なぜGoogleのGemini 3.5は開発不要で動くのか。自律エージェント時代のAI設計術

爆速の12倍。Googleが仕掛けた「眠らないエージェント」の正体

10億ドル。企業がAIモデルの最適化で節約できると試算された金額だ。

Googleが発表したGemini 3.5 Flashと、その裏側で動くエージェント基盤Antigravityが開発の常識を変える。

24時間365日、クラウド上でコードを書き、デバッグし、実行し続けるエージェントが標準装備される。

モデルの性能差で一喜一憂するフェーズは終わった。

これからは「AIが自律的に動ける環境をどう設計するか」の勝負だ。

今回明らかになった自律エージェントの設計思想が境界線を引く。

あわせて読みたいAIエージェントを自作して本番運用する方法｜最小構成の実装とサブエージェント設計 →

性能4倍、コスト半分。Gemini 3.5が叩き出した数字

Gemini 3.5 Flashは、数ヶ月前のGemini 3.1 Proをほぼすべてのベンチマークで上回る。

他の最先端モデルと比較して4倍速く、Antigravity上で動かせば速度は12倍に達する。

コストは競合モデルの3分の1から半分だ。

全ワークロードの8割をFlashとProに移行すれば、年間10億ドル以上のコスト削減が可能だ。

マルチモーダルモデルのGemini Omniも発表された。

テキスト、画像、ビデオ、音声を処理し、生成した出力を再び入力としてフィードバックする反復的な編集が可能だ。

個人開発者向けにはGemini Sparkが登場した。

Google Cloud上の仮想マシンで24時間稼働し続けるパーソナルエージェントだ。

ユーザーのデバイスがオフでも、バックグラウンドで複雑なコーディングパイプラインを実行する。

Google内部のテストでは、このエージェントがゼロからオペレーティングシステムを構築した。

しんたろー：
この速度とコスト感は驚異的だ。
12倍速で動くエージェントがクラウドで24時間働くなら、AIが迷わないための「地図」を描くことに集中する。
自律性の加速はワクワクする一方で、設計力の差が残酷に出る。

エージェント・アーキテクトの時代。RAGの精度を左右する「情報の構造化」

開発者の役割はコーダーからエージェント・アーキテクトへ変わる。

RAG（検索拡張生成）において、AIはノートブックの中身を丸暗記しているわけではない。

質問のたびに膨大なデータから関係ありそうな断片を検索し、一時的なメモリに並べているだけだ。

ソースが大量になればなるほど、AIの「つまみ食い」の精度は落ちる。

これを防ぐためには、AIが読み込む情報の優先順位をコントロールする。

以下の3つの階層で設計する。

1. まとめソース（最優先）: 人間やAIが要約し、情報密度を高めたデータ。回答の軸になる。
2. 指名されたソース: プロンプトで明示的に指定したファイル。検索ランキングが引き上げられる。
3. 生の巨大なデータ（最低順位）: 数百ページのPDFなど。情報の断片しか拾われない。

Antigravityのような高速環境で動く際、この「情報の構造化」がなければ、AIは超高速でゴミを生成する。

AIが最も効率的に動けるように情報のインデックスを設計する。

しんたろー：
「AIが全部やってくれる」という幻想を捨てた者が勝つ。
大量のスクレイピングデータを食わせた際、一番効いたのは「1行の要約」をメタデータとして付与したことだった。
AIの脳みそ（コンテキストウィンドウ）は有限だ。
この「情報の交通整理」こそがエンジニアの腕の見せ所だ。

実務への影響。僕らはどう動くべきか

この自律エージェントの波を現場に取り入れる。

まず要件定義のモジュール化を行う。

AIとの対話を通じて詳細な要件定義ファイルを作成する。

機能一覧、データ構造、ユーザーフロー、AIが守るべき制約事項を明文化する。

次に、UI/UXの人間による微調整だ。

AIが提案するデフォルトのUIは論理的だが、感情を動かすデザインには至らないことが多い。

Figmaなどでデザインの指針を固め、それをAIに「視覚的な制約」として与える。

さらに、テストの自動化とエージェントの監視をセットにする。

24時間眠らないエージェントは、予期せぬ方向にコードを成長させるリスクがある。

AIが書いたコードを別のAIがテストし、その結果を人間がレビューする。

この多層的なチェック体制を構築する。

1. 要件定義.mdの徹底: 実装前にAIと合意形成を行う。
2. インデックス設計の最適化: AIに渡す情報の優先度を整理する。
3. デザイン指針の明文化: AIの「味気ないUI」を回避する。
4. 監視体制の構築: 自律的な暴走を防ぐためのテスト工程を入れる。

しんたろー：
開発の総量は減らない。
コードを書く時間が減った分、「何を、なぜ作るか」を考える時間が増える。
AIに「この設計の欠点は何だと思う？」と逆質問する。
この「対等なペアプロ」の感覚が開発体験のスタンダードになる。

あわせて読みたい【2026年版】AI活用1人SaaS開発の完全ロードマップ｜5ステップで始める個人開発 →

FAQ：自律エージェントとGemini活用の核心

Q1：GeminiとNotebookLMを連携させれば、大量の資料を全て読み込ませて完璧な回答が得られますか？

いいえ。Geminiは連携したノートブックの全内容を常に記憶しているわけではなく、質問のたびに「関係ありそうな断片」を検索して一時的に読み込んでいるに過ぎません。資料が多すぎると検索精度が落ちるため、重要なポイントを「メモ」としてまとめ、それを「ソース」に変換してAIに渡す一手間が必要です。

Q2：Antigravityを活用した開発で、AIにコードを書かせる際のコツはありますか？

いきなり実装を依頼せず、まずはチャットを通じて「要件定義.md」を詳細に作成することが最優先です。AIに完成イメージを言語化させ、定義を明確にしてから実装を指示することで手戻りを最小限に抑えられます。また、Figmaなどで作成したデザインの指針を別途用意し、それをAIに反映させるプロセスを挟むことでクオリティを担保できます。

Q3：24時間動くエージェントを導入する際、開発者が注意すべきセキュリティリスクは何ですか？

自律エージェントが外部APIやデータベースにアクセスする場合、その権限管理を厳格に行う必要があります。AIが予期せぬ大量のリクエストを送信してコストが跳ね上がったり、機密データを誤って外部に漏洩させたりするリスクがあるためです。「最小権限の原則」を徹底し、エージェントの行動ログを定期的に人間が監査する仕組みが不可欠です。

技術の進化を、自分の「手」に馴染ませる

Gemini 3.5とAntigravityは、コードを書く作業からの解放を約束する。

その本質は「より高度な設計者になれ」という挑戦状だ。

AIが爆速でコードを吐き出す時代に、人間が提供できる価値は情報の構造化とプロダクトの魂を吹き込むことに集約される。

ツールに使われるのではなく、ツールをどう配置して最強の布陣を作るか。

その視点さえ持っていれば、AIの進化は最大のチャンスになる。

モデルを乗り換えるだけではなく、自分の開発フローそのものを「エージェント前提」に書き換える。

僕も今日から、Claude CodeとGeminiの新しい連携方法をさらに掘り下げる。