発表の中心は、任せられるAIへの移動
Google I/O 2026で発表されたGemini 3.5 Flash、Gemini Spark、Gemini Omni、Antigravityは、別々の新機能として見るより、一つの流れとして読む方が分かりやすい。GoogleはAIを、質問に答える画面から、仕事を分解し、道具を呼び出し、一定の範囲で実行する層へ押し出している。
読むための構造はこうだ。Gemini 3.5 Flashがモデルの速度と実行単価を担い、Antigravityが開発やエージェント実行の環境になる。SparkはWorkspaceなどの利用接点に入り、Omniは生成対象をテキストや画像の外側、動画の制作・編集へ広げる。最後に企業導入では、権限、監査、データ保持、コスト管理がその全体を制御する。
このため、今回のニュースの見どころは「どのモデルがどれほど賢いか」だけではない。利用者の期待値が、検索して答えを得ることから、メール、資料、予定、制作、コード作業の一部を終わらせることへ移る。その時に問われるのは、AIにどこまで任せ、どこから人間の承認を求めるかである。
3.5 Flashが変える実行回数の経済
Gemini 3.5 Flashは、エージェント型タスクとコーディングを重視したモデルとして位置づけられている。Googleは、複数のコーディングやエージェント系の指標で従来モデルを上回り、出力速度も他のフロンティアモデルより速いと説明している。ここで重要なのは、速さが単なる体感改善ではなく、エージェントが何度も試行する前提の経済性に効くことだ。
人間が一度質問するだけなら、多少遅いモデルでも待てる。しかし、エージェントが計画、検索、ファイル操作、コード生成、検証、再試行を繰り返す場合、1回ごとの遅延と単価が積み上がる。高速化と低い実行単価は、AIに任せられる作業量の上限を押し上げる。
整理すると、標準のGemini API有料価格はGemini 3.5 Flashで100万トークンあたり入力1.50ドル、出力9.00ドル。Batch/Flexでは入力0.75ドル、出力4.50ドル、Priorityでは入力2.70ドル、出力16.20ドルと示されている。だが本番利用の総額は、モデル単価だけでは決まらない。検索や地図のグラウンディング、ツール呼び出し、失敗時の再試行、長時間稼働の上限が合わさって初めて実効コストになる。
開発者にとっては、より多くの試行を組み込んだエージェント設計が現実味を増す。企業にとっては、PoCの成功より、月次予算、部門別利用量、優先実行の使い分けを管理できるかが重要になる。利用者にとっては、速い応答よりも、作業が途中で止まらず完了するかが価値になる。
Sparkは権限管理を日常に持ち込む
Gemini Sparkは、24時間動く個人AIエージェントとして発表された。Gemini 3.5とAntigravityの仕組みを使い、Workspace系ツールと連携しながらクラウド上で動く設計だ。これは、AIがブラウザやアプリの横にいる補助者ではなく、時間をまたいでタスクを進める存在に近づくことを意味する。
同時に、Sparkの説明で重要なのは、重大な行為の前に確認を求める設計が示されている点だ。AIが予定を作る、文書を送る、外部サービスと連携する、購入や予約に近い操作をするなら、便利さとリスクは同時に増える。ユーザー体験の中心は、いかに賢く動くかだけでなく、どこで止まり、誰に確認するかになる。
配布範囲もまだ限定的だ。trusted testersには今週、米国のGoogle AI Ultra加入者向けベータは翌週に展開予定とされている。つまり、現時点で判断すべきことは、Sparkがすぐ一般の業務基盤になるかではない。初期ベータでどの権限が許され、どの操作が止められ、どのログが残るかを見る段階だ。
企業導入の壁はモデル精度の外側にある
企業がAIエージェントを使う時、障害になるのは「答えが少し間違う」ことだけではない。AIが実行主体に近づくほど、管理者権限、監査ログ、データ保持、法務レビュー、セキュリティ審査、外部共有の制御が必要になる。ここが整わない限り、性能が高いモデルでも全社導入は進みにくい。
部門単位の導入と全社導入では、リスクの形が変わる。小さなチームの試行では、担当者が手元で確認しながら使える。だが全社で使う場合、誰がどのデータにアクセスできるか、MCPなどの接続先を誰が審査するか、AIが送信した内容の責任を誰が負うかを決めなければならない。
長時間エージェントの予算管理も新しい論点になる。短いチャットなら利用量は見えやすいが、クラウド上で走り続けるエージェントは、見えないところで推論、検索、再試行、ツール実行を重ねる。導入判断は、人件費をどれだけ置き換えるかだけでなく、失敗時のやり直しコストや監査対応の手間まで含めて比べる必要がある。
開発者は、権限を最小化し、承認点を設計し、ログを残す実装が求められる。企業のIT、セキュリティ、法務、調達部門は、モデル選定よりも運用統制の設計で発言力を増す。一般利用者は、便利な自動化を得る代わりに、どのアプリとデータをAIへ渡すかを日常的に選ぶことになる。
Omniは制作能力と出所確認を同時に広げる
Gemini Omniは、入力形式をまたいで動画生成・編集に使う新モデルとして発表された。Omni FlashはGeminiアプリ、Google Flow、YouTube ShortsやCreateへ展開される説明で、Googleの強みである制作面と配布面がつながる。動画を作れるAIではなく、作ったものを流通させる場所まで近いAIである点が大きい。
ただし、企業利用で問われるのは制作スピードだけではない。広告、教育、広報、メディア運用で生成動画を使うなら、知財、本人性、改変履歴、素材の出所を説明できる必要がある。GoogleがSynthIDとContent Credentialsの拡張を示したのは、生成物の透明性が普及の条件になるからだ。
Omniの広がりは、制作現場にとっては作業量を減らす一方、確認作業を増やす可能性もある。誰の声や顔に見えるのか、既存作品にどれほど近いのか、どの時点で人間が編集したのか。こうした確認が広告審査や社内承認に組み込まれなければ、生成能力が高くても使える範囲は限られる。
競争軸はモデルから実行環境へ広がる
AI競争は、単純なモデル性能比較から、配布、データ、インフラ、権限の競争へ広がっている。Googleの場合、Search、Workspace、Android、Chrome、YouTube、Cloudという接点がある。AIが作業を実行する段階になるほど、利用者がすでに使っているアプリ、データ、認証基盤に近いことが強みになる。
AntigravityやManaged Agents、MCP接続の方向性は、開発者と企業の作業環境そのものを取りに行く動きと読める。モデルが同程度に賢くなれば、差はどの環境で動けるか、どのデータに安全に触れられるか、どの操作を管理者が止められるかに移る。
見方を変える条件はここにある。Sparkが実際に広い権限を安全に扱え、企業管理者が接続アプリ、送信、購入、外部共有を細かく制御でき、監査ログとデータ保持の条件が明確なら、AIエージェントは業務基盤に近づく。反対に、権限範囲や責任分界が曖昧なら、発表の印象ほど早くは広がらない。
次に見るべき数字と制限
今後の確認点は、発表の反響ではなく運用条件に出る。まずSparkベータで、どの権限が実際に解放され、どの操作が承認待ちになり、どの地域と料金プランに限定されるか。次にGemini EnterpriseやAntigravityで、管理者向け制御、監査ログ、データ利用条件、MCP接続先の審査がどこまで具体化するかだ。
Omniでは、開発者や企業向けAPIの提供時期と料金、SynthIDとContent Credentialsがどの制作フローで使えるかを見る必要がある。生成コンテンツの出所確認が制作現場や広告審査で受け入れられれば、動画生成は試作から業務利用へ近づく。
最後に、長時間エージェント利用の実効コストが重要になる。モデル単価が低くても、ツール呼び出し、検索・地図グラウンディング、再試行、優先実行の費用が積み上がれば、全社導入の判断は変わる。今回のGemini発表は、AIが仕事に近づいたことを示した。同時に、仕事に近づいたからこそ、誰がAIに何を許すのかが最大の壁になった。