Vertex AI 入門｜Gemini Enterprise Agent Platform への進化を読む

Vertex AI は、Google Cloud が提供する統合機械学習・生成 AI プラットフォームで、データ準備からモデルトレーニング、デプロイ、エージェント構築、モニタリングまでを 1 つのコンソール内で完結できる仕組みです。 2021 年に AI Platform から Vertex AI へリブランドされて以来、Google Cloud の AI 戦略の中核を担ってきましたが、2026 年 4 月の Google Cloud Nextでさらに大きな変革が発表されました。Vertex AI 全体が Gemini Enterprise Agent Platform という新名称へとリブランドされ、「機械学習プラットフォーム」から「エージェント中心の AI プラットフォーム」へとポジショニングが移行しています。

本記事では、現行の Vertex AI のサブサービス全体像、Gemini モデルファミリー、新名称への移行の意味、Azure OpenAI Service との比較、料金体系、Responsible AI 機能までを一本で整理します。 Vertex AI を扱う認定試験 (GAIL・新版 PMLE・CDL) を受験する人にとって、本記事は「Vertex AI のサービス地図を頭に入れる」基礎資料として機能します。

Vertex AI のサブサービス全体像

Vertex AI は単一サービスではなく、複数のサブサービスを統合したプラットフォームです。 役割別に整理すると、実験・プロトタイピング系に Vertex AI Studio、本番アプリ構築系に Vertex AI Agent Builder、モデル選定系に Vertex AI Model Garden、検索・RAG 系に Vertex AI Search、カスタムトレーニング系に Vertex AI Training・Vertex AI Pipelines・Vertex AI Workbench、運用系に Vertex AI Endpoints・Model Monitoring・Feature Store といった構成です。

この多層構造は「機械学習プロジェクトの全工程をワンプラットフォームで賄う」という Google Cloud の戦略を反映しています。AWS の SageMaker や Azure の Machine Learning 系サービスと比較しても、生成 AI 時代に対応した Agent Builder と Model Garden の充実度が Vertex AI の差別化要素です。

Vertex AI Studio: 実験とプロトタイプの起点

Vertex AI Studio は、生成 AI を試すためのブラウザベース実験環境です。 Google Cloud Console から直接アクセスでき、コードを書かずに Gemini 2.0 Pro / Flash / Flash-Lite、Imagen (画像生成)、Veo (動画生成)、Lyria (音楽生成)、Chirp (音声合成・認識) などの基盤モデルを使えます。

プロンプトの実験、出力サンプリングパラメータ (Temperature・Top-P・Top-K) の調整、システム指示の設定、Few-shot 例の追加といった作業がノーコードで完結し、満足のいくプロンプトが完成したら Python / JavaScript / cURL / Java / Go のサンプルコードが自動生成され、自社アプリへの組み込みもスムーズです。 プロンプトエンジニアリングの初期実験や、生成 AI 機能の PoC 段階に最適なツールで、エンジニア以外でも触れやすい UI が特徴です。

Agent Builder: 本番エージェントの構築

Vertex AI Agent Builder (旧 Generative AI App Builder) は、本格的なエージェントアプリを構築するためのフレームワークです。 Studio が「プロンプトを試す場所」だとすれば、Agent Builder は「マルチターン会話・ツール呼び出し・社内データ連携・外部 API オーケストレーションを統合した本番アプリ」を組み立てる場所と言えます。

Agent Builder の中核要素は 3 つあります。 1 つ目は Agent 自体の定義 (役割・性格・行動規範)、2 つ目は Tools の連携 (社内 API、Web 検索、コードインタプリタ、独自関数呼び出し)、3 つ目は Data Stores の統合 (社内ドキュメント、Cloud Storage、BigQuery、Google Drive、サードパーティ SaaS)。 これらを組み合わせて、顧客サポートエージェント、社内ナレッジ検索エージェント、営業支援エージェントなど、業務特化型のエージェントを構築します。

2026 年 4 月の Google Cloud Next 以降、Agent Builder は Gemini Enterprise Agent Platform 戦略の中核として更にプッシュされており、複数エージェントが連携するマルチエージェントオーケストレーション機能も拡充されています。

Model Garden: マルチベンダー型モデル提供

Vertex AI Model Garden は、Google Cloud アカウント 1 つで 200 以上の基盤モデルにアクセスできるカタログサービスです。 Google 製モデル (Gemini ファミリー、Imagen、Veo、Lyria、Chirp、Embedding モデル) に加え、サードパーティ製モデルとして Anthropic Claude シリーズ、Meta Llama シリーズ、Mistral シリーズ、Falcon、Stable Diffusion などの主要オープンソースモデルが統合提供されています。

この「マルチベンダー型」の戦略は、Microsoft Azure の Azure OpenAI Service (OpenAI のモデルのみ提供) や AWS の Bedrock (複数ベンダー提供) と比較した Google Cloud の特徴です。 企業ユースでは「タスクごとに最適なモデルを選びたい」「特定ベンダーへのロックインを避けたい」というニーズがあり、Model Garden はそれに応える形になっています。 たとえば「長文要約は Gemini 1.5 Pro (1M トークン)、コード生成は Claude Sonnet、画像生成は Imagen、社内固有タスクは Llama 3 のファインチューニング版」といった使い分けが、単一の Google Cloud プロジェクト内で実現できます。

Vertex AI Search: エンタープライズ RAG の中核

Vertex AI Search は、企業の独自データに対する検索基盤を提供するサービスで、RAG (Retrieval Augmented Generation) 実装の中核として位置付けられています。 Cloud Storage 上の PDF・Word・Excel ファイル、Google Drive 内のドキュメント、BigQuery テーブル、Cloud SQL データ、サードパーティ SaaS (Salesforce・ServiceNow など) の情報を、数クリックで統合検索可能な状態にできます。

裏側では Google 検索と同じ Bidirectional Encoder Representations from Transformers (BERT) 系のセマンティック検索エンジンが動作しており、単純なキーワード一致ではなく「意味的に関連するコンテンツ」を返します。 検索結果は Gemini API と組み合わせることで、「ユーザーの質問 → Vertex AI Search で関連ドキュメント取得 → Gemini に文脈を渡して回答生成」という標準的な RAG パイプラインが構築できます。 Agent Builder の Data Stores 機能の裏側でも Vertex AI Search が動作しており、エンタープライズ向け生成 AI アプリの基盤として広く活用されています。

Training / Pipelines / Workbench: カスタムモデル開発

独自モデルを開発する場合は、Vertex AI Training・Vertex AI Pipelines・Vertex AI Workbench の 3 つを組み合わせます。

Vertex AI Workbench は Jupyter Notebook ベースのマネージド開発環境で、データサイエンティストが日常的にコードを書く場所。GPU・TPU が必要に応じて立ち上がり、BigQuery・Cloud Storage・Spanner などの他サービスとシームレスに連携します。

Vertex AI Training は本番グレードのモデルトレーニングを実行するサービスで、シングルノードからマルチノード分散学習までスケールします。 Custom Training (PyTorch / TensorFlow / Scikit-learn / XGBoost など任意のフレームワーク) と AutoML (画像分類・テキスト分類・表形式データの予測など、ノーコードでの自動 ML) の 2 系統が選べます。

Vertex AI Pipelines は Kubeflow Pipelines ベースの MLOps オーケストレーションで、データ取得 → 前処理 → トレーニング → 評価 → デプロイの全工程をパイプライン化します。 本番運用では Pipelines を使った再現可能な ML プロセスの構築が、Professional Machine Learning Engineer (PMLE) 認定でも頻出する重要トピックです。

Endpoints / Monitoring / Feature Store: 運用フェーズ

トレーニングしたモデルを本番運用に乗せる際は Vertex AI Endpoints を使います。 モデルをエンドポイントとしてデプロイすると HTTPS API として公開され、リクエスト数に応じて自動スケールします。Online Prediction (低レイテンシリアルタイム推論) と Batch Prediction (大量データの一括推論) の 2 種類があり、ユースケースに応じて選択します。

Vertex AI Model Monitoring はデプロイ後の品質維持を担う仕組みで、データドリフト (入力データの統計分布変化) や 予測ドリフト (モデル出力の分布変化) を継続的に検知し、再学習タイミングのアラートを発します。 モデルは時間経過で徐々に品質が劣化するため、本番運用では Monitoring の組み込みが事実上必須です。

Vertex AI Feature Store は特徴量管理の中央リポジトリで、複数モデル間で同じ特徴量を再利用したり、トレーニング時と推論時の特徴量計算ロジックを一貫させたり (training-serving skew の防止) する役割を果たします。 本格的な ML チームではほぼ必須のコンポーネントですが、PoC や初期段階のプロジェクトでは Feature Store なしで進めるケースも多いです。

2026 年 4 月のリブランド: Gemini Enterprise Agent Platform へ

2026 年 4 月の Google Cloud Nextで発表された大きな戦略転換が、Vertex AI 全体の Gemini Enterprise Agent Platform へのリブランドです。 これは単なる名称変更ではなく、Google Cloud の AI 戦略のポジショニングを「機械学習プラットフォーム」から「エージェント中心の AI プラットフォーム」へとシフトする意思表示です。

背景には、2025 年以降の業界トレンドがあります。 ChatGPT 以降の生成 AI ブーム第一段階が「テキスト生成・要約・翻訳」など単発タスクの自動化に集中したのに対し、第二段階は「複数ツールを横断して自律的にタスクを完遂するエージェント」に注目が集まっています。 Anthropic の Claude Computer Use、OpenAI の o3 系推論モデル、Google DeepMind の Gemini エージェント研究、すべてがこの方向を指しており、Google Cloud は Vertex AI のリブランドを通じて「エージェント時代のリーダー」のポジションを取りに行く戦略です。

技術的には既存の Vertex AI サブサービスはそのまま残り、Agent Builder が中核に格上げされる形になります。 既存ドキュメントは段階的に新名称へ移行中で、2026 年内は Vertex AI と Gemini Enterprise Agent Platform の両名称が併存する過渡期。 試験 (GAIL・新版 PMLE) では現時点では Vertex AI 表記が中心ですが、2026 年後半以降に出題範囲が新名称へ徐々にシフトする見込みです。

Azure OpenAI Service との比較

Vertex AI を語る上で必ず比較対象になるのが Microsoft Azure OpenAI Service です。両者の本質的な違いを 5 軸で整理します。

実務上の選定基準として、すでに Microsoft 365 を採用している企業や OpenAI モデルへの強い指名がある場合は Azure OpenAI が有利。 一方、マルチベンダーでモデルを選びたい、長文処理が中心、Google Workspace を採用している場合は Vertex AI が有利、というのが標準的な判断軸です。 近年は「両クラウドにマルチクラウド展開」する企業も増えており、用途別に使い分けるパターンも一般化しています。

Responsible AI 機能

Google Cloud は AI Principles (2018 年策定) に基づき、Vertex AI に複数の Responsible AI 機能を組み込んでいます。代表的なものを 5 つ紹介します。

Safety filters は、生成 AI の出力から有害コンテンツ (ハラスメント・暴力・露骨な性的表現・自傷など) を自動的にブロックする機能で、Gemini API のデフォルトで有効。閾値の調整 (BLOCK_NONE / BLOCK_LOW_AND_ABOVE / BLOCK_MEDIUM_AND_ABOVE / BLOCK_ONLY_HIGH) も可能です。

Citation indicator は、生成された文章の中で外部ソースから引用されている部分を自動検出して提示する機能。著作権リスクの低減と、出力の信頼性向上の両面で活用できます。

SynthID は Google DeepMind が開発した技術で、Imagen で生成された画像や Lyria で生成された音楽に、人間の目には見えない透かしを埋め込みます。生成 AI コンテンツの自動検出が可能になり、ディープフェイク対策やコンテンツの真正性確認に活用されます。

Explainable AI は、モデルの予測判断の根拠を可視化する機能で、特徴量ごとの貢献度や SHAP / Integrated Gradients による説明が得られます。金融・医療・法務など説明責任が求められる業界で特に重要です。

Model Cards は各モデルの目的・制約・推奨用途・既知の限界を明文化した公式ドキュメントで、組織が AI モデルを採用する際の意思決定資料として機能します。Gemini を含むすべての Vertex AI モデルに Model Card が用意されています。

料金体系の基本

Vertex AI は完全な従量課金で、サブサービスごとに料金が異なります。Gemini API は入力 / 出力トークン単位の課金で、Gemini 2.0 Flash が最低単価、Gemini 2.0 Pro が高単価、コンテキストキャッシュ機能で大規模プロンプトのコストを削減できます。AutoML や カスタムトレーニングは利用ノード時間 (vCPU 時間 + GPU/TPU 時間) ベース、デプロイ後の推論は処理リクエスト数 + ノード稼働時間ベース。

Vertex AI Search は検索クエリ数 + データインデックス容量ベース、Imagen / Veo / Lyria などはコンテンツ生成回数ベース。 新規 Google Cloud アカウントには $300 / 90 日の無料クレジットが付与されるため、PoC や個人学習レベルなら実質無料で開始できます。 本番運用では BigQuery + Vertex AI Pipelines のセットでデータと AI のコスト最適化を行うのが定石で、月次の Cost Insights を見ながら GPU/TPU の利用効率を継続改善するのが運用ベストプラクティスです。

Vertex AI を学ぶ試験と学習リソース

Vertex AI の学習ルートを試験別に整理します。ビジネス職 / 入門なら Generative AI Leader (GAIL) で Vertex AI のサービス概要と生成 AI 戦略を 90 分・$99 で学習。実装エンジニアを志すなら 2026 年 6 月リリース予定の 新版 Professional Machine Learning Engineer (PMLE) で、Vertex AI を使った本格的な MLOps・エージェント開発・RAG パイプライン設計が中心。クラウド全般の入門として Cloud Digital Leader (CDL) でも Vertex AI には触れますが、概要のみなので深掘りには GAIL か PMLE が必要です。

実機学習には Google Cloud Skills Boost の Vertex AI 専用 Hands-on Lab が最も実践的で、Gemini API の呼び出し、Vertex AI Studio でのプロンプト実験、Agent Builder での RAG エージェント構築などがブラウザ完結で体験できます。 加えて Google Cloud Generative AI 公式トレーニングと Coursera の Generative AI Engineer Specialization も学習ルートとして広く活用されています。 本格的に運用フェーズまで踏み込む場合は、Vertex AI Workbench で Jupyter Notebook を立ち上げ、Pipelines を 1 本書いてみると一気に理解が深まります。

よくある質問

本記事の Vertex AI 情報は Google Cloud 公式 Vertex AI ページ およびGoogle Cloud 公式ドキュメント (CC BY 4.0) に基づいています。 本記事は Google LLC の公式商品ではなく、いかなる提携・後援関係もありません。 Google、Google Cloud、Vertex AI、Gemini、Imagen、Veo、Lyria、Chirp、SynthID、BigQuery、Google Workspace は Google LLC の商標または登録商標です。 Anthropic、Claude は Anthropic PBC の商標です。Meta、Llama は Meta Platforms, Inc. の商標です。OpenAI、ChatGPT、GPT-4、GPT-5 は OpenAI, Inc. の商標です。Microsoft、Azure は Microsoft Corporation の商標です。 情報は 2026 年 5 月 24 日時点の公式公開資料に基づきます。最新情報は必ず公式 Vertex AI ドキュメント をご確認ください。