Googleは、最新モデル「Gemini 3.5 Flash」にPC操作機能をネイティブ統合したと発表した。AIがブラウザやデスクトップアプリを直接制御可能になることで、事務作業の自動化は単なる「データ処理」から「操作の代行」へと大きく進化し、業務フローのあり方を根本から変える可能性がある。
Googleの発表によれば、Gemini 3.5 FlashへのPC操作機能（Computer Use）の統合は、AIエージェント開発における重要な転換点である。従来、AIによるPC操作は独立したモデルや限定的な環境に依存していたが、今回、軽量かつ高速な「Flash」モデルに標準機能として組み込まれた。これにより、開発者はより汎用的な環境で自律型エージェントを構築でき、ソフトウェアの継続的なテストや、複数の専門ツールを横断する複雑なナレッジワークの自動化が現実味を帯びている。
本機能により、AIは画面を認識し、推論を経てブラウザやデスクトップ上で直接クリックや入力といった操作を実行できる。これは、人間がPCを操作するのと同様のデジタルタスクをAIが代行することを意味する。Googleの技術文書では、この機能がGemini APIおよびGemini Enterprise Agent Platformを通じて提供されるとしており、企業は自社のアプリケーションやワークフローにAIの操作能力を直接組み込むことが可能となる。
企業にとって、この機能は既存のレガシーシステムを改修することなくAIを導入できる極めて大きな利点をもたらす。高額なシステム改修やAPI連携開発が不要となり、AIを「一人の従業員」として既存のソフトウェア環境に組み込むことで、導入コストと時間を劇的に抑えられる。これにより、これまで自動化が困難だった業務プロセスにもAIを適用し、運用負荷の軽減や生産性向上に直結すると見られる。
この進化は同時に新たなリスクも孕んでいる。AIが外部環境を操作できるということは、悪意あるプロンプトインジェクションによって意図しない操作が実行される危険性を意味する。OWASPの指摘によれば、プロンプトインジェクションはAIエージェントの乗っ取りの主要因として最高レベルのリスクである。Googleは対策として敵対的学習を導入し、機密操作に対するユーザー確認機能や不正検知時の自動停止システムといった「多層防御」を提示している。しかし、OpenAIの報告では強力なモデルでも攻撃に対して堅牢ではないことが示されており、実運用での安全性は未知数だ。日本の総務省と経済産業省のAI事業者ガイドラインv1.2では、動作ログ保存や誤動作時の停止・ロールバック手順が求められている。今後は、開発者側がいかに堅牢なサンドボックス環境を構築し、人間による監視（Human-in-the-loop）を維持できるかが普及の鍵となる。
