Googleは11月19日、Mac版Geminiアプリで「コンピューター操作」(computer use)機能の配信を始めた。ユーザーが一言でタスクを説明すると、Geminiが自らクリックし、文字を入力し、メニューをたどり、フォームを埋めて、ローカルファイル、デスクトップソフト、Webページをまたいで作業を完了させる。当面の対象は、米国で英語表示を使うGoogle AI Plus、Pro、Ultraの契約者に限られる。
発表ブログはGeminiアプリのプロダクト責任者、Michael Friedman氏の署名入りで、分量は短い。端末の条件は脚注に書かれており、Apple SiliconチップのMacでmacOS Sequoia 15.0以降、アカウントは18歳以上の個人用Googleアカウントが必要だ。仕事用・学校用アカウントは今回の対象外で、欧州と英国のユーザーもしばらくは使えない。
バックグラウンドのウィンドウで作業
Googleが今回もっとも強調しているのは、Geminiがユーザーとマウスを奪い合わない点だ。Geminiは隔離されたバックグラウンドのウィンドウで動き、チャット欄にはリアルタイムのプレビューが出る。ユーザー自身の画面とカーソルは普段どおり使える。
“Your main screen and cursor remain completely free, so you can keep typing, designing, or taking calls without interruption.”
(メイン画面とカーソルは完全に空いたままなので、入力やデザイン、通話を中断せずに続けられる。)
呼び出しは、会話に「@Computer use」タグを付けて行う。ユーザーは事前にGeminiが触れてよいアプリを選び、各ステップを最後まで見守り、いつでも一時停止できる。重要な操作は実行前にユーザーの承認が必要だ。9to5Googleによると、ログインや支払いの場面でもGeminiは止まって確認を待ち、設定にはBlenderやAutodesk Fusionなどのデスクトップコネクターも加わった。
Googleが挙げた4つの例は、どれも日常の雑務寄りだ。画像編集ソフトで色調整を一括で行ったり3Dシーンを組んだりする。ローカルのPDFから重量・サイズ・住所を抜き出し、複数列の配送見積書に入力する。複数地域のデータダッシュボードから指標を切り出してGoogleスライドにまとめる。フォルダー内の衣類の写真を分析し、価格を調べて情報を記録し、フリマ系サービスに出品する。
リスクの注意書きも率直だ。Googleは、Geminiがファイルを完全に削除したり、他人に共有したりするなどの誤りを起こす可能性があるとしている。変更されたファイルのバックアップは、24時間後、またはユーザーが新しいタスクを始めた時点で削除される。
Sparkからコンピューター操作まで
Googleが今年Macで重ねてきた動きを並べると、ペースはかなり速い。
- 6月30日:Gemini SparkエージェントがMacに登場。対象は米国の18歳以上のAI Ultraユーザーのみで、ユーザーが許可したフォルダーにしか触れられない。
- 7月末:Mac版Geminiが、すでに開いているアプリを音声で操作できるように。その後Sparkは160以上の国と地域のAI Proユーザーに拡大。
- 9月10日:GeminiのWindowsクライアントが登場。Alt + スペースで呼び出す。
- 10月13日:ユーザーが席を離れても動き続けるタスクモードをGeminiアプリに追加。
- 11月17日:タスクモードが米国を含む6か国で無料に。
- 11月19日:コンピューター操作が登場。
開発者向けはさらに早かった。Googleは2025年10月にGemini 2.5 Computer Useモデルを開発者に公開し、今年6月にはGemini 3.5 Flashにコンピューター操作の能力を組み込んだ。今回の変化は載せ物にある。この能力がAPIやブラウザーの中から出て、一般の人のパソコン上の消費者向けアプリに入り、操作できる対象もWebページから、ユーザーが指名した任意のデスクトップソフトへ広がった。
料金の段階分けにはGoogleの狙いがにじむ。ファイルと連携サービスだけを扱うタスクモードはすでに米国で無料で、画面を直接動かすコンピューター操作は、もっとも安い有料プランから始まる。これまでに公表された価格では、AI Plusは月額4.99ドル、Proは19.99ドル、Ultraはそれ以上だ。PPC Landの概算では、6月に最上位プランだけだったSparkから今回のコンピューター操作まで、142日が空いたことになる。
まだ曖昧な点
Googleの発表とヘルプ文書は、完全には一致していない。AppleInsiderは、発表当日のサポート文書がデスクトップアプリを操作できるプランとしてProとUltraしか挙げていない一方、発表文にはAI Plusが入っていると指摘した。どちらが正しいのか、Googleは別途説明していない。TechCrunchは、他の国や他のOSへいつ広げるかについても、Googleは明らかにしていないと報じている。
もう1つの空白はWeb側だ。Geminiがバックグラウンドのウィンドウでサイトを開き、フォームを入力するとき、サイトから見えるのは通常のブラウザーなのか、識別可能なエージェントなのか。発表では触れられていない。ECやフォーム業務を持つサイトにとっては、不正対策やアクセス集計の基準に響く話だ。
似た製品はすでに多い。AnthropicのCoworkは今年1月にリサーチプレビューとしてmacOSに登場し、OpenAIのChrome拡張機能はユーザーに代わってタブを操作し、フォーム入力やメッセージ送信を行える。今回のGeminiの違いは「バックグラウンドのウィンドウ」にあり、人とエージェントがそれぞれ別のカーソルを使う。実際に安定して使えるかは、最初のPlusユーザーからの反応を待つことになる。
参考資料:Google Gemini公式ブログ(機能範囲、端末・アカウント条件、4つの例)、TNW、CocoLoop、PPC Land(サブスクリプション価格と製品の時系列整理)、9to5Google(呼び出し方法とデスクトップコネクター)、AppleInsider、TechCrunch。Googleヘルプセンターでシステムバージョンと年齢条件を確認。