>
>
公開日
Googleは2026年9月1日（現地時間）、Geminiの動画解析機能を刷新する「Agentic video understanding（エージェント的動画理解）」を発表しました。動画を律義に全編読み込む従来方式をやめ、AIが自ら「どこを」「どの速度で」「どのモダリティ（映像・音声・文字起こし）で」確認すべきかを判断する方式に切り替えることで、トークン消費を最大88%、コストを最大66%削減しながら精度も最大7%向上させたとしています。情シスにとっての論点は、性能や料金そのものよりも「動画という新しい入力データが、社内のどこで、誰の権限で、AIに読み込まれるようになるのか」という統制面にあります。本記事では公式発表と開発者ドキュメントの一次情報をもとに、情シスがどの観点でこの機能を捉え、何を準備すべきかを整理します。
Geminiの全体像を先に押さえたい方はGemini（ジェミニ）とは？特徴やビジネス最新活用事例を解説を、Agentic video understandingの主要な対象モデルである最新Flashモデルの詳細は「Gemini 3.7 Flash」公開｜情シス向け性能・料金・導入判断ガイドをあわせてご覧ください。
Agentic video understandingとは何か
Agentic video understandingとは、Geminiが動画の内容に応じて解析範囲や解析方法を自律的に決める新しい動画処理モードのことです。従来のGeminiは、動画を秒間1コマの固定レートで機械的に読み込む「静的処理」しか持っていませんでしたが、Agentic video understandingでは「思考（Think）→動画ツールの呼び出し→観察（Observation）」というループを回し、必要な場面だけを狙って読みに行きます。
Googleは2026年1月に静止画向けの類似機能「Agentic Vision」を発表しており、今回の発表はその考え方を動画に拡張したものと位置付けられています。対象は最新の3モデル、Gemini 3.7 Flash・3.6 Flash・3.5 Flash-Liteで、2026年9月1日時点でGoogle AI StudioのGemini APIとGemini Enterprise Agent Platformから利用できます。開発者はAPIリクエストのprocessingパラメータにagenticを指定するだけで有効化でき、追加の機能料金は発生せず、通常のGemini APIのトークン単価がそのまま適用されます。
何が変わったのか：静的処理からエージェント的処理へ
最大の変化は、動画解析の単位が「動画全体を均一な密度で読む」から「必要な部分だけを可変密度で読む」に切り替わった点にあります。これにより、長尺動画特有のトークンコスト問題が構造的に解消されます。
従来の静的処理は、動画を秒間1コマ（既定値、API経由で変更可）で最初から最後まで機械的にサンプリングし、音声も毎秒32トークン相当で処理します。ai.google.devの開発者ドキュメントによると、低解像度設定でも動画1秒あたり約100トークン、高解像度設定では約300トークンを消費するため、90分の講義や数時間の録画では容易に数百万トークン規模に達します。フレームレートを落としてコストを抑えれば、一瞬のカット切り替わりや状態変化を取りこぼすリスクと引き換えになる、という二択を情シス・開発チームは長らく迫られてきました。
Agentic video understandingは、モデルがまず音声の文字起こしなど軽量な情報から質問に関連しそうな箇所の見当をつけ、必要であれば該当区間だけをより高いフレームレートで再読み込みするという探索を、内部的なツール呼び出しのループとして実行します。API応答のsteps配列にはprocessing_call（動画区間の読み込み要求）とprocessing_result（読み込み結果）が挟み込まれる形で記録されるため、開発者はどの部分が実際に参照されたかをログとして確認できます。なお短尺動画（5分未満）では、この探索処理のぶんだけ最初のトークンが出るまでの時間（TTFT）がやや増える場合があるとされており、Google自身も「短い動画や全フレームの精査が必要な用途は静的処理、長尺動画やピンポイント検索はAgentic video understanding」という使い分けを推奨しています。
ベンチマークで示された効果
数値だけを見れば、Agentic video understandingは動画解析のコスト構造を大きく変える機能です。ただし効果の大きさは動画の長さと用途に依存する点は情シスも押さえておくべきポイントです。
Google公式ブログによると、標準的なベンチマークにおいてAgentic video understandingは静的処理と比較して、トークン消費量を最大88%削減、分析コストを最大66%削減しつつ、精度を最大7%向上させたとしています。効果がとくに顕著なのは、10分程度のハウツー動画から90分の講義、数時間に及ぶ録画まで含む長尺コンテンツです。3モデルの中では、Gemini 3.7 Flashが総合品質と品質・コストのバランスの両面でもっとも優れており、テストされたモデルの中で精度対コストの最適点（パレートフロンティア）に位置するとGoogleは説明しています。
情シスとしては、この数値を「動画をAIに読ませる業務」がこれまでより現実的なコストで社内に広がっていく前触れとして捉えるのが実務的です。マニュアル動画の要約、研修動画からのQ&A生成、長時間の会議録画からの該当箇所抽出といった用途は、従来はトークンコストが導入のハードルになっていましたが、その制約が緩む方向に動いています。
情シスが知っておくべき活用シーンと想定リスク
Agentic video understandingの活用例は開発者向けに示されたものですが、社内利用を想定すると「便利さ」と「新しいリスク」が同時に立ち上がる機能でもあります。用途を先回りして把握しておくことが、後追いのガバナンス対応を防ぎます。
Googleが挙げる活用例は、1秒未満の場面変化を検出する「瞬間検索」、数時間の動画から特定の場面を探す「長尺動画のピンポイント検索」、気になる時間帯だけフレームレートを上げて精査する「異常検知」、繰り返す動作や物体を数える「カウント」の4つです。これらを企業の情シス目線に置き換えると、以下のような業務での活用が現実的に想定されます。
長時間の会議・ウェビナー録画から、特定の議題や発言箇所だけを抽出する
研修・オンボーディング動画をもとに、質問応答や理解度チェックを自動生成する
製造・物流現場の監視カメラ映像から、異常動作や特定の作業手順の逸脱を検知する
動画マニュアルや製品デモから、該当手順のタイムスタンプを自動で特定する
一方で、これらの用途はいずれも「機密性の高い映像データを外部のAIサービスに読み込ませる」行為そのものです。会議録画には社外秘の議論や個人情報が含まれ、監視カメラ映像には従業員や来訪者の映像が写り込みます。動画は文章に比べてデータ量が大きく、何が写っているかを人が事前に精査しにくいため、テキストの情報漏洩対策とは別の観点でのチェックが必要になります。
情シスが押さえるべき統制ポイント
Agentic video understanding自体は開発者向けAPI機能であり、今すぐ全従業員が使えるわけではありません。だからこそ、コンシューマー向けGeminiアプリへの展開が予告されている今のタイミングで、統制の土台を整えておく価値があります。
新しいSaaS接点としての管理対象追加
Agentic video understandingは、Google AI Studio（Gemini API）とGemini Enterprise Agent Platformという開発者向け環境から使われ始めます。これは、社内のエンジニアリング部門やRPA担当が個々にAPIキーを発行し、動画解析パイプラインを構築し始める可能性があることを意味します。API利用状況を、既存のSaaS棚卸しサイクルに組み込み、どの部署がどのGoogle Cloudプロジェクト・APIキーで動画データを扱っているかを可視化しておく必要があります。
動画データのガバナンス設計
社内の情報分類（機密区分）ルールに、動画・録画データの扱いが含まれているかを確認します。会議録画や監視カメラ映像をAIに読み込ませてよい情報区分はどこまでか、個人が映り込む映像に対する同意取得や匿名化の要否を、テキストデータとは別立てで明文化しておくことが望まれます。
個人アカウント経由のシャドーAI化
Googleは、Agentic video understandingの効率化・高品質化を「近く」Geminiアプリの全ユーザーに展開すると予告しています。展開後は、個人のGoogleアカウントで無料利用できるGeminiアプリからも、高精度な動画解析が手軽に使えるようになる可能性があります。個人アカウントで社内の会議録画や資料動画を要約・分析するといった利用は、会社の管理外でデータが扱われる典型的なシャドーAIに該当します。展開前の今のうちに、動画データの取り扱いをAI利用ガイドラインへ追記し、個人アカウントでのAI利用を検知する体制を確認しておくことが有効です。
コスト・トークン管理
Agentic video understandingは追加料金なしで既存のGemini APIトークン単価がそのまま適用されるため、機能自体の利用に別枠の予算承認は不要です。ただし、コストが下がったことで動画解析の利用量そのものが増える可能性があるため、API利用量とコストの月次モニタリングは従来どおり必要です。特に複数部署がそれぞれGoogle CloudやAI Studioを個別契約しているケースでは、どのプロジェクト・請求先が動画データを扱っているかを部署横断で棚卸ししておくと、後から利用実態を追いやすくなります。
Gemini関連の権限設計・シャドーAIの考え方はシャドーAIとは？情報漏洩リスクと情シス向け検知・対策ガイド、AI利用ガイドラインへの落とし込み方は情シス必見！AI利用ガイドラインの作り方｜生成AI 社内ルールに必要な10項目で詳しく解説しています。個人プラン起点でシャドーAI化が先行した前例として、Gemini Sparkが日本のProプランに拡大！料金・機能と情シスの統制ポイントも参考になります。
導入前チェックリスト
ここまでの統制ポイントは、要は「誰がどこで動画データをAIに読み込ませているかを把握し、ルール化できているか」という一点に集約されます。以下の6項目を確認できていれば、Agentic video understandingの展開が本格化してからも慌てずに対応できます。
社内のどの部署がGoogle AI StudioやGemini Enterprise Agent Platformで動画解析パイプラインを構築しているか、または構築を検討しているかを確認した
動画・録画データの情報区分と、AIへの読み込み可否のルールをAI利用ガイドラインに明記した
会議録画・監視カメラ映像など、個人が映り込む動画をAI解析にかける際の同意取得・匿名化方針を整理した
個人のGoogleアカウント経由での動画AI解析利用（シャドーAI）を検知する仕組みを確認した
Google Cloud・Gemini API関連の利用量とコストを月次でモニタリングする体制がある
Geminiアプリ・YouTube「Ask YouTube」への機能展開時期を継続的にウォッチする担当を決めた
よくある質問（FAQ）
Q. Agentic video understandingは追加料金なしで使えますか？
A. はい。Google公式発表によると、Agentic video understandingは通常のGemini APIトークン単価がそのまま適用され、機能利用のための追加料金は発生しません。ただし解析対象となる動画量・利用頻度が増えれば、API全体のコストは変動するため、月次でのモニタリングは引き続き必要です。
Q. 一般の従業員が使うGeminiアプリでもAgentic video understandingは使えますか？
A. 2026年9月2日時点では使えません。現在はGoogle AI StudioのGemini APIとGemini Enterprise Agent Platform、つまり開発者向け環境限定です。Googleはコンシューマー向けGeminiアプリのFlash・Flash-Liteモデルへの展開を「近く」、YouTubeの「Ask YouTube」への統合を「数カ月以内」に予定していると発表していますが、時期は明言されていません。
Q. どのGeminiモデルがAgentic video understandingに対応していますか？
A. Gemini 3.7 Flash、3.6 Flash、3.5 Flash-Liteの3モデルです。Gemini 3.5 Pro等、これら以外のモデルは2026年9月2日時点で対象に含まれていません。
Q. 短い動画にもAgentic video understandingを使うべきですか？
A. Google自身は、5分未満の短尺動画や、全フレームを均等に精査する必要がある用途には、従来の静的処理を推奨しています。Agentic video understandingは探索のための内部処理が入るぶん、短い動画では最初のトークンが出るまでの時間がやや長くなる場合があるためです。長尺動画やピンポイント検索が主目的の場合にAgentic video understandingの効果が最大化されます。
Q. 情シスとして真っ先に確認すべきことは何ですか？
A. まずは社内でGoogle AI StudioのAPIキーを個人的に取得している部署・担当者がいないか、動画データを扱う既存のワークロード（会議録画分析、監視カメラ映像分析など）がすでに存在しないかの棚卸しです。あわせて、AI利用ガイドラインに動画データの扱いが明記されているかを確認し、抜けていれば追記することをおすすめします。
まとめ
Geminiの「Agentic video understanding」は、動画をAIに読ませる際のコスト構造を大きく変える機能であり、Google自身の発表値ではトークン消費を最大88%、コストを最大66%削減しながら精度も向上させています。現時点では開発者向けAPI機能に限定されていますが、Googleはコンシューマー向けGeminiアプリやYouTubeへの展開も予告しており、動画×AI活用が組織の中に広がっていく前提で準備を進めておくことが情シスには求められます。会議録画や監視カメラ映像といった機密性の高い動画データがAIの入力として扱われ始めるからこそ、情報区分の明確化、シャドーAI検知体制、API利用状況の可視化という基本的なガバナンスの土台を、機能が一般ユーザーに届く前に整えておくことが重要です。
本記事の内容に誤り等がございましたら、こちらからご連絡ください。
監修
Admina Team
情シス業務に関するお役立ち情報をマネーフォワード Adminaが提供します。
SaaS・アカウント・デバイスの管理を自動化し、IT資産の可視化とセキュリティ統制を実現。
従業員の入退社対応や棚卸し作業の工数を削減し、情報システム部門の運用負荷を大幅に軽減します。
中小企業から大企業まで、情シス・管理部門・経営層のすべてに頼れるIT管理プラットフォームです。
