BoxがGemini Embeddings 2でマルチモーダルエンタープライズエージェントを実現How Box is unlocking multimodal enterprise agents with Gemini Embeddings 2
匿名の公開いいねです。記事の保存・お気に入りではなく、Featured、Top 3、重要度、掲載順位には影響しません。仕組みとプライバシーAnonymous public likes are reactions, not saved articles or bookmarks. They do not affect Featured, Top 3, importance, or listing order.How it works and privacy
- BoxはGemini Embeddings 2を活用し、テキストだけでなく画像や図面などを含むマルチモーダルなコンテンツ検索とエージェントAIを企業向けに提供。
- 従来のRAGの限界を超え、企業データの活用範囲を大幅に拡大する。
Box is integrating Gemini Embeddings 2 to extend enterprise AI beyond text-only RAG, enabling multimodal agents that can reason over financial models, schematics, and other rich content stored in Box.
本ページの本文と要約は AI による自動生成です。日本語版と英語版は言語ごとに独立して生成されるため、表現や詳しさが異なる場合があります。正確性は元記事 (cloud.google.com) をご確認ください。The body and summaries are AI-generated independently for each language, so wording and detail may differ. Verify accuracy at the original source (cloud.google.com).
要約と収集メタデータに基づく AI 解説。元記事全文の転載・翻訳ではありません。AI explainer based on the summaries and collected metadata, not a copy or translation of the full source article.
Gemini Embeddings 2
BoxはGemini Embeddings 2を活用し、企業向けのコンテンツ検索とエージェントAIをテキスト中心の仕組みからマルチモーダルへ拡張する。画像や図面を含む情報を扱えるようにすることで、Boxに蓄積された企業データの活用範囲を広げる取り組みと説明されている。
Boxの企業データ
Boxには、財務モデル、臨床試験プロトコル、M&Aのデューデリジェンスルーム、エンジニアリング図面、法令順守のプレイブックなど、重要なデータが何兆ギガバイトも保存されているという。これらは文章だけで構成されるとは限らず、視覚的な情報、空間的な関係、明確な構造を持つ要素も含んでいる。
テキストRAG
従来のテキスト検索と検索拡張生成、いわゆるRAGは、こうしたリポジトリにある膨大な文章知識を引き出す手段として機能してきた。記事では、テキスト処理を中心とするRAGが、企業向けAIの知識基盤として強力かつ有効なベースラインを確立したとされている。一方、その構成だけでは、画像や図面などに含まれる情報まで同じ枠組みで扱う範囲が限られる。
マルチモーダル
Gemini Embeddings 2の活用により、対象はテキストだけでなく、画像、図面、財務モデルやエンジニアリング図面などの豊富なコンテンツへ広がる。Boxのマルチモーダルなエージェントは、これらの内容を横断して検索し、推論できると説明されている。これは従来のRAGを置き換えるというより、文章知識を扱ってきた枠組みを、視覚的、空間的、構造化された要素へ拡張する位置付けである。
Beyond text-only RAG
Box is integrating Gemini Embeddings 2 to bring multimodal content search and enterprise agents beyond text-only retrieval-augmented generation. This matters because enterprise repositories contain not only narrative knowledge, but also images, drawings, financial models, engineering schematics, and other spatial or highly structured content.
According to the source, text-based search and RAG have already unlocked substantial narrative knowledge stored in Box. These approaches established a powerful baseline for enterprise AI intelligence, but their focus on text processing limits the range of information they can capture.
Multimodal enterprise agents
Gemini Embeddings 2 extends that framework to multimodal content. The integration enables agents to work with rich enterprise material rather than relying solely on text extracted from documents.
The existing summary specifically describes content search and agent AI that cover text as well as images and drawings. The English source summary adds that multimodal agents can reason over financial models, schematics, and other rich content stored in Box. The change therefore concerns both retrieval and how agents use the retrieved information.
Critical data in Box
The source says enterprises have stored trillions of gigabytes of critical data in Box. Examples include financial models, clinical trial protocols, M&A due diligence rooms, engineering schematics, and legal compliance playbooks.
These repositories combine narrative, visual, spatial, and structured elements. Traditional RAG architectures have mastered text processing, according to the source excerpt, while the next evolution is to capture those additional forms of information. By using Gemini Embeddings 2, Box is extending enterprise AI across that broader content range rather than introducing a text-only search capability.
ポコとTECHガイドPoko & TECH Guide
ポコと当サイトのTECHガイドが、記事の要約と収集した情報から読みどころを語るAI生成の対話です。Poko and TECH Dashboard's own TECH Guide discuss the article's highlights in an AI-generated conversation based on its summary and collected source details.
- ポコPokoBoxには数兆GBものデータがあるんだって。文字だけじゃなく画像や図面まで探せるのは、これって大きいこと？Box holds trillions of gigabytes of data. Is it a big deal that AI can search images and drawings too, not just text?
- TECHガイドTECH Guide大きな転換として描かれておるよ。本文では、文字中心の検索で役立っていた知識を、図面などにも広げようとしているんじゃ。It’s presented as a major shift. The article says AI is expanding beyond useful text-based search to material such as drawings as well.
- ポコPokoRAGとかGemini Embeddings 2って、つまりどういうこと？ 図面の中身まで読めるようにする仕組みなの？So what are RAG and Gemini Embeddings 2? Are they a way to let AI understand what’s inside a drawing?
- TECHガイドTECH Guide埋め込みは、内容の近さをAIが扱える形にする目印のようなものじゃよ。この記事では、それで文字だけでなく画像や図面も含めて探し、エージェントが扱う狙いじゃ。Embeddings are like markers that help AI handle how content is related. Here, the goal is to search across text, images, and drawings so agents can work with them.
- ポコPoko自分なら、資料を探すときに文章と図面をまとめて聞いてみたいな。必要なファイルを見つけやすくなりそう！I’d want to ask about a topic and search the written docs and drawings together. That sounds like it could make the right files easier to find!
- TECHガイドTECH Guideよい使い方の想像じゃのう。ただし対象はBoxに保管されたコンテンツで、この記事が示すのは文字専用RAGを広げる取り組みとして受け止めるのがよさそうじゃ。That’s a sensible use case. Still, this applies to content stored in Box, and the article frames it as an effort to extend text-only RAG.
