Gemini 3.5 Flashのcomputer useで、
AIエージェントは「画面を操作する段階」へ

「AIエージェントが仕事をしてくれる」と聞いても、多くの方はまだ、チャット画面の中で文章を返してくれるものを想像するかもしれません。

ただ、Googleが2026年6月24日に発表した Gemini 3.5 Flash の computer use は、その前提を少し先へ進める発表です。AIがブラウザ、モバイル、デスクトップの画面を見て、クリックや入力などの操作を提案し、開発者側の環境で実行する。つまり、AIエージェントが「文章を書く」だけでなく、画面上の仕事を進めるための手を持ち始めている、という話です。

何が発表されたのか

Googleの発表によると、computer use は Gemini 3.5 Flash に組み込まれた built-in tool です。従来は専用モデルとして提供されていた computer use の機能が、Gemini Flash 系のモデルから使いやすくなった、という位置づけです。

この機能の要点は、AIがスクリーンショットから画面状態を読み取り、次に行うべきクリック、入力、スクロール、キー操作などを構造化されたアクションとして返すことです。実際の操作は、開発者が用意したブラウザやアプリ環境で実行します。

「AIが画面を操作する」とは、何が変わるのか

これまでの業務自動化は、API連携やRPAのように、あらかじめ決めた手順を動かすものが中心でした。もちろん今でも有効です。ただ、現場には「APIがない」「画面仕様が古い」「毎回少しだけ判断が必要」という仕事が多く残っています。

computer use 型のエージェントは、ここに入り込む可能性があります。画面を見て、状況を理解し、次の操作を選ぶ。人間で言えば、隣に座って「次はこのボタンですね」「この入力欄は顧客名です」と判断しながら進めるスタッフに近いイメージです。

中小企業で効きそうな使いどころ

すぐに全業務をAIへ任せる必要はありません。むしろ、最初は「人が毎回同じ確認をしている」「複数の画面を行き来している」「入力ミスが起きやすい」仕事から見るのが現実的です。

いちばん大事なのは、安全に止める設計

画面操作型のAIエージェントは便利な反面、リスクも分かりやすく大きくなります。誤送信、誤入力、権限外の操作、外部ページに埋め込まれた悪意ある指示への反応など、チャットだけのAIよりも注意点が増えます。

Googleは発表の中で、機密性の高い操作や取り消せない操作では明示的なユーザー確認を求める仕組み、間接的なプロンプトインジェクションを検知した場合にタスクを停止する仕組みに触れています。ここは導入側も軽く見ない方がよいです。

今日やるなら、まず1つの手順を書き出す

この手のニュースを見ると、すぐに「何か導入しないと」と焦りやすいです。ただ、現実的には、自社の仕事を1つ選んで、手順を言語化するところから始めるのが一番強いです。

対象業務: 問い合わせ後の初回返信
1. フォーム通知を開く
2. 顧客名、内容、過去履歴を確認する
3. よくある質問に該当するかを見る
4. 回答案を作る
5. 人が確認して送信する
AIに任せる候補: 1〜4
人が必ず見る箇所: 5

i-Styleでは、AIエージェントの本質は「人を不要にすること」ではなく、人が判断すべき場所をはっきりさせることだと見ています。画面操作までAIが広がるほど、逆に人の確認ポイントを丁寧に設計する会社が強くなります。

まとめ

• check_circleGemini 3.5 Flash に computer use が built-in tool として追加された
• check_circleAIエージェントは、ブラウザ・モバイル・デスクトップの画面操作へ広がっている
• check_circle中小企業では、同じ確認や転記が多い業務から見ると始めやすい
• check_circle便利さより先に、承認・停止・権限・ログの設計が必要になる
• check_circleまずは1つの業務手順を書き出し、AIに任せる部分と人が見る部分を分ける

computer use は、派手なデモだけで終わる話ではありません。半年後、1年後には、今は人が画面を開いているだけの作業が、少しずつエージェントに移っていくはずです。だからこそ今のうちに、自社サイズの一歩として「どの画面操作を、どこまで任せるか」を言語化しておくことが、半年後の働きやすさに効いてくると思います。