは、エージェントの出力を確認せずにそのまま採用し、誤りに後から気づくパターンでしょう。もう一つは、不可逆な操作まで自動に任せてしまい、取り返しのつかない結果を招くパターンです。いずれも、便利さに慣れるほど確認の手を抜きやすくなる点が共通しています。任せられる範囲が広がること自体は利点ですが、その分だけ「任せてはいけない領域」の線引きが曖昧になりやすい点が落とし穴になります。

回避策の基本は、自律の範囲を意識的に区切ることです。情報の収集や下書きの作成といった可逆な作業は任せ、購入や送信、削除といった不可逆な操作には人間の承認を挟むという線引きが有効でしょう。あわせて、重要な成果は出典や根拠をたどって確認する習慣を保つことが、誤りの早期発見につながります。エージェントは「任せきる相手」ではなく「監督しながら協働する相手」と捉えることが、安全に使い続ける前提になります。

他社フロンティアモデルとの比較で見える乗り換え検討の判断基準

すでに他社のフロンティアモデルを使っている場合、Gemini 3.5 Flashへ乗り換えるべきかという検討が生じます。Googleは、出力速度で約4倍、コストで半額未満という優位性を打ち出しており、これらが乗り換えを後押しする材料になるでしょう。とくに、長時間のエージェント作業を大量に回す用途では、速度とコストの差が累積的に効いてくるため、見直しの価値は小さくありません。利用量が多い現場ほど、月単位の費用差として体感しやすくなります。

ただし、乗り換えの判断は数値だけで決めるものではありません。既存のワークフローへの組み込みやすさ、これまで蓄積した運用ノウハウ、連携している外部ツールとの相性なども考慮すべき要素です。判断基準としては、自社の主要なタスクで実際に試し、速度・コスト・精度の三つを既存環境と比較することが現実的でしょう。移行コストを上回る明確な利点が確認できた領域から、段階的に切り替えていく進め方が安全だと考えられます。

「エージェント型」の普及で変わる業務フローという今後の方向性

I/O 2026が示した「agentic Gemini era」は、単なる新機能の発表にとどまらず、業務フローそのものの変化を示唆しています。これまで人が手順を一つずつ進めていた作業の多くが、目的を伝えてエージェントに任せ、要所だけ人が確認するという形へ移っていく可能性があります。人の役割は「作業の実行者」から「目的の設定者」「結果の監督者」へと比重を移していくでしょう。

この方向性は、検索・開発・ショッピング・Workspaceといった広い領域へ同時に及んでいます。だからこそ、特定のツールの使い方を覚えるだけでなく、エージェントへ何を・どこまで任せるかを設計する力が、今後はいっそう重要になるでしょう。エージェント型の普及は、便利さと引き換えに、任せ方を考える責任を利用者へ求める変化でもあります。技術の進展を追いながら、自分の業務に合った任せ方を見極めていく姿勢が、これからの活用の鍵になると言えます。

関連記事

• Antigravity 2.0で変わった点｜IDEとの違い・エディタ復旧・料金・CLI移行
• Antigravity CLI（agy）の使い方｜Linux・SSHでの導入から実行モード・無料枠まで
• CursorとAntigravityの比較｜違い・料金・どっちを選ぶか【2026】