Gemini動画解析がトークン88%削減｜EC動画活用3つの論点

齋藤竹紘2026年9月2日2026年9月2日AIニュース

Googleは2026年9月1日、Geminiに動画をエージェント的に解析する機能を追加しました。

トークン消費が最大88%減り、解析コストは最大66%下がり、精度は最大7%向上するという発表です。長尺動画をAIに読ませるコストが一段下がったことで、商品紹介動画やライブコマースのアーカイブ、店舗の作業録画といった「これまで解析を諦めていた素材」が現実的な検討対象になります。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。

何が起きたか：Geminiのエージェント型動画理解が正式公開

エージェント型動画理解とは、AIが動画のどこを・どの速度で・どのモダリティ（映像・音声・文字起こし）で見るかを自分で決めて、必要な部分だけを取りに行く処理方式のことです。Googleの公式発表によると、この機能はGemini 3.7 Flash、3.6 Flash、3.5 Flash-Liteの3モデルで同日から利用できます。

従来の静的処理は、動画を毎秒1フレームなど固定のレートで丸ごと読み込む方式でした。90分の講義や数時間の録画をそのまま流し込むと、トークン費用が跳ね上がるか、重要な瞬間を取りこぼすかの二択になっていたわけです。今回の方式では、モデルが内部ツールを呼び出して該当箇所だけを読み込むため、標準的な動画解析ベンチマークで解析コストが最大66%、トークン消費が最大88%減り、精度は最大7%上がったとされています。

利用方法もシンプルで、Gemini APIのリクエスト設定で処理方式を「agentic」に指定するだけです。追加の機能料金は発生せず、通常のGemini APIのトークン課金がそのまま適用されます。アップロードした動画ファイルとYouTube動画の両方が対象で、Gemini Enterprise Agent Platformからも呼び出せます。

日本のEC事業者にとっての論点は3つ

結論から言えば、動画がようやく「テキストと同じ土俵で扱えるデータ」に近づいた、というのが今回の意味です。論点は3つあります。

1つ目は、商品動画とライブコマースのアーカイブ活用です。楽天市場のRakuten LIVEやInstagram、TikTokでのライブ配信は、終わった瞬間に資産価値がほぼゼロになりがちでした。1時間の配信から「どの商品が何分何秒で紹介され、視聴者の質問が何に集中したか」を抽出する処理が、これまでの数分の一のコストで回せるなら、配信のたびに商品ページのFAQやレビュー訴求を更新する運用が現実味を帯びます。Googleが挙げた用途にも、複数時間の動画に対する「干し草の中の針」検索と、秒未満の瞬間検出が並んでいます。

2つ目は、UGC動画とレビュー動画のモニタリングです。TikTokやYouTubeで自社商品が紹介された動画を、担当者が目で追って確認している事業者は少なくありません。トークン消費が最大88%減るということは、同じ予算で扱える本数が増えるということでもあります。誇大表現や誤った使い方の説明が含まれていないかの一次スクリーニングは、AIに任せて人が最終判断する形に寄せやすくなります。

3つ目は、倉庫や店舗のオペレーション動画です。異常検知や動作の回数カウントの精度が上がったとGoogleは説明しており、梱包作業の録画から手戻りの多い工程を洗い出すといった使い方が考えられます。ただし従業員の映る映像を扱う以上、個人情報保護法上の取り扱いと社内規程の整備が先です。ここは技術より運用設計の問題になります。

初動として何をすべきか

まず試すなら、社内にすでにある動画を1本選んで比較検証するのが早いです。同じ動画・同じ質問文で、処理方式を静的とエージェント型で切り替え、消費トークン数と回答の正確さを並べて記録します。Googleが示した88%という数字はベンチマーク上の最大値であり、自社の素材でどうなるかは実測しないとわかりません。ここを確かめずに社内展開すると、期待値だけが独り歩きします。

次に、動画から何を取り出したいかを先に言語化しておくことです。「商品名と紹介開始秒数の一覧」「視聴者からの質問トップ10」のように出力形式まで決めておくと、そのままCSVに落として運用に組み込めます。逆に「いい感じに要約して」では、コストが下がっても業務は変わりません。

そして、今回の対象がFlash系の軽量モデルである点は押さえておきたいところです。Googleは、Gemini 3.7 Flashが精度とコストの両立で最も優れるとしています。高精度が必要な最終判断は人が担い、大量スクリーニングをFlashに回すという役割分担が、当面は現実的な設計になりそうです。

まとめ

Geminiのエージェント型動画理解は、トークン消費を最大88%、コストを最大66%削減しながら精度を最大7%高める機能として2026年9月1日に公開されました。日本のEC事業者にとっては、ライブ配信アーカイブ、UGC動画、作業録画という3種類の「溜まっているのに使えていない動画」を棚卸しする好機です。まずは1本、実測から始めるのが確実です。

参考文献

※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/

引用元: Google, Introducing agentic video understanding with Gemini

【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）

齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。

投稿者: 齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。齋藤竹紘のすべての投稿を表示