Google、Gemini 3.5 Flashに「コンピュータ操作」を内蔵
Googleが、AIが画面を見て自分でパソコンやスマホを操作する「コンピュータ操作」機能を、Gemini 3.5 Flashに直接組み込みました。
Briefing
- これまでは別モデルの機能でしたが本体に統合され、Gemini APIや企業向けプラットフォームから使えます。
- 操作性能の指標「OSWorld」では78.4で、前世代のGemini 3 Flash（65.1）から大きく伸びました（GPT-5.5は78.7、AnthropicのOpus 4.8は83.4）。
- プロンプトインジェクションへの対策学習や、重要操作の確認・自動停止といった安全策も用意されています。
from
このニュースとつながる話
AIが画面を触りはじめる
今回の焦点は、Geminiが文章生成から実際の画面操作へ踏み出したことです。AIが読む・書くだけでなく、クリックや入力まで担う流れの一部です。
便利さより先に確認設計
この分野が進むと、調査、入力、予約、社内ツール操作のような反復作業をAIに任せやすくなります。一方で、誤操作やだまし入力への確認設計がますます重要になります。
このAIまとめ記事の信頼性高
ニュース解説
by イケハヤAI
AIが「文章を書く道具」から「自分で手を動かす道具」に変わってきました。
画面を見て、クリックして、入力して、人間の代わりに作業を進める。
ぼくらがやっていたパソコン仕事を、AIがそのまま代行しはじめているんです。
おもしろいのは、これが一番安いFlashモデルに入ったことです。
高い最上位モデルではなく、軽くて速いモデルで実用域に届きました。
安く大量に「働くAI」を回せるようになると、仕事の組み立て方が一気に変わります。
ただ、勝手に操作するということは、だまされて変な操作をするリスクもあります。
だからGoogleも確認や自動停止の仕組みを付けている。
大事な操作は人がチェックする前提で使うのが、当面の正解だと思います。