はじめに

こんにちは！DX開発事業部モダンエンジニアリングセクションの戸塚晴菜と申します。

2025年10月30日、31日で開催された、「AI Agent Summit 25 Fall」の2日目に現地参加してきました！

本記事では、特に印象的だったセクションを紹介し、私なりの感想をお届けします。

セッション概要

セッション名: “ただのAI” で終わらせない。Gemini Enterprise × ADK エージェント事例

登壇者: 【奥田 梨紗 氏（株式会社G-gen）】

セッション紹介文: AIをPoCで終わらせず、BigQueryなどを活用した実践的なアーキテクチャによって「本当に使える」業務システムへと昇華させるための具体的な事例と方法論を提示する。

事前知識

ADKとは

ADKは「Google製のオープンソース開発フレームワーク」であり、「数行のコードでエージェントを構築可能」な手軽さが特徴です。

また、「Geminiに限らず、あらゆる言語モデルに対応可能」なため、非常に柔軟な開発が行えます。

ADKにおけるエージェントの種類

ADKでエージェントを開発する際は、目的に応じて複数のエージェントの種類を使い分けることができます。

今回紹介する事例ではこれらの異なる役割を持つエージェントを組み合わせています。

これにより、複雑な業務アプリケーションを構築が可能になります。

Agent Engineとは

Agent Engineは、Vertex AI上でAIエージェントを動かすためのフルマネージド実行基盤です。

LangChainなどの主要フレームワークをサポートし、Geminiなどのモデルや各種ツールと簡単に連携できます。

開発から監視・評価といった運用までを一貫してサポートするのが大きな特徴です。

Google CloudでAIエージェントを構築する方法

Google CloudでAIエージェントを構築する方法についてご紹介します。
主に、開発スキルに応じて大きく3つの選択肢があります。

ノーコード: GUI操作でエージェントを作成できるAgent Designer

ノーコード〜ローコード: 対話型AIを構築するConversational Agents

ハイコード: 柔軟な開発が可能なADK

今回のセッションで紹介された事例では、この中で最も自由度の高い**「ハイコード」な方法のADKが使用され、業務に特化したカスタムエージェントが開発されました。

事例紹介 Gemini EnterpriseとADKで作る、次世代の営業支援エージェント

今回のセッションで紹介されたのは、営業や営業マネージャーといった、営業担当者の日々の業務を効率化するAIエージェントの事例です。

顧客管理システムにBigQueryなどに蓄積されたデータを活用し、次にとるべき営業アクションを具体的に提示する仕組みは、多くの企業にとって参考になる事例だと感じました。

解決しようとした業務課題

営業の現場では、以下のような課題が存在します。

  • アプローチ先の優先順位付けが難しい
    多くの顧客情報を抱える中で、どの企業に今アプローチするのが最も効果的なのか、判断に時間がかかってしまいます。
  • ネクストアクションの標準化が困難
    担当者の経験や勘に頼ることが多く、チーム全体として最適な営業活動ができていない場合があります。
  • データ活用のハードルの高さ
    BigQueryなどに営業データは蓄積されているものの、営業担当者がそれを分析し、業務に活かすのは時間と労力がかかります。

今回の事例は、これらの課題を解決するため、AIの力でデータに基づいた最適なリストアップし、ネクストアクションを業務に活かすことができます。

アーキテクチャ図

従業員がフロントエンドの Gemini Enterprise に問い合わせを行うと、そのリクエストが Vertex AI Agent Engine に送られます。

Agent Engine上では、ADK を使って開発されたカスタムエージェントが稼働しており、バックエンドのデータソースである BigQuery から必要な情報を取得・分析し、最適な回答を生成してGemini Enterpriseに返す、という流れになっています。

ADKで開発したカスタムエージェントの役割

この仕組みで重要になっているのが、ADKを使って開発された2つのカスタムエージェントです。それぞれが専門的な役割を担い、連携しています。

1. 制約確度が一定数以上の企業をリストアップする

まず、営業担当者が「どの企業にアプローチすべきか」を知るために、1つ目のエージェントが動きます。

このエージェントは、BigQueryに格納されたデータの中から、成約確度が一定基準（デモでは70%以上）を超える企業をリストアップします。

2. 具体的な情報、アクションプラン

次に、リストアップされた企業の中から特定の企業名を入力すると、2つ目のエージェントが起動します。

このエージェントは、その企業の現在の営業ステータス、最終接触日、商談金額といった詳細なデータを分析します。

その上で、「誰が」「いつまでに」「何をして」「どのような成果を目指すか」という具体的なネクストアクションプランを提示してくれます。

これにより、担当者は質の高い営業ネクストアクションをすぐに実行に移せるようになります。

Gemini Enterpriseへの統合メリット

この事例で感じたメリットは、これら全ての機能を、多くの従業員が使い慣れた対話型のインターフェースである「Gemini Enterprise」に統合していることだと感じました。

営業担当者は、Gemini Enterpriseのチャット画面で「成約確度の高い企業を教えて」「株式会社ネクストベンチャーズの次のアクションは？」と自然言語で質問するだけなので比較的簡単に実行ができます。

これにより、ITスキルに関わらず、誰もがAIによる高度なデータ分析ができる様になり、業務に集中することができます。

まとめ

今回の事例で感じた、3つのポイントをまとめてみました。

1. AIを「PoC」から現場で使える業務システムへ
データ活用の難しさという現場の具体的な課題に対し、技術的な検証（PoC）の段階で終わらせず、営業担当者が日常的に使える業務システムとして実用化した点がポイントです。

2.「ADK」による、具体的な課題解決エージェントの開発
課題解決の手段としてGoogleのADKが効果的に活用されていた点がポイントです。

ADKを使い、「成約確度の高い企業をリストアップするエージェント」と、「具体的なネクストアクションプランを提示するエージェント」という、明確な役割を持つ2種類のカスタムエージェントを開発していました。

3. 複雑な仕組みを隠蔽し、シンプルな「対話型UI」で提供した点
営業担当者は、普段から使い慣れたGemini Enterpriseのチャット画面で質問するだけで、AIによる分析とネクストアクションを利用することができる点がポイントです。

感想

今回ご紹介いただいた事例は、BigQueryを使った「データを分析する複雑な裏側の仕組み」を、Gemini Enterpriseの画面に統合されている点が、非常に優れている点だと思いました。

この工夫によって、AIエージェントが現場の人々にとって使いやすい形で展開されており、GoogleのAIが持つ良さが上手く引き出されている事例だと感じました！

社内に蓄積されるデータを活用することは、とても大事なことだと実感しました。

また、今回紹介されたのは営業業務の例でしたが、エンジニアである私にとっても、勉強になることがたくさんありました。

特に、新卒である私の目線として、システムがネクストアクションを具体的に示してくれる点は、経験に関わらず誰でも業務課題を解決できるシステムの実現に繋がると思います。

最後までお読みいただき、ありがとうございました。