Googleは、AIモデル「Gemini 3.5 Flash」に、画面を見て操作する「コンピュータ操作（computer use）」を標準ツールとして組み込んだと発表しました[1]。これまで専用モデルとして提供してきた機能を主力のFlashモデルに統合したもので、開発者はブラウザやモバイル、デスクトップをまたいで自律的に動くAIエージェントを構築できます[1]。利用はGemini APIとGemini Enterprise Agent Platformを通じて始められます[1]。

主力モデルに組み込まれた「コンピュータ操作」

コンピュータ操作は、Gemini 3.5 Flashに最初から備わる標準ツールになりました[1]。Googleはこれを、エージェント的なコンピュータ操作のタスクで「これまでで最も優れた性能」だと位置づけています[1]。

Geminiは、もともと外部の機能を呼び出すfunction calling（関数呼び出し）や、検索・地図といった組み込みツールの利用を得意としてきました[1]。今回、画面を直接操作する力が加わったことで、開発者は3.5 Flashを使い、ブラウザやモバイル、デスクトップの環境を見て、考え、操作するエージェントを組み立てられるようになります[1]。Googleは、これにより長時間にわたる作業や企業の業務自動化で性能が高まると説明しています[1]。

何ができるのか

想定される用途として、Googleはソフトウェアの継続的なテストや、業務用アプリをまたいだ知的作業（ナレッジワーク）といった、手順の多い自動化を挙げています[1]。公式の説明では、3.5 FlashがGeminiアプリの画面を解析して機能を分類した一覧を返したり、自社のドキュメントを操作してアクセシビリティ上の問題を自己点検したりする例が示されています[1]。

ここでいうコンピュータ操作は、画面の状況をモデルに渡し、モデルが「クリック」「入力」「スクロール」といった操作を返し、その結果をふたたび画面の情報として返す、という往復を繰り返す仕組みです[2][3]。人がマウスやキーボードで画面を扱うのと同じ手順を、AIが代わりに進めていくと考えると分かりやすいでしょう。

専用モデルから主力モデルの内蔵機能へ

この機能はもともと、2025年10月に公開された専用モデル「Gemini 2.5 Computer Use」として提供されていました[2][3]。Gemini 2.5 Proを土台にしたプレビュー版で、ウェブブラウザやモバイルアプリの操作を中心に設計され、デスクトップOSの操作にはまだ最適化されていない段階でした[3]。

今回はその役割を独立したモデルから切り出し、主力である3.5 Flashの内蔵機能として組み込みました[1]。Googleが挙げる対応環境にはデスクトップも含まれており、扱える範囲が広がっています[1]。動作を試す環境としては、ブラウザ自動化を手がけるBrowserbaseが用意したデモが案内されているほか、実装の参考例やドキュメントがGemini API経由で公開されています[1]。

プロンプトインジェクションへの備え

画面を自動で操作するエージェントは便利な一方で、外部から不正な指示を紛れ込ませる「プロンプトインジェクション」のリスクを抱えます。Googleは3.5 Flashのコンピュータ操作について、こうした攻撃を想定した敵対的訓練を施したとしています[1]。

あわせて、企業向けに2つの安全機能を任意で利用できる形で提供します[1]。1つは、取り消しのきかない操作や慎重を要する操作の前に、利用者へ明示的な確認を求める仕組みです[1]。もう1つは、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処理を自動で止める仕組みです[1]。Googleはこれらを「多層防御」の考え方として、安全な隔離環境（サンドボックス）での実行や、人による確認、厳格なアクセス制御と組み合わせるよう開発者に促しています[1]。

まとめ

Googleは、専用モデルとして始まったコンピュータ操作を主力の3.5 Flashへ統合し、ブラウザからモバイル、デスクトップまでを横断するエージェント開発の標準機能に位置づけました[1]。性能の向上とあわせて、プロンプトインジェクション対策や企業向けの安全機能を前面に置いた点が、実際の業務で使えるエージェントへ近づける狙いだと読み取れます[1]。

出典：https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-computer-use-gemini-3-5-flash/

出典：https://blog.google/innovation-and-ai/models-and-research/google-deepmind/gemini-computer-use-model/

出典：https://ai.google.dev/gemini-api/docs/models/gemini-2.5-computer-use-preview-10-2025