何が起きたか

Googleが気象AIモデル「WeatherNext 3」を公開し、これがGoogle検索、Gemini、Google Mapsといった同社サービス全体の天気予報の情報源になりました。ホワイトペーパーでは、前世代のWeatherNext 2、および欧州中期予報センター（ECMWF）のAIモデルに対する性能改善が示されています。

技術的な変更点はシンプルです。従来の数値予報モデルが、地点ごとの物理的性質をもとに物理過程をシミュレートするのに対し、機械学習モデルは過去のパターンから未来のパターンを予測する、ほぼブラックボックスの存在でした。WeatherNext 3は、そこにごく少量の物理情報を足しています。具体的には、ユーザーが呼び出した任意の地点について「そこが陸か海か」「地表標高はいくつか」を確認し、その情報を使って地表温度と露点を計算する。開発チームは、その情報をタグ付けした過去の気象観測データで学習させると、予測精度が上がったと説明しています。

なぜ重要か

数字が示すのは、「純粋な機械学習」より「機械学習＋わずかな物理」のほうが効率的に精度を稼げる、という点です。上層大気の状態の精度は約5%改善し、チームはこれを「正確な予報が約6時間分伸びる」効果に相当するとしています。そして特定地点の地表温度計算の変更は、最大30%という桁違いの改善をもたらしました。全球平均の指標より、ユーザーが実際に見る「この場所の気温」が大きく良くなった、という構図です。検索やMapsで一地点の予報を出す用途とぴったり噛み合います。

チームは今回の成果を、分析データだけに頼るのを超え、情報密度が高く低遅延な観測データを活用することで、AIによる気象予測を大きく前進させたものだと位置づけています。ここで効いているのは巨大なモデルではなく、「どのデータを、どう意味づけて食わせるか」の設計です。

素直に読めない部分も残る

一方で、ホワイトペーパーには説明されないままの穴もあります。いくつかの変数について、WeatherNext 3は最初の6時間先予報では他モデルに劣り、その後15日先までの残りの期間で逆転する、という奇妙な挙動を見せます。論文はこの理由を説明していません。直近数時間の予報が重要な業務では、この点は無視できません。

モデルの内部構造が結果に染み出している兆候もあります。降水予測の一部では、モデルのグリッド形状がそのまま可視化され、はっきりと六角形の塊として現れます。また、複数の地表温度予報を生成して「起こりうる幅」を表現する手法では、全球平均気温が高めや低めに振れたスナップショットがしばしば生じます。局所的なばらつきは全球平均では打ち消し合い、平均値は一定に保たれるのが本来期待される姿ですが、そうなっていない。物理法則の制約を部分的にしか入れていないモデルの、そのままの性格が出ている箇所だと言えます。

点をつなぐと

つまりWeatherNext 3は、「物理を全部やり直す」のでも「全部データに委ねる」のでもなく、少量の物理情報を的確な場所に差し込んで実用精度を取りに行った設計です。そしてGoogleは、その成果を論文の中に置かず、検索・Gemini・Mapsという日常導線に即座に載せました。研究成果と製品配信の距離が、ここまで短くなっているという事実そのものが読みどころです。

💼 事業会社視点：これは自社にどう効くか

経営視点で拾うべきは、天気予報そのものより「設計思想の移植性」です。WeatherNext 3が最大30%の改善を得たのは、モデルを大きくしたからではなく、陸か海か・標高という数バイトのドメイン知識を特徴量として与えたからでした。これは、需要予測や在庫最適化、与信、故障予知にAIを入れている日本企業の担当役員に直接効く示唆です。汎用LLMや大規模モデルの導入検討に予算を張る前に、自社が既に持つ「業務が知っている前提条件」——店舗の商圏属性、設備の設置環境、顧客の契約区分——をどれだけ特徴量として渡せているかを点検すべきです。ここは外販モデルでは埋まらない、自社データの構造化という守備範囲です。

ECサイトやアパレル、飲食、物流を持つ事業会社にとっては、より直接的です。予報の精度改善は需要予測の入力品質改善を意味し、気温連動の販促や配車計画の前提が変わります。一方で、6時間先の短期予報では他モデルに劣るという未解明の穴がある以上、当日オペレーションの意思決定を丸ごとGoogle系の予報に寄せるのは早計です。用途を「翌日以降の計画系」と「直近の実行系」に分け、後者は既存ソースを併用する。この使い分けの判断自体が、AI導入の成熟度を分けます。

受託開発・SaaS事業者には別の警告があります。Googleが検索・Gemini・Mapsに一気に載せたように、有力プレイヤーは研究成果を即座に自社導線へ流し込んできます。天気APIの薄いラッパーで価値を出していたレイヤーは削られる���です。生き残るのは、予報を自社業務の意思決定に翻訳する層——つまりドメイン知識を持つ側です。