Introduction
2026年8月、GoogleはGoogle DeepMindの指導体制を大きく変更した。
共同創業者でCEOを務めてきたデミス・ハサビスは日常的な組織運営から離れ、Google DeepMind会長およびAlphabet最高科学責任者に就任する。Google DeepMindの最高技術責任者でGoogleのChief AI Architectでもあったコライ・カヴクチュオールはSenior Vice Presidentとなり、モデル開発、フロンティアAI研究、Geminiアプリ、開発者向け部門を統括し、サンダー・ピチャイに直接報告する体制となった。ハサビスはAI創薬企業Isomorphic LabsのCEOも引き続き務める。
同じ時期には、GoogleのChief Scientistとして長年同社のAI研究を牽引してきたジェフ・ディーンが、サンジェイ・ゲマワット、オリオール・ヴィニャルス、クオック・リーとともにGoogleを離れ、新会社Discovery Loopを設立した。
表面的には、これは大企業における一連の人事異動に見える。しかし、その背後には、フロンティアAI研究機関が急速に巨大事業へ成長したとき、研究の自律性、製品化の速度、安全性、企業経営をどのように統治するのかという、より普遍的な課題が存在する。
Google DeepMindの再編は、この問題を考えるための格好の事例である。
1 「研究者CEO」から二層型リーダーシップへ
2010年にDeepMindを共同創業したハサビスは、長く研究上の方向性と組織経営の双方を担ってきた。
その後DeepMindはGoogle傘下に入り、2023年にはGoogle Brainと統合されGoogle DeepMindとなった。AlphaGo、AlphaFold、Geminiへと続く成果は、基礎研究と企業の巨大な計算資源を結びつけるモデルが大きな成果を生み得ることを示した。
今回、その構造が変わる。
ハサビスはAGI、科学研究、Alphabet全体の長期的技術戦略へ重点を移し、カヴクチュオールがGoogle DeepMindの日々の執行を担う。研究上の象徴的リーダーシップと、モデル・製品を動かす執行責任を分けた形である。
これは珍しい構造ではない。大学でも、学長、プロヴォスト、研究担当副学長などの役割を分離することがある。研究機関でも、科学ディレクターと経営責任者を別に置く場合がある。
ただし、フロンティアAIではこの分離が特に難しい。
研究テーマ、計算資源、安全性評価、モデルの公開時期、製品戦略が密接に結びついているからである。科学と経営を組織図上で分けても、意思決定そのものを完全に切り分けることはできない。
したがって、新体制を見る際には肩書よりも権限配分を見る必要がある。
誰が研究予算を決めるのか。誰が大型モデルの訓練を承認するのか。安全上の懸念があるとき公開を止められるのは誰か。科学的に重要だが短期的収益には結びつかない研究を誰が守るのか。
この点が、新しいGoogle DeepMindのガバナンスを評価する核心となる。
2 DeepMindは何になろうとしているのか
DeepMindはもともと、AGIを長期的目標に掲げる研究会社として出発した。
しかし現在のGoogle DeepMindは、研究所という言葉だけでは捉えにくい組織になっている。
GeminiはGoogle検索、Workspace、Cloud、Android、開発者向けサービスなど、Googleの主要事業と結びつく基盤技術である。GoogleにとってAIは一部門の研究テーマではなく、企業全体の競争力を左右するインフラとなった。
その結果、Google DeepMindに課される要求も変化する。
論文や科学的ブレークスルーだけでなく、モデル性能、公開速度、推論コスト、開発者利用、法人顧客、検索との統合といった指標が同時に問われる。
2026年7月、AxiosはGemini 3.5 Proの開発遅延、AI人材の流出、組織内の士気低下について報じた。現・元Google DeepMind社員は、競合モデルへの遅れや、エージェント型コーディングへの対応不足などを問題として挙げている。Google側は、士気問題がモデル開発の不振を引き起こしているとの見方には反論している。
この状況で経営側が開発速度と責任の明確化を求めるのは不自然ではない。
今回の再編は、DeepMindという研究組織を消滅させる決定ではない。しかし、Google DeepMindをAlphabetのAI戦略の中核的な実行組織として、さらに強く位置づける動きとは評価できる。
3 研究と製品は、本当に分けられるのか
古典的な企業研究所では、研究部門が技術を生み出し、別の事業部門がそれを製品化するという分業が可能だった。
ベル研究所に代表されるモデルである。
フロンティアAIでは、この境界が著しく曖昧になっている。
大規模モデルの性能は、アルゴリズム研究だけでは決まらない。訓練用計算資源、データ、モデル評価、推論インフラ、ユーザーからのフィードバック、安全性試験までが一つの開発サイクルを形成する。
例えば、次世代モデルでコーディング能力を優先するという判断は、製品戦略であると同時に研究資源の配分でもある。エージェント機能を強化すれば、AI安全性研究にも新たな課題が生まれる。
したがって、Googleの新体制を「ハサビスが研究、カヴクチュオールが製品」と単純に理解するのは適切ではない。
カヴクチュオールの担当には、Gemini製品だけでなくフロンティアAI研究そのものが含まれている。
この点から見ると、新体制は研究と事業を切り離したというより、両者を一つの執行ラインで統合し、その上に長期的な科学戦略を担当するハサビスを置く構造と考えた方が近い。
これは合理的な設計になり得る。
同時に、長期研究が短期的な競争圧力に吸収される危険も生む。
4 Chief Scientistに必要なのは「権威」か「権限」か
ハサビスのAlphabet Chief Scientist就任は、組織階層だけを見れば昇格とも解釈できる。
Google DeepMind一組織のCEOから、Alphabet全体の科学戦略を見る立場になるからである。
一方で、科学的影響力と経営上の執行権は同じものではない。
研究組織では、高名な科学者が長期ビジョンを示しながら、予算、人事、製品化は別の経営者が決定することがある。このモデルが成功するかどうかは、両者の役割がどれだけ制度化されているかに左右される。
Chief Scientistが研究方針について助言できても、独自の研究予算を持たず、人材配置を決定できず、安全上の理由によるモデル公開停止権も持たないのであれば、その影響力は最終的には経営側の判断に依存する。
逆に、長期研究予算、安全性審査への参加、取締役会やCEOへの直接的なアクセスが制度的に保障されていれば、執行業務から離れることで科学的役割を強化することも可能である。
現段階で、ハサビスの新しい権限の詳細は公表されていない。
したがって、「ハサビスの影響力が低下した」と断定するのも、「Alphabet全体へ影響力が拡大した」と判断するのも早い。
今後確認すべきなのは肩書ではなく、予算、人事、研究テーマ、モデル公開、安全性判断に対してChief Scientistがどのような正式権限を持つかである。
5 安全性を誰が統治するのか
この問題はAI安全性になると一段と重要になる。
ハサビスは近年、フロンティアAIの安全性について積極的に発言してきた。2026年7月には、高度AIモデルを評価する米国主導の国際的監督機関を設け、重大な危険が確認された場合には業界横断的な開発減速も可能にする構想を提示している。
Google DeepMind自身も、生物安全保障などに関する取り組みを拡大してきた。
一方、Google内部ではAIの軍事利用をめぐる緊張も生じている。
Axiosは、Googleと米国防総省との契約に反対して退職したDeepMind研究者がいることや、この契約が退職面談で繰り返し話題になっているとの証言を報じている。一部研究者は倫理的な対立を精神的負担として語っている。
ただし、この問題と2026年8月の経営再編を直接結びつける根拠は現在のところ確認されていない。その二つは区別して扱うべきである。
それでも、この事例から明らかになる論点がある。
高度AIの安全性や軍事利用を、個々の研究者や研究責任者の倫理観だけに依存させるのは脆弱である。
安全性評価を行う主体、モデル公開を承認する主体、重大リスクが発見された場合に停止を命じられる主体、経営判断と安全性判断が衝突したときの最終決定者を、組織制度として定める必要がある。
フロンティアAIの安全性は、研究テーマというより企業統治の問題になりつつある。
6 ジェフ・ディーンの離脱が示すもう一つの問題
今回の変化を考えるうえで、ジェフ・ディーンの離脱は無視できない。
ディーンはGoogleのChief Scientistを務め、Google Brainの共同創設者として同社のAI研究体制を築いた中心人物の一人である。検索、翻訳、機械学習基盤に加え、TPUの発展にも深く関与し、後にはGemini開発にも携わった。
Business Insiderによれば、ディーンはサンジェイ・ゲマワット、オリオール・ヴィニャルス、クオック・リーとともにDiscovery Loopを設立した。科学・工学・機械学習の実験サイクルをAIによって自動化し、大規模な並列実験を可能にすることを目指すPublic Benefit Corporationである。
興味深いことに、Alphabet自身が同社の創業投資家およびクラウドパートナーとなっている。
したがって、この離脱をGoogleとの決裂と単純化することはできない。
むしろ注目すべきなのは、世界最高水準の研究者が、大企業内部ではなく、新しい独立組織によって科学研究のAI化を追求する道を選んだことである。
ここには研究組織のスケールに伴う難題が見える。
巨大企業は計算資源、データ、資金を提供できる。一方、組織が巨大化すると、研究テーマは企業戦略や製品ロードマップと不可避的に結びつく。
小規模で独立した研究組織は資源では劣るが、課題設定や意思決定の自由度では優位に立つことがある。
Google DeepMindとDiscovery Loopは、これから対照的な二つの研究組織モデルを示す可能性がある。
7 二層型ガバナンスは機能するか
Googleの新しい構造には一定の合理性がある。
ハサビスは日々の巨大組織運営から離れ、AGI、科学、安全性といった長期課題に集中できる。カヴクチュオールは、研究、モデル開発、Gemini製品を一つの執行ラインで管理し、競争環境の変化に迅速に対応できる。
問題は、二つの時間軸が衝突したときである。
次のGeminiを半年早く公開することと、追加の安全性評価に半年を費やすこと。
商業的可能性が明確なモデル改良と、成果が出るか分からない長期的AGI研究。
Google全体への統合を進めることと、DeepMind固有の研究文化を維持すること。
これらには単一の正解がない。
だからこそ、個人間の信頼だけでは足りない。権限、責任、対立解決の手続を設計する必要がある。
優れた二層型ガバナンスでは、科学的リーダーと執行リーダーの一方が他方に従属するのではなく、それぞれが異なる価値を制度的に代表する。
Googleがその仕組みをどこまで構築できるかが、新体制の本当の試金石となる。
8 AI研究組織に求められる五つの原則
Google DeepMindの事例から、フロンティアAI研究組織に共通する五つのガバナンス原則を抽出できる。
第一は、研究の長期性を制度として守ることである。5年、10年を要する基礎研究を四半期単位の製品指標だけで評価すれば、長期研究は必然的に縮小する。独立した予算枠と評価体系が必要になる。
第二は、科学責任者の権限を明確にすることである。Chief Scientistという名称だけでは十分ではない。研究資源、安全性、採用、モデル公開にどこまで関与できるのかを明文化しなければならない。
第三は、安全性評価の制度的独立性である。モデルを早く公開することに責任を持つチームだけが安全性判断も行えば、利益相反が生じる。
第四は、専門的異議を保護する制度である。研究者が技術的、倫理的、安全保障上の懸念を表明でき、それが人事上の不利益につながらない仕組みが欠かせない。
第五は、取締役会レベルの監督である。フロンティアAIが企業だけでなく安全保障、労働市場、教育、民主主義、科学研究に影響を及ぼす以上、重大なAIリスクを研究部門だけに委ねることはできない。
これらは特定企業への処方箋というより、フロンティアAI組織一般に適用できる原則である。
9 大学にも同じ問題が迫っている
Google DeepMindの事例は、大学にとっても無関係ではない。
大学では今後、AI企業との共同研究や外部資金への依存がさらに拡大する。巨大モデルの研究には大規模な計算資源が必要であり、企業との協力なしには実施困難な研究領域も増えるだろう。
そこで同じ問いが生じる。
共同研究の成果を誰が公開できるのか。企業は論文発表を延期できるのか。軍事・監視利用への制限を誰が決めるのか。モデルやデータの所有権は誰に帰属するのか。安全性上の問題を発見した研究者には研究を止める権利があるのか。
こうした条件が曖昧なまま産学連携を進めれば、大学の研究の自律性は契約条件によって徐々に制約されかねない。
研究の自由と産学連携は対立概念ではない。
両立させるには、研究者、大学経営者、企業、倫理審査機関それぞれの権限をあらかじめ制度化しておく必要がある。
AI時代の大学ガバナンスにおいて、これは中心的な課題になっていくだろう。
Conclusion
Google DeepMindの2026年8月の再編を、ハサビスの「降格」あるいは「昇格」という一語で評価するのは適切ではない。
より興味深いのは、GoogleがフロンティアAI研究を統治するために、科学的リーダーシップと経営執行を再配置したことである。
その背景には、Geminiを中心とする激しいモデル競争があり、同時にAGI、安全性、科学研究という長期的課題が存在する。
この二つの時間軸を一つの組織で維持することは容易ではない。
新体制が成功するならば、それはハサビスとカヴクチュオールという二人の能力だけによるものではないだろう。科学的自律性、経営責任、安全性評価、異議申立てを組織制度として結びつけられるかどうかが決定的になる。
Google DeepMindの再編が投げかけている問いは、Googleだけのものではない。
OpenAI、AnthropicをはじめとするAI企業、さらにはAI研究を進める大学や公的研究機関にも共通している。
フロンティアAIの時代には、優れた研究を生み出す能力と同じくらい、その研究をどのような制度のもとで統治するかが重要になる。
Google DeepMindの今回の再編は、その意味で、AI研究の歴史における一つの組織人事ではなく、これからの研究ガバナンスを考えるためのケーススタディなのである。