2026年5月の Google I/O で、製品の発表が2時間以上続いたあと、キーノートの締めくくりに登場したのは Demis Hassabis（Google DeepMind CEO）でした。彼は、いまの時代を「シンギュラリティの麓（foothills of the singularity）」にいる瞬間だと語り、汎用人工知能（AGI） の完成は 2030年前後 に50%の確率で来うる、と改めて示しました（Google I/O '26 Keynote、The Vergeの報道）。
同じ週には、開発者向けの Antigravity 2.0 や Gemini Spark、気象AI WeatherNext といった具体物も次々と出ています。それらの仕様と現場での設計論点は、返答を待つ時代は終わる——Google I/O 2026が示した「自律型デジタルワーカー」の設計地図 で整理しました。本記事では、製品カタログの横に、ハサビス氏が何を「到達の定義」として掲げ、IT技術者に何を求めているか——その一本の線を、発言と一次情報に沿ってつないでいきます。
2030年の地平線——「麓」に立ったときに見えるもの
ハサビス氏が使う シンギュラリティ は、SF的な「ある日突然世界が変わる」イメージとは少し違います。Bloombergのインタビュー では、氏ご自身の言葉として 「シンギュラリティは、フルAGIの到来を指す別の言い方」 と説明されています。つまり、いまは頂上ではなく、AGIに向かって坂を登り始めた段階——それが「麓」という比喩の中身です（Semaforの報道）。
タイムラインについては、一貫して 2030年頃に50%の確率でAGIに到達しうる という見方が繰り返されています（The Verge、India AI Impact Summitの報道）。「±1年」という精度は、研究組織の内部ロードマップに近い 意思決定用の目安 として読むのが自然です。IT技術者にとって重要なのは、日付を当てることではなく、10年単位の深テック計画の途中にAGI相当の能力が差し込まれる という前提を設計に織り込むことです——この点は AGI時代にIT技術者が今から意識しておくべきこと や 生成AIの現在地と2つの波——IT技術者が押さえる潮流とAGIへの道筋 とも同じ方向を向いています。
アインシュタイン・テスト——「賢いチャット」では足りない理由
モデルがベンチマークで高得点を取ることと、AGIに近いか は、ハサビス氏の定義では別問題です。氏が繰り返し示す基準が アインシュタイン・テスト（Einstein test） です。考え方は明快で、知識のカットオフを1901年（または1911年）頃に置いたAI に、後から人類が到達した 1905年のアインシュタインの飛躍（特殊相対性理論など） を、自力で導き出せるか——という問いです（Y Combinatorとの対談（YouTube）、OfficeChaiによるIndia AI Summitの整理）。
これは「既知のパターンを当てる」性能ではなく、未知の仮説を立て、検証可能な発見につなげる創造性 のテストです。AlphaGoの 第37手 のような驚きはすでに起きていますが、氏は「将棋のルールごと発明できるか」まで含めて、まだ一段上の創造性が必要だと述べています（Y Combinator対談）。IT現場に置き換えると、RAGで社内文書をうまく要約するシステムと、業務の前提そのものを覆す設計変更を提案するシステム の差——その差が、今後の「AGIに近いか」の議論の中心になる、と捉えると腹落ちしやすいでしょう。
I/Oの会場では、Mike Allen（Axios）との対談でも同じテストが紹介され、現行モデルはまだその水準に届いていない一方で、次世代アーキテクチャなら可能になる という見通しが語られました（La Gaceta（I/O会話の報道））。ここまでが、ハサビス氏が示す 「何に向かっているか」 の輪郭です。次に、その到達手段としての エージェント と 科学へのAI を見ていきます。
エージェントの時代——「AIファースト」から根底の組み替えへ
I/O 2026でGoogleが強調したのは、単に新モデルを積むことではなく、巨大なエンジニアリングスタックを「エージェントファースト」で根から組み替えた という点です。ハサビス氏は 「エージェントの時代（Agentic era）がここに来た」 と明言し、AIの役割が 質問に答えるツール から、環境を理解し、長期間にわたってタスクを完遂するシステム へ移った、と説明しています（Google I/O '26 Keynote、Sundar Pichaiのキーノートまとめ）。
開発者向けの顔として Antigravity 2.0 は、IDEの延長ではなく エージェントとの対話・成果物・複数エージェントのオーケストレーション を中心に据えたスタンドアロンアプリとして位置づけられています（Google Developers Blog）。常時稼働の Gemini Spark は、個人のデジタル生活をバックグラウンドで支えるエージェントとして示されました。製品の権限設計や止めどころは、先に引用した 返答を待つ時代は終わる や AIエージェントを使うとき、どこまで任せてどこで止める？ がそのまま効きます。
エンジニアの仕事は「実装」から「指揮」へ
ハサビス氏自身の言葉も、この転換を体現しています。Y Combinatorの対談では、17歳のとき 半年かけて作ったゲーム『Theme Park』のプロトタイプが、いまならエージェント支援で30分程度 だと語りました。一方で、App Storeで1000万本売れるレベルの作品が、まだエージェントだけで生まれていない ことも認め、真価が出るのは 6〜12か月先 だと見ています（Y Combinator対談）。つまり、速度は劇的に上がったが、味・判断・仕上げ は依然として人間の領域——という冷静な線引きです。
キーノートでは、社内で Gemini 3.5 Flash と Antigravity を組み合わせ、12時間・93のサブエージェントでOSコアを組み立てるデモも披露されました（Google I/O '26 Keynote）。オープンソース側のエージェント競争は 430Bトークンが示した勝負——Hermes Agentと育つAIエージェントの設計地図 で触れましたが、ハサビス氏が示す方向は共通しています。APIを叩く人 より、エージェントを編成し、失敗の半径を設計する人 の価値が上がる——モデルの外側が勝負——ハーネスエンジニアリングを現場言語でつかむ で整理した「外側の設計」が、いまはCEOレベルの公式メッセージになった、と言っても過言ではありません。
科学が主戦場——AlphaFoldから「学習するシミュレーション」へ
ハサビス氏がAIを追い続けてきた原点は、チャットではなく 科学の加速 です。AlphaFoldは 約2億件のタンパク質構造予測 を無償公開し、世界の生物学研究者の標準ツールになりました（AlphaFold — Google DeepMind）。2024年のノーベル化学賞は、その路線の正当性を象徴する出来事として語られ続けています。
I/O 2026では、その延長として Gemini for Science が発表されました。仮説生成（Co-Scientist）、計算実験（AlphaEvolve、ERA）、文献統合（NotebookLM）など、科学的方法の各段階にエージェント的な支援を差し込む 構想です（Gemini for Science（Google Blog））。ここでの論点は、狭い特化モデルと汎用エージェントの二層がどう役割分担するか——汎用モデルが AlphaFoldのような専門ツールを呼び出す 形が自然、というのがハサビス氏の見立てでもあります（Y Combinator対談）。
物理方程式から、データで学ぶ天気へ
主戦場の移り変わりを象徴するのが 気象シミュレーション です。従来、ハリケーン進路などは ナビエ・ストークス方程式 をスパコンで長時間回すのが主流でした。Googleの WeatherNext ファミリーは、数十年分の観測と極端気象データから AIが直接予測モデルを学習 する路線です。ハリケーン・メリッサ では、弱い熱帯低気圧段階から ジャマイカへのカテゴリ5上陸 を最大5日前後に高い確信で予測し、米国国立ハリケーンセンター（NHC）の判断を支えた、と報告されています（WeatherNextとHurricane Melissa（DeepMind）、WeatherNext 2の紹介）。
キーノートの映像でも、従来モデルより 速く、強度も含めて精度よく 読めた事例が示されました（Google I/O '26 Keynote）。MIT Technology Reviewは、「シンギュラリティの麓」という壮大な言葉 と、命を救いうる気象予測という具体成果 のあいだに張られる緊張——科学AIの二つの進路（特化ツール vs 自律エージェント）——を鋭く指摘しています（MIT Technology Review）。IT部門にとっての示唆は、生成AIが「社内チャット」に閉じる話ではなく、動的システムのデジタルツイン としてインフラ・防災・サプライチェーンに入り込む、ということです。
時速100マイルより、向き——熱狂のなかで立ち止まる勇気
シリコンバレーの Freneticism（熱狂的な慌ただしさ） に対し、ハサビス氏は開発者・ビルダーへ地に足のついた忠告を送っています。I/Oの対談では、次のように報じられています。「間違った方向に時速100マイルで走るくらいなら、立ち止まって正しい方向を考えた方がマシだ。速度そのものより、速度の向き（direction of velocity）の方が重要だ」（La Gaceta（Google I/O 2026の会話））。
背景には、ChatGPT以降の 猛烈な商業競争 への複雑な態度があります。Cleo Abramとのポッドキャストでは、本来なら CERNのような国際協調の科学プロジェクト としてAGIに近づきたかったが、現実は市場と地政学に押されて 誰も単独では減速できないレース になった、と率直に語っています（OfficeChaiの整理）。理想と現実のあいだで、氏は 科学者としての理想 と エンジニアとしての現実対応 の両方を引き受けている、という読み方ができます。
ディープテックや困難な課題では、リリース速度（velocity）に囚われず、正しい方向（direction）を見極めるための深く静かに考える時間 が不可欠だ、というメッセージは、毎週のモデル更新に振り回される現場ほど効きます。製品を急いで出すことと、ガバナンス・検証・セキュリティを社会が吸収する速度 を合わせること——AGI時代にIT技術者が今から意識しておくべきこと で述べた「境界を設計する」仕事は、まさにこの 方向の調整 そのものです。
2026年、IT技術者が持ち帰る三つの問い
ハサビス氏の発言を通した2026年の輪郭は、モデル規模の自慢合戦から、エージェントとして社会に自律稼働させる設計競争 へ完全に移った、という一文に集約できます。最後に、明日からの設計に落とす形で三つに絞ります。
第一に——「いつ来るか」より「何をもって到達とみなすか」
2030年という数字は、計画のバッファとして使えます。一方で、アインシュタイン・テストが示すように、真の問いはタイムラインではなく創造性と一貫性 です。ベンチマークの点数だけで安心せず、未知の業務仮説を立てられるか を社内PoCの成功基準に加えると、議論が実務に寄ります。
第二に——仕事の中心はオーケストレーション
AntigravityやSparkは、優秀な部下のように 並べて、止めて、ログを残す 前提で設計されています。手を動かす時間が減るほど、要件分解・評価・権限・承認 の比重が上がります——賢い1回より止まらない仕事——AIエージェントを状態機械として設計する の延長です。バイブコーディングの速度は、「誰でも作れる」の裏側——バイブコーディングが広げる「負債」と、技術者が今、用意すべきこと で触れた 負債とレビュー の話とセットで見るべきです。
第三に——科学と産業の両方で「方向」を選ぶ
WeatherNextやAlphaFoldは、AIの価値が コスト削減のチャット に留まらないことを示しています。自社のドメインに シミュレーション可能な複雑系 があるなら、汎用チャットより データから学ぶ予測・仮説生成 の方が差別化になります。同時に、熱狂的な導入競争のなかで 間違った方向への加速 をチーム内で止める文化——それが、ハサビス氏が求める アーキテクトの視座 だと言えそうです。
シンギュラリティの麓に立った、という言葉は派手です。けれど、その直下にある実務は地に足がついています。エージェントをどう任せ、科学と産業のどこに向き、どこで立ち止まって考えるか——2026年のIT技術者に求められているのは、その設計図を描くことではないでしょうか。
作成日：2026年5月22日