Vertex AI 移行ガイド（基本編）— AI Studio からエンタープライズ運用への橋渡し

🎯 はじめに：本番ローンチの直前に通る道

本記事はシリーズ 「Gemini AI プラットフォーム活用」の第 5 回 です。これまで 課金構造・モデル選定・Batch API・Python 実装 を扱ってきました。今回は、**PoC で動いた AI Studio ベースのコードをそのままエンタープライズ運用に乗せるための Vertex AI 移行（基本編）**を扱います。

⚡ 結論を先に: SDK レベルでは vertexai=True を加えるだけで移行できます。残りの 80% は GCP プロジェクト側の準備（IAM、VPC、監査、予算）。本記事はその「残り 80%」のチェックリストを整理します。

⚠ ただし Batch API だけは別物: Vertex AI の Batch API は AI Studio とは入出力経路が完全に異なり（Files API → GCS）、vertexai=True 1 行では移行できません。次回 Part 6: Vertex AI Batch API 編 で個別に扱います。

🔍 AI Studio vs Vertex AI 機能比較

💡 ポイントは最後の 「同じ SDK で切り替え可能」。Part 4 で書いた Python コードはほぼそのまま動きます。

🗺 Vertex AI のメニュー構成

初めて Vertex AI を開くとメニューが多すぎて迷子になります。Gemini を使う観点で重要なものに絞ると以下のとおり。

Vertex AI
├── ダッシュボード ........... 全体の概要
├── Model Garden ............ 利用可能なモデル一覧（Gemini / Claude / Llama 等）
├── Vertex AI Studio 🆕 ..... プロンプトのテスト（AI Studio 相当）
├── 生成 AI の評価 🆕 ........ モデル評価ツール
│
├── Agent Builder
│   ├── エージェントデザイナー ... AI エージェント構築
│   ├── Agent Garden ......... テンプレート
│   └── Agent Engine ......... 実行環境
│
├── ツール .................. Function Calling 等
├── RAG Engine .............. RAG 構築支援（マネージド）
├── Vertex AI Search ........ 検索機能
├── ベクトル検索 ............ ベクトル DB（旧 Matching Engine）
│
├── ノートブック
│   ├── Colab Enterprise .... マネージド Colab
│   └── Workbench ........... JupyterLab 環境
│
├── モデルの開発
│   ├── Feature Store ....... 特徴量管理
│   ├── データセット ......... トレーニングデータ管理
│   ├── トレーニング ......... モデル学習
│   └── テスト .............. モデル評価
│
└── デプロイと使用
    ├── Model Registry ...... モデルバージョン管理
    ├── エンドポイント ....... 推論 API
    ├── バッチ推論 ⭐ ........ 大量データ処理（50% オフ）
    └── モニタリング ......... 使用量・性能監視

最初に押さえるのは Model Garden / Vertex AI Studio / バッチ推論 / モニタリング の 4 つ。残りは段階的に学べば十分です。

🛠 SDK での切り替え：vertexai=True だけ

Part 4 で書いたクライアント初期化が、移行の唯一の差分です。

移行前（AI Studio / Gemini Developer API）

from google import genai

client = genai.Client(api_key=os.environ["GOOGLE_API_KEY"])

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="こんにちは",
)

移行後（Vertex AI）

from google import genai

client = genai.Client(
    vertexai=True,                  # ← 追加
    project="your-gcp-project",     # ← GCP プロジェクト ID
    location="asia-northeast1",     # ← リージョン（東京）
)

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="こんにちは",
)

差分は Client(...) の引数 3 つだけ。API 呼び出し以降は同じコードで動きます。これが Vertex AI 移行を「ほぼ無料リファクタリング」と言える根拠です。

認証方法の違い

開発者ローカルなら gcloud auth application-default login で済みますが、本番ワークロードでは Workload Identity Federation（WIF） を使ったキーレス認証が推奨です。WIF の詳細は SaaS セキュリティ — WIF キーレス認証編 を参照してください。

🪜 段階的な移行戦略

Phase 1: 開発・検証                           Phase 2: 本番リリース                Phase 3: マルチテナント拡大
─────────────────────────────────────────────────────────────────────────────────────────────────────────────►
    │                                              │                                       │
    │  AI Studio                                   │  Vertex AI（Standard PayGo）         │  Vertex AI + PT
    │  - APIキー                                   │  - vertexai=True                     │  - 専用スループット
    │  - 無料枠フル活用                            │  - IAM 認証（WIF 推奨）              │  - 月額固定コスト
    │  - Batch API で 50% オフ                     │  - VPC-SC / 監査ログ                 │  - SLA 保証
    │                                              │  - Cloud Monitoring                  │  - 最低 1 週間契約
    │                                              │                                       │
    └─ 個人 PoC、社内検証 ──────────────────────► └─ プロダクション ────────────────────► └─ 高スループット安定運用

Phase 1（PoC）: AI Studio で十分

• APIキーで即着手
• Free Tier / Tier 1 のレート制限内で検証
• Batch API でコストを抑えながらデータセット作成

Phase 2（本番）: Vertex AI Standard PayGo

• vertexai=True で SDK 設定変更
• 認証を APIキー → IAM（WIF）に切替
• VPC-SC、Cloud Monitoring、予算アラートを整備
• Cloud Logging で監査ログ取得

Phase 3（拡大）: Vertex AI + Provisioned Throughput

• マルチテナントで安定スループットが必要になったら検討
• 月額固定コストでレイテンシも安定
• 詳細は次節

💎 Provisioned Throughput（PT）とは

固定料金で専用スループットを確保する課金プラン。

PT が向いているケース

• ✅ マルチテナントで安定した応答速度が必要（顧客 SLA に縛られる）
• ✅ 月額コストを固定したい（経理・予算管理上）
• ✅ リアルタイムチャットボット・AI エージェントで常時負荷
• ✅ 高スループットが常時必要（30,000 QPM 以上が目安）

PT が不要なケース

• ❌ バッチ処理がメイン → **Batch API（50% オフ）**のほうが安い
• ❌ トラフィックが不安定・予測困難
• ❌ 開発・検証段階

PT vs Batch API の判断表

💡 「リアルタイム部分だけ PT を確保して、夜間バッチは Batch API に流す」というハイブリッド構成は、コスト最適化の最終形です。

✅ 移行チェックリスト

実プロジェクトの移行で漏らしやすい項目を、上から実施順に並べたチェックリストです。

GCP プロジェクトの準備

• Vertex AI API の有効化（gcloud services enable aiplatform.googleapis.com）
• サービスアカウントの作成（または既存利用）
• IAM ロールの設定 — 最低限 roles/aiplatform.user、ログ書込に roles/logging.logWriter
• WIF の設定（推奨）— サービスアカウントキーをコードに置かない

ネットワーク設定（必要に応じて）

• VPC Service Controls — データ持ち出し境界の設定
• Private Service Connect — Vertex AI を VPC 内から呼び出す
• エグレス経路の確認 — 既存のプロキシ・NAT ゲートウェイとの整合

コード変更

• vertexai=True の追加（project / location も）
• APIキー → IAM 認証の切替 — GOOGLE_API_KEY 依存を排除
• モデル名の確認 — Vertex AI 側で同じモデル名が利用可能か
• エラーハンドリング — errors.APIError の挙動を再テスト

モニタリング設定

• Cloud Monitoring アラート — エラー率・レイテンシ・トークン消費
• 予算アラート — 50% / 80% / 100% の通知設定（Part 1 参照）
• 使用量ダッシュボード — Looker Studio 等で可視化
• Cloud Logging — 監査ログ・リクエストログの保存先設計

コンプライアンス（必要に応じて）

• データ所在地の確認 — location を国内リージョン（asia-northeast1）に固定
• 顧客データの送信ポリシー — 個人情報の扱い、ログのマスキング
• モデルレスポンスの保存ポリシー — どこに何日保管するか

💰 Vertex AI の料金（参考）

Vertex AI の Gemini API 呼び出し料金は、Gemini Developer API とほぼ同じです。差分は周辺機能。

💡 純粋に Gemini 呼び出しだけなら Vertex AI に乗せてもコストはほぼ変わらない。価値はセキュリティ・SLA・MLOps 側にあると割り切る。

🔮 シリーズの先：Vertex AI 各論へ

本シリーズは「AI Studio で動かす → Vertex AI で本番運用する」という基本動線をカバーする 5 回構成でした。Vertex AI 側の各論は今後、別記事として段階的に追加していく予定です。

• 🔜 Vertex AI RAG Engine — マネージド RAG の構築実例
• 🔜 Vertex AI Search — エンタープライズ検索基盤
• 🔜 ベクトル検索（Matching Engine） — 大規模ベクトル DB の構築
• 🔜 Provisioned Throughput の容量設計 — GSU 計算と契約戦略
• 🔜 VPC-SC + Private Service Connect での閉域構成 — 金融・公共向け
• 🔜 Workload Identity Federation × Vertex AI — キーレス認証のベストプラクティス

すでにシリーズ外で公開している関連記事もあわせてご覧ください。

• Gemini API モデル移行ガイド：2.5 → 3 への備え — モデル世代移行の準備
• BtoB SaaS セキュリティ — WIF キーレス認証編 — Vertex AI 認証の推奨形
• GCP / AWS キーレス認証の落とし穴 — WIF 運用上のハマりどころ

✅ 第 5 回まとめ

• Vertex AI 移行は vertexai=True を加えるだけで SDK レベルは完了（Batch API を除く）
• 残り 80% の作業は GCP プロジェクト側の整備（IAM、VPC、監査、予算、WIF）
• 認証は APIキー → サービスアカウント / WIF に切替
• Provisioned Throughput は「マルチテナント × 安定スループット必要」になったら検討
• リアルタイムは PT、バッチは Batch API、変動は PayGo の 3 方式ハイブリッドがコスト最適形
• Batch API だけは別物: Vertex AI 側は GCS 経路で実装が大きく異なる → 次回 Part 6 で詳説

次回 Vertex AI Batch API 編 では、AI Studio の Batch API（Files API 経路）と Vertex AI の Batch API（GCS 経路）の決定的な違いと、ハマりやすいポイント、実装テンプレートを扱います。

📚 シリーズ記事

🔗 関連リソース

• Vertex AI 公式ドキュメント
• Vertex AI Generative AI 価格
• Provisioned Throughput 公式
• Workload Identity Federation 公式