はてなブックマーク

Attackers are using AI to discover and leverage vulnerabilities at unprecedented speeds. Security and engineering teams can no longer manually find, analyze, and patch these flaws fast enough to prevent automated attacks.Today, Google Cloud is introducing a comprehensive AI-powered cybersecurity solution — Google AI Threat Defense — an always-on autonomous security platform.While other model provi

Eyal YablonkaProduct Manager, Google Kubernetes Engine ※この投稿は米国時間 2026 年 5 月 9 日に、Google Cloud blog に投稿されたものの抄訳です。 このたび、クラウド インフラストラクチャにおける最も厄介な問題の一つであるコールド スタート レイテンシを解決する Google Kubernetes Engine（GKE）の重要なアップデートをリリースしました。GKE の以前のバージョンと比べると、対象となるノードの起動時間が最大 4 倍高速になるため、お客様は迅速かつ効率的にプロビジョニングができます。設定の切り替えや、構成ファイルへのパッチ適用は必要ありません。インフラストラクチャのプロビジョニング方法がアーキテクチャ上でアップグレードされるため、何も操作を行わなくてもノードが高速で起動します。これは、クラ

※この投稿は米国時間 2026 年 5 月 9 日に、Google Cloud blog に投稿されたものの抄訳です。 Antigravity や Claude Code のような AI コーディング ツールを使うと、実用的なウェブアプリを記録的な速さで構築できます。しかし、デプロイとなると話は別です。これまでの私なら、Dockerfile、IAM バインディング、YAML の設定に午後の残りの時間をすべて費やしていたでしょう。結局は、多くの開発者と同じ近道、つまり、デプロイしないことを選択したはずです。アプリは私のノートパソコンに残り続け、私の仕事がリリースされることはないでしょう。 これは、インナーループ（コードの記述やテストといった高速なローカル サイクル）とアウターループ（コンテナ化、CI / CD パイプライン、本番環境インフラストラクチャ）の間にある典型的な緊張関係です。ほとん

Google Cloud は、AI を活用してお客様のイノベーションを支援することを使命としています。この度、産業用ロボットの世界的リーダーであるファナック株式会社（以下、ファナック）との協業を強化し、同社の「フィジカル AI」の取り組みを Google の最先端 AI 技術で支援することを発表いたします。この協業は、製造業における自動化の新たな世界を切りひらくものです。 AI の進化がもたらす「フィジカル AI」の可能性 近年、大規模言語モデル（LLM）をはじめとする AI 技術は急速な進化を遂げ、その応用範囲はデジタルの世界から物理的な世界へと広がりを見せています。Google が特に注力しているのが、AI による認知的な知能とロボットによる物理的な動作を融合させる「フィジカル AI」です。これは、ロボットがセンサーを通じて周囲の状況を自律的に認識・判断し、タスクを実行する技術であり、

※この投稿は米国時間 2026 年 4 月 25 日に、Google Cloud blog に投稿されたものの抄訳です。 Google Cloud Next ‘26 が今週ラスベガスで開催され、32,000 人を超えるリーダー、デベロッパー、パートナーの皆様がエージェントの時代について Google とともに探求しました。 3 つの基調講演、25 のスポットライト、700 以上のブレイクアウト セッション、490 以上のスポンサーシップ、最新技術を体験できるショーケースとエキスポ、そしてネットワーキングとコラボレーションのための無数の機会を通じて、多くの組織がエージェントを試験運用から本番環境へと、かつてない規模で移行させている様子を実感できる場となりました。 開会基調講演と 1 週間の開催期間を通して、エージェンティック エンタープライズの設計図と、企業がこの時代に対応するための最新のイ

GTIG AI Threat Tracker: Adversaries Leverage AI for Vulnerability Exploitation, Augmented Operations, and Initial Access Executive Summary Since our February 2026 report on AI-related threat activity, Google Threat Intelligence Group (GTIG) has continued to track a maturing transition from nascent AI-enabled operations to the industrial-scale application of generative models within adversarial wor

※この投稿は米国時間 2026 年 4 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。 AI モデルの性能向上に伴い、Firebase や Gemini API、BigQuery、GKE などの Google Cloud プロダクトを活用した開発にエージェント型 AI ツールを取り入れる技術者が増えています。では、こうしたテクノロジーに関する正確かつ最新の情報を、モデルにどのように与えればよいのでしょうか。 その方法の一つが、AI エージェントを、グラウンディングされたリアルタイム情報源に接続することです。たとえば Google は、デベロッパー向けドキュメント用の Model Context Protocol（MCP）サーバーを提供しています。ただし、MCP サーバーを過度に利用すると、「コンテキストの肥大化」と呼ばれる問題が生じることがあります。大量の

株式会社三菱 UFJ フィナンシャル・グループ（代表執行役社長 半沢 淳一、以下 MUFG）は、今般、Google とのリテール領域における戦略的提携（以下 本提携）に合意しました。 テクノロジーの進展により、人々の暮らしや日常行動は大きく変化しています。金融分野においても、仕事や買い物、余暇などの日々の生活の中で、意識することなくより自然に利用できる、シームレスなサービスへの期待が高まっています。 MUFG は、ライフステージ総合金融サービス「エムット」を通じて、決済、貯蓄、家計管理、資産形成、将来への備えなど、多様な金融サービスを展開し、お客さま一人ひとりの人生に寄り添う取り組みを進めてまいりました。 Google および Google Cloud は、検索、動画、地図などといった幅広いサービスに加え、AIやクラウドをはじめとする先進的なテクノロジーを通じて、人々の生活や行動を支えるデ

Sabastian MugazambiGroup Product Manager, Google Cloud Try Gemini Enterprise Business Edition todayThe front door to AI in the workplace Try now At Google, our TPU design philosophy has always been centered on three pillars: scalability, reliability, and efficiency. As AI models evolve from dense large language models (LLMs) to massive Mixture-of-Experts (MoEs) and reasoning-heavy architectures, t

Try Gemini Enterprise Business Edition todayThe front door to AI in the workplace Try now ※この投稿は米国時間 2026 年 4 月 22 日に、Google Cloud blog に投稿されたものの抄訳です。 本日、Google Cloud は Spanner Omni のプレビュー版を発表しました。Spanner Omni は、Google Cloud 外でも利用可能なダウンロード版の Spanner であり、業界を牽引する分散データベース機能をさらに拡張するものです。これにより、企業は Spanner を自社のデータセンターや複数のクラウド、あるいはノート PC 上で実行できるようになります。事実上無制限の水平スケーラビリティ、高可用性、強力な整合性、エンタープライズ グレードのセキュリティ、そ

Try Gemini Enterprise Business Edition todayThe front door to AI in the workplace Try now From vibe-coded and large-scale apps to AI models and agents, Cloud Run delivers on-demand compute with zero overhead and pay-per-use pricing for all of your workloads. Last year, the number of external active developers and applications on Cloud Run doubled, with more new customers and apps coming to Cloud R

商品、サービス、店舗を通じて、より効率的で最適なサプライチェーンの実現を目指す中で、需要予測の精度向上は株式会社カインズにとっても最優先課題です。しかし、精度の高い需要予測モデルを構築し予測結果を出力することはサプライチェーン全体においては入り口に過ぎません。 実際には、予測値が出た後に、SKU ごとの特性や季節性に応じた「予測結果の精査」や「発注・在庫管理のためのメンテナンス」という不可欠な実務工程が存在し、その膨大な作業を表計算ソフトによる手作業で支えているという実態がありました。 本記事では、Vertex AI による需要予測の次のステップとして、AI エージェントを組み合わせることで、190 万行に及ぶ SQL 処理と複雑な表計算ソフト作業をどのように刷新したのか、株式会社カインズの取り組みの舞台裏を詳しく紹介します。 利用しているサービス: Big Query、Vertex AI

Michael GerstenhaberVP of Product Management, Cloud AI ※この投稿は米国時間 2026 年 4 月 8 日に、Google Cloud blog に投稿されたものの抄訳です。 Anthropic の最新かつ最も強力なモデルである Claude Mythos Preview が、Project Glasswing の一環として、Google Cloud の一部のお客様を対象に限定公開プレビュー版で利用可能になりました。 Vertex AI での Claude Mythos Preview の提供は、最先端の AI ラボのモデルをお客様に提供するという Google の取り組みを明確に示すものです。AI アプリケーションとエージェントの構築、スケーリング、管理を行うためのエンタープライズ グレードの Vertex AI の機能と、この新しい

Sean ZinsmeisterDirector, Outbound Product Management In today's data-rich environment, organizations possess vast amounts of information. Yet, bridging the gap between that data and the users who need to make daily, informed decisions remains a challenge. Users need a single place to curate and analyze their data from the many different sources that impact their business each day. We are sharing

Anant NawalgariaSr. Staff ML Engineer & Founder of Gen AI Intensive, Google Something has shifted in the developer community over the past year. AI agents have moved from "interesting research concept" to "thing my team is actually building." The prototypes are working. The demos are impressive. And now comes the harder question: How do we ship this? That question turns out to be a multi-part one.

Khulan DavaajavProduct Marketing Manager, Gen Media ※この投稿は米国時間 2026 年 3 月 6 日に、Google Cloud blog に投稿されたものの抄訳です。 正確で高品質な画像を生成するには、試行錯誤がつきものです。ユーザーは、自分の要求を正確に理解してくれるようなモデルを求めています。 Gemini 3 ファミリーのモデルを基盤とする Nano Banana モデルは、高度な推論機能を使用し、プロンプトを細部まで理解したうえで画像を生成します。そこで、Nano Banana 2 と Nano Banana Pro を数週間かけてテストし、さまざまなユースケースを試して、その限界に挑みました。 このガイドでは、このテストから Google が学んだことと、最良の結果を得る方法を共有します。 このガイドの内容 モデルの概要 技

このブログ記事では、Antigravity IDE や Gemini CLI のすべての機能を紹介しているわけではありません。ご自身のニーズにより適したプロダクトを選択する際の簡易的な参考資料としてお役立てください。 ※この投稿は米国時間 2026 年 2 月 5 日に、Google Cloud blog に投稿されたものの抄訳です。 要約 Antigravity: エージェントの管理機能と IDE のエクスペリエンスを最大限に利用したい場合。 Gemini CLI: ターミナルでの CLI や、ヘッドレスでの実行が必要な場合。 比較早見表

※この投稿は米国時間 2026 年 1 月 23 日に、Google Cloud blog に投稿されたものの抄訳です。 Google のサイト信頼性エンジニアリング（SRE）において私たちがよく使うモットーの一つに、「トイルを排除する」があります。 チューリッヒのミニキッチンやマウンテンビューの廊下でも耳にすることがあるこのモットーには、反復的な手作業をエンジニアリングされたシステムに置き換えるという SRE の使命が表れています。ただし、あるシニア SRE が説明していましたが、これは単に問題を 1 回解決するスクリプトを書くということではありません。そのスクリプトを正確なタイミングでトリガーする自動化を構築するということです。たいていは、これが最も難しい部分です。 AI はすでにコードの書き方に革命をもたらしていますが、コードの運用方法についてはどうでしょう？AI は運用上の問題を安

※この投稿は米国時間 2026 年 1 月 22 日に、Google Cloud blog に投稿されたものの抄訳です。 このたび、Google と DeepLearning.ai が提携し、無料コース Gemini CLI: Code & Create with an Open-Source Agent をリリースいたしました。この包括的なコースは、Gemini CLI とその優れた機能を日々のワークフローに統合する方法を紹介し、ユーザーを支援することを目的としています。対象は開発者だけでなく、データ分析、コンテンツ作成、学習のパーソナライズなど、さまざまなタスクの実践的なユースケースを詳しく説明しています。 このカリキュラムでは、次の主要分野について深く掘り下げます。所要時間は 2 時間未満です。 基礎と設定: オープンソース エージェントである Gemini CLI の基本原則を学び