最新動向

AIが20万行のコードを一晩で最適化 Googleが実例公開

AIが20万行のコードを一晩で最適化 Googleが実例公開

この記事の要点

Googleは2026年10月13日、Gemini 4 Argonが20万行規模のPythonを11時間で最適化した実例を公開した。6案中2案を採用。自律作業と人の取捨選択を組み合わせる使い方が要点になる。

AIに一晩まかせて、人が結果を取捨選択する。Googleは2026年10月13日、Gemini 4 Argonが約20万行のPythonコードを11時間で最適化した実例を開発者向けブログで公開した。AIは6つの改善案を出し、保守担当者が2案を採用、4案を却下した。自律作業の能力より、それを安全に受け取る人側の設計が成果を分けると示す内容だ。

何が行われたか

対象は、Googleのオープンソースの開発キット「google/adk-python」で、約800ファイル・20万5千行、約1万7千のテストを持つ。AIはこれを無人で最適化した。鍵は2つの仕組みだった。1つは保守の指針をリポジトリ内に短い索引付きで置き、AIが必要な時に読み込む「スキル」の仕組み。Argonはコードを編集する前に12個の指針ファイルを読んだ。もう1つは目標を見失わずに作業を続けさせる「目標モード」で、文脈が圧縮されても最後まで走り切る設計だ。

結果も具体的だ。長時間セッションでの準備処理のオーバーヘッドは約40%減り、ライブラリの初回読み込みは21%速くなった。158ターンの処理は65.6秒から56.1秒へ、約10秒分の無駄が削れた。Argonは32ファイルにわたる6案を提案し、保守担当者はそのうち2案を採用した。採用された変更は22ファイルと17個の新しいテストを含み、約1万6,900のテストすべてを流して確かめた。一方、合成ベンチマークで17%速くなった案は、古いデータを返す恐れがあるとして却下された。能力は高いが、全案をうのみにはできない。

最初の、指針なしで走らせた試行は約2時間で終わり速度は上がったものの、保守の規約を破った。指針を与えた2回目は11時間かかった。自律作業は、ルールを先に渡すかどうかで結果の質が変わる。

なぜ人の取捨選択が要るか

この事例が示すのは、AIの提案を無条件に取り込むと危ういという点だ。AIが外した案の中には、上辺の速度は上がるが古いデータを返しうるものや、オープンソースのテストは通るのに社内の25個のテストを壊すものがあった。見た目の改善が、別の場所で品質を損なう。Googleのチームはこの進め方を「AIが探索し、人が削る」と表現した。生成の速さではなく、削る判断に人の価値がある。

この構図は、コードに限らずAIエージェントを業務に入れるとき全般に当てはまる。自律で動く範囲と、人が点検して承認する範囲を分ける設計が要る。考え方はAIエージェントが業務に与える影響で整理しておくと、導入の線引きがしやすい。

現場の実務にどう効くか

AI推進担当が持ち帰れるのは、自律作業を受け取る前の準備に投資するという発想だ。AIに任せる前に、守ってほしい規約と、結果を検査する仕組みをあらかじめ用意しておく。今回の事例でも、規約をリポジトリに置いたことで、同じAIの出力が格段に使いやすくなった。ルールを後から説明するのではなく、作業の前に渡しておくことが効く。

もう1つは、採否を人が握る前提で工程を組むことだ。AIが提案し、人が確かめて承認する流れにすれば、速さと安全を両立できる。この点はClaudeのエージェントループの仕組みで、自律と点検の役割分担として捉えると応用しやすい。改善の効果は扱う処理によって変わり、今回の最適化が別の仕組みにそのまま効くわけではない。評価には、AIが見ていない検証用のテストを使うのが安全だと記事も断っている。自社で試す際は、効果の測り方も含めて設計してほしい。

まとめ

Gemini 4 Argonは20万行のPythonを11時間で最適化し、6案中2案が採用された。要点は能力そのものより、規約を先に渡し、採否を人が握るという受け取り方の設計にある。自律作業を業務へ入れる企業は、任せる範囲と点検する範囲を分ける準備から始めたい。

出典

よくある質問

GoogleはAIで何をした実例を公開しましたか。

2026年10月13日、Gemini 4 Argonが約20万行のPythonコードを11時間かけて自律的に最適化した実例を公開しました。AIが6案を提案し、保守担当者が2案を採用、4案を却下しています。

この事例の要点は何ですか。

AIに長時間の自律作業をさせつつ、最終的な採否は人が決める進め方です。社内の規約や検査の仕組みをあらかじめ用意しておくと、自律作業の結果を安全に受け取れると示しています。