Google CloudがGeminiのデータ向けスキルを発表、質問による運用レポート作成を支援

Geminiの分野別スキル、最初の分野はデータ

Google Cloudは、Geminiに分野ごとのスキルを加えており、最初の分野はデータです。データとMLのエンジニアには機械学習のスキルを、ビジネス利用者には運用レポートのスキルを導入すると発表しました。^[1]

図1　Geminiのデータ活用を支えるスキルと機能

回答の根拠を保つのは、Knowledge CatalogやSmart Storage、Borderless LakehouseというGoogle Cloudの3つの機能です。Google Cloudは、Geminiによって組織が平易な質問から運用に役立つ知見を数分で得られるとしています。

データとMLのエンジニア向けスキル

データとMLのエンジニア向けの機能は、Geminiに機械学習のスキルとツールを加えるものです。エンジニアが望む結果を自然な言葉で書くと、Geminiが次のような作業を受け持ちます。

図2　発表内容にあるGeminiの機械学習スキルとツール

Google Cloudは、Geminiがパイプラインの問題も自ら調べて修正すると発表しました。データサイエンティストとデータエンジニアは、エージェントのチームによる支援の対象です。

ビジネス利用者向けの運用レポート

Google Cloudは、ビジネス利用者向けに運用レポートのスキルを導入すると発表しました。以下は発表された機能の内容で、運用レポートの提供状態は今回の発表に含まれていません。

ビジネス利用者向けの機能では、組織内の誰もが質問によってリアルタイムの運用レポートを作れます。Geminiは、BigQueryとKnowledge Catalogに統合された運用レポートのスキルでクエリを組み立て、保存します。

図3　発表された運用レポートの流れ

保存後のレポートはチームが必要なときに実行でき、実行にトークン費用はかかりません。Google Cloudは、毎回一貫した検証済みの回答が得られるとしています。

Knowledge Catalog連携

Google Cloudは、GeminiがKnowledge Catalogと直接統合されると発表しました。業務上の定義を1度対応付けると、すべてのエージェントがその定義を使うとしています。

図4　Knowledge Catalog連携と指標の直接読み取り

Google Cloudは、組織のスキーマや用語の業務ルールを深く理解すると精度が大きく高まるとしています。用語の例は、net marginやaddressable marketです。

指標がDatabricksやdbt、LookML、SAPにある場合も、Geminiはその場所で直接読み取ります。Bloomberg Mediaは、データエージェントの根拠をKnowledge Catalogに置き、初期開発の段階でSQLクエリの精度を63%高めました。

その場の拡張と複数データ元の照会

Smart Storageは、PDFsや画像、スキャン、録音などの非構造化データに、その場で情報を付け加えます。付け加えた文脈はオブジェクト自体に書き戻され、既存のセキュリティ設定も引き継がれる仕組みです。

図5　その場での付加と外部データの照会

Borderless Lakehouseを使うと、GeminiはAmazon S3とAzure Data Lakeを可変のエグレス料金なしで照会できます。Geminiは、Salesforce Data 360やSAP、Workdayのデータもコピーせずに直接読み取ります。

Borderless Lakehouseでは、オープンなApache Icebergテーブルのフェデレーションも可能です。フェデレーションの範囲は、Databricks UnityやSnowflake Horizon、AWS Glueにまたがります。

業界特化Gemini（プレビューと近日提供予定）

Google Cloudは、Geminiを業界ごとに特化させ、各業界に固有のスキルやツール、知識を持たせています。発表時点で金融サービスと法務向けはプレビューで、GovernmentやHealthcare、Retail向けは近日提供予定です。^[1]

図6　Geminiの業種特化の提供状態（発表時点）

金融向けGemini（プレビュー）

発表時点でプレビューのGemini for Financial Servicesは、通常は複数の業務にまたがる投資調査や与信分析、リスクモデリングを自動化します。50を超える基本スキルを備え、推論の過程を次のような形で示します。

図7　プレビュー版Gemini for Financial Servicesの推論提示

発表時点でプレビューのGemini for Financial Servicesは、厳格なコンプライアンスを満たすことを目指した設計です。参照するのは、FactSetやLSEG、S&P Global、SECへの提出書類、利用企業の独自リポジトリにある信頼できる金融データです。

法務向けGemini（プレビュー）

発表時点でプレビューの法務向けのGeminiは、NetDocumentsやiManageなどの文書管理プラットフォームから、案件単位の権限と倫理的な壁を直接引き継ぎます。パートナーのHarveyは、事務所の機密保持の基準を満たしながら、複雑な法務作業を自動化しています。

図8　法務向けGemini（プレビュー）の権限継承とHarvey

Cooleyは、Gemini Enterprise for Legal上で、提出書類の公開前に個人を特定できる情報や機密情報を自動で黒塗りするエージェントを構築中です。Google Cloudは、重大な訴訟では、このエージェントによって機密保持の基準を保ちながら数日分の文書確認を削減できる可能性があるとしています。

レイクハウスでGeminiの分析を始める方法

Geminiでのデータ分析は、レイクハウスで見つけたデータセットをKnowledge Catalogに登録するところから始められます。その後、単純な分析や複雑な分析をGeminiに割り当てます。^[1]

図9　Geminiでデータ分析を進める流れ

コードの実行先は、Lightning Engineを備えたManaged Spark ServiceかBigQueryです。Geminiは、アナリストが既に使っているツールでグラフを生成し、ダッシュボードを作ることもできます。

Geminiのプレビュー等、発表時点の条件

金融サービスと法務向けのGeminiは、発表時点でプレビューとして提供されています。GovernmentやHealthcare、Retail向けは、発表時点で近日提供予定の段階です。^[1]

図10　発表時点の業界特化Geminiと運用レポートの費用

Google Cloudは、ビジネス利用者向けの運用レポートについて、保存後の実行にトークン費用はかからないと発表しました。ビジネス利用者向けの運用レポートの機能について、提供状態は今回の発表に含まれていません。

役割別に見るGeminiのデータ機能

Geminiのデータ向けスキルは、使う人の役割によって機能が分かれています。データとMLのエンジニア向けと、ビジネス利用者向けの違いを、編集部で次の図に整理しました。^[1]

図11　発表内容に見る役割別スキル（提供状態の明示なし）

PySparkコードの生成やモデル学習をGeminiに任せ、用意されたノートブックで編集とテストをしたい場合は、機械学習スキルが合うと編集部は整理します。決まった運用レポートを必要なときに実行したい場合は、ビジネス利用者向けの運用レポートが候補です。

データがAmazon S3やAzure Data Lake、Salesforce Data 360などにある場合を考えます。その場合は、Borderless Lakehouseの対象に含まれるかを先に確かめるのが編集部の提案です。

業種特化を検討する場合は、利用企業の業界が発表時点でプレビューの金融サービスや法務か、発表時点で近日提供予定の業界かを確かめます。近日提供予定の業界は、発表時点でGovernmentやHealthcare、Retailです。