基盤モデルのアップグレードを加速するための3つの教訓
サマリー
最新のAIモデルへのアップグレードは複雑で時間がかかるが、Google CloudのApplied MLチームは、数ヶ月ではなく数時間でモデルのアップグレードを完了するエージェントワークフローを開発した。3つの教訓を通じて、柔軟なエージェントシステムの構築と自動化の重要性が強調されている。これにより、エンジニアリングチームは効率的にモデルの移行を行えるようになる。
本文
製品を次のモデルに移行する際に問題に直面したことはありませんか？最新のAIモデルへのアップグレードは、簡単ではありません。エンジニアリングチームにとって、モデルの更新は、新しいモデルへの移行や、同じモデルファミリー内の新しいチェックポイントへの更新（例えば、以前のGeminiバージョンからGemini 3.5への移行）を含め、テスト、品質の証明、新しい応答の手動評価を伴う遅く高コストなプロセスを必要とします。ほとんどのエンジニアリングチームにとって、新しいモデルチェックポイントへのアップグレードは、パフォーマンスを確認するために数ヶ月の手作業を意味します。そして、業界は急速に進化しています。2023年以降、私たちは6つの主要なモデルの進化を発表し、現在はGemini 3.5に至っています。
Google CloudのApplied MLチームは、Googleと世界中の顧客に利益をもたらす変革的なインフラとサービスを提供することを目指しています。その一環として、私たちのチームは、モデルのアップグレードを数ヶ月ではなく数時間で完了するエージェントワークフローを構築しました。このブログでは、私たちのアプローチと、Gemini Enterprise Agent Platformを使用して基盤モデルのアップグレードを加速するために適用できる3つの教訓を紹介します。
### 柔軟なエージェントシステムを構築するための3つの教訓
異なるチームのニーズをサポートするために、私たちは従来の自動化を再考し、次の3つの重要な教訓を学びました。
**教訓1: 実践的な発見から始める。** まず、エンジニアは製品チームと密接に協力し、実際の移行問題に取り組みました。この実践的な作業は、複雑な要件を特定し、プロンプト最適化のための最初のガイドラインを構築するのに役立ちました。
**教訓2: 従来の自動化の硬直性に注意。** これらのガイドラインを標準の自動化ワークフローに変換しました。このバージョンではいくつかの迅速な成果を得ましたが、従来の自動化は異なるデータ形式やユニークなエッジケースに対応するには硬直すぎることが判明しました。
**教訓3: 柔軟なエージェントアーキテクチャに移行。** 本当の進展は、柔軟なエージェントを使用してツールを再構築したときに得られました。チームを硬直したプロセスに強制するのではなく、エージェントは特定のプロジェクトのニーズに適応し、データを分析し、プロンプトを動的にテストするのを助けました。
### パートナーチームが移行時間を短縮しながら品質を向上させた方法
私たちのパートナーチームは、ビデオ翻訳と吹き替えサービスを管理しており、興味深い課題に直面しました。彼らのワークフローは、翻訳されたテキストを元のビデオのペースに正確に一致させるために書き直す必要があり、意味を変更することはできませんでした。歴史的に、この厳しい制約は微調整されたモデルを維持する必要がありました。彼らの目標は、プロンプトエンジニアリングに完全に導かれた最新のアウトオブボックス基盤モデルに移行することでした。
このエージェントフレームワークを使用して、チームはグラウンドトゥルースデータセットとベースラインプロンプトを提供しました。システムは自律的にプロンプトの品質を向上させ、カスタムスタックからサービスを移行しました。
### Agent PlatformとGoogle Antigravityで自分の移行ワークフローを作成する
これらの学びは、独自のモデルアップグレードを加速したいエンジニアリングチームによって適用できます。新しい基盤モデルに追いつくのに苦労している場合、手動の労力をインテリジェントな自動化に置き換えるには、移行をエージェントワークフローとして扱う必要があります。
自動化された移行パイプラインを構築するには、次の手順に従ってください：
1. **オートレイターを展開する:** 手動の人間レビューからモデルベースのオートレイターに移行し、新しいチェックポイントの品質をスケールで評価し、短時間で行います。
2. **エージェントループを構築する:** Gemini Enterprise Agent Platform内のエージェント開発キットを使用して、エージェントを作成します。
3. **オーケストレーションを自動化する:** プロセスをさらに簡単にするために、Antigravityを活用して基盤となるコーディングとエージェントオーケストレーションを自動化し、損失報告やヘッドルームレポートなどの機能を追加します。
手動の行単位のエンジニアリングタスクから離れることで、組織はインフラの技術的負債を減らし、自信を持ってAIの最前線に追いつくことができます。この作業はGoogle全体の協力の結果です。主要な貢献者に感謝します。
Google CloudのApplied MLチームは、Googleと世界中の顧客に利益をもたらす変革的なインフラとサービスを提供することを目指しています。その一環として、私たちのチームは、モデルのアップグレードを数ヶ月ではなく数時間で完了するエージェントワークフローを構築しました。このブログでは、私たちのアプローチと、Gemini Enterprise Agent Platformを使用して基盤モデルのアップグレードを加速するために適用できる3つの教訓を紹介します。
### 柔軟なエージェントシステムを構築するための3つの教訓
異なるチームのニーズをサポートするために、私たちは従来の自動化を再考し、次の3つの重要な教訓を学びました。
**教訓1: 実践的な発見から始める。** まず、エンジニアは製品チームと密接に協力し、実際の移行問題に取り組みました。この実践的な作業は、複雑な要件を特定し、プロンプト最適化のための最初のガイドラインを構築するのに役立ちました。
**教訓2: 従来の自動化の硬直性に注意。** これらのガイドラインを標準の自動化ワークフローに変換しました。このバージョンではいくつかの迅速な成果を得ましたが、従来の自動化は異なるデータ形式やユニークなエッジケースに対応するには硬直すぎることが判明しました。
**教訓3: 柔軟なエージェントアーキテクチャに移行。** 本当の進展は、柔軟なエージェントを使用してツールを再構築したときに得られました。チームを硬直したプロセスに強制するのではなく、エージェントは特定のプロジェクトのニーズに適応し、データを分析し、プロンプトを動的にテストするのを助けました。
### パートナーチームが移行時間を短縮しながら品質を向上させた方法
私たちのパートナーチームは、ビデオ翻訳と吹き替えサービスを管理しており、興味深い課題に直面しました。彼らのワークフローは、翻訳されたテキストを元のビデオのペースに正確に一致させるために書き直す必要があり、意味を変更することはできませんでした。歴史的に、この厳しい制約は微調整されたモデルを維持する必要がありました。彼らの目標は、プロンプトエンジニアリングに完全に導かれた最新のアウトオブボックス基盤モデルに移行することでした。
このエージェントフレームワークを使用して、チームはグラウンドトゥルースデータセットとベースラインプロンプトを提供しました。システムは自律的にプロンプトの品質を向上させ、カスタムスタックからサービスを移行しました。
### Agent PlatformとGoogle Antigravityで自分の移行ワークフローを作成する
これらの学びは、独自のモデルアップグレードを加速したいエンジニアリングチームによって適用できます。新しい基盤モデルに追いつくのに苦労している場合、手動の労力をインテリジェントな自動化に置き換えるには、移行をエージェントワークフローとして扱う必要があります。
自動化された移行パイプラインを構築するには、次の手順に従ってください：
1. **オートレイターを展開する:** 手動の人間レビューからモデルベースのオートレイターに移行し、新しいチェックポイントの品質をスケールで評価し、短時間で行います。
2. **エージェントループを構築する:** Gemini Enterprise Agent Platform内のエージェント開発キットを使用して、エージェントを作成します。
3. **オーケストレーションを自動化する:** プロセスをさらに簡単にするために、Antigravityを活用して基盤となるコーディングとエージェントオーケストレーションを自動化し、損失報告やヘッドルームレポートなどの機能を追加します。
手動の行単位のエンジニアリングタスクから離れることで、組織はインフラの技術的負債を減らし、自信を持ってAIの最前線に追いつくことができます。この作業はGoogle全体の協力の結果です。主要な貢献者に感謝します。
