Google、地理データをコンテキスト外で処理し地図をagentの作業空間に

Googleは10月14日、Geospatial Reasoning agentの技術報告を公開し、Ask Google EarthとヘッドレスのA2Aサービスを通じて実験的アクセスを拡大した。agentは最初に計画を作り、モデル、データセット、空間ツールを選び、大きな地図レイヤーをコンテキスト外の専用workspaceで処理する。

システムはGeminiをWeatherNext、Flood Forecasting、AlphaEarth Foundations、Earth Engine、Maps Platformなどと接続する。利用者はCSV、GeoJSON、クラウド上の表を追加できる。アクセスはまだ限定されており、利用希望者はフォームから申請する。

専門ツールが言語モデル単体を上回る

Googleは4種類の構成を4つのbenchmarkで比較した。単体モデルに、通常のweb searchとmaps grounding、Earth AIのskills、最後に事前計画の段階を順に加えた。公開結果では、定量的な空間課題において専門ツールが大きく寄与した。

例外はUnivEARTHで、単体モデルがすでに93.6％を記録した。Googleは、元になるNASAの記事と回答が公開ウェブ上にあると指摘している。この結果は、新しい空間分析より、既知の回答を検索する能力を測っている可能性がある。

専用workspaceがpromptでは解けない制約を処理する

地球規模のデータセットをコンテキストへ収めるのは現実的ではない。agentは計画と結論を会話に保ち、地図レイヤーは専用workspaceで処理する。各回答には計画とデータ源が示され、専門家は前提やデータセットを差し替えられる。

この設計はチャット画面より重要だ。地理空間分析では、投影法、時間解像度、地域ごとの網羅性、代替データの選択が結果を左右する。agentには、いつツールを使うかだけでなく、データ不足で答えられない時を見抜く能力も必要になる。

パートナー実証は有力な事例だが一般的な証明ではない

Googleによると、WHO AFROとコンゴ民主共和国のINRBは2026年のエボラ流行時にシステムを使った。agentは森林減少、鉱山、人口のデータを組み合わせ、数分で48の集落と45,500人を超えるリスク人口を特定した。People in Needは14本の過去のサイクロン経路を分析し、Milken Instituteは1,500棟を超える建物を調べた。

これらはGoogleとパートナーが選び、説明した事例だ。GeoExpertQueriesも、最終回答の正しさではなく、専門家の手順との一致をautoraterが採点する。Google自身も、agentの出力を専門家が確認するための質の高い初稿と位置付けている。

監査、地域データ、修正時間が実運用の価値を決める

次の試験は、世界規模のデータを使う別のdemoではない。不完全な地域記録、矛盾する情報源、小さな境界の誤りで危険にさらされる人数や建物数が変わる状況での作業だ。各工程の監査記録と、専門家が修正に費やす時間が重要な指標になる。

限定early accessでは、外部agentや非公開の表と接続した際に、A2Aサービスがデータの由来を維持できるかも問われる。サービス間で出典の履歴が消えれば、高速な分析は追跡しにくい誤りを早く作るだけだ。

Lilithの判定

Googleは地球全体の地図の前にagentを座らせたが、最後の危険区域を描くのはまだ専門家だ。洪水や感染症では、間違った境界線は見た目の問題ではなく、人を地図の誤った側へ置いてしまう。