米Microsoft、Edge向け「Copilot Vision」プレビュー公開　画面を見ながらリアルタイム音声対話

調べ物や旅行の予約、買い物で無数のタブを開きっぱなしにする作業は、画面と向き合うだけでも疲れるものです。米Microsoftはその孤独なブラウジング体験を変えるべく、Edgeブラウザに「目」と「声」を持たせたAIを投入しました。

Microsoftは、Edgeブラウザ向けの新機能「Copilot Vision」のプレビュー版の提供を開始しました。10月に概要が初公開された機能で、実験的なAI機能を試す場である「Copilot Labs」の第1弾として実装されています。現在は米国内の月額20ドルのCopilot Pro加入者を対象に、限定的にテスト提供されています。

ブラウザの画面を一緒に見て話せる「AI相棒」

従来のチャットAIのように、画面のスクリーンショットを撮って貼り付けたり、長文テキストをコピーして質問したりする手間はありません。Copilot Visionを有効にすると、AIがブラウザ下部に常駐し、ユーザーが開いているWebページを認識しながら音声でリアルタイムに対話できます。

公開されたデモでは、宿泊先選びの手助けをしたり、祖母の手書きレシピの写真を読み解いて料理のアドバイスをしたり、ホリデーシーズンの買い物で画面上の最適な商品を見つけ出したりする様子が紹介されました。

Microsoft AIのCEOを務めるMustafa Suleyman氏は、目指しているのは単なるツールではなく「真のAIコンパニオン」だと語っています。会話の割り込みにも柔軟に対応し、ユーザーが落ち込んでゆっくり話せばそのテンションに合わせ、ハイテンションなら同じ熱量で返答します。時には友達のように反論してくる味付けも施されているといいます。

Recall騒動を教訓にした厳格なプライバシー対策

画面上の情報をAIに見せるとなれば、当然ながらプライバシーの懸念が浮上します。定期的に画面キャプチャを保存する「Windows Recall」で批判を浴びた経緯もあり、同社は今回、極めて慎重なアプローチを取っています。

まず、Copilot Visionは完全なオプトイン方式で、ユーザーが明示的に許可しない限り起動しません。さらに閲覧データはセッション単位で管理され、会話を終了した瞬間にページのデータや会話内容は破棄されます。安全システム改善のために記録されるのは、Copilot側の回答内容だけです。

著作権やコンテンツ保護にも配慮されています。現時点では事前に選ばれた一部のWebサイトでのみ動作し、有料会員向け（ペイウォール）のコンテンツには応答しないよう制限されています。また、パブリッシャーのデータをモデルの学習に使用しない方針も明言されています。来年初頭の一般提供（GA）に向けて、対象サイトや提供地域を段階的に広げていく計画です。

なぜ重要か

私たちは、Copilot Visionがブラウザという日常的なツールのあり方を大きく変える可能性を秘めていると考えています。AIをわざわざ別のタブで開いて質問する時代から、普段見ている画面そのものにAIが同席する時代への移行です。

ユーザーにとって、買い物での比較検討や複雑なWebサイトの読解において、画面を見せながら音声で相談できる体験は直感的で大きなメリットがあります。ただし、現在は月額20ドルの有料プランが必要で、使えるサイトも限定的であるため、今すぐ無理に契約する必要はありません。一般公開を待ってから試すのが賢明でしょう。

業界全体で見れば、Microsoftは出資先であるOpenAIとは異なる差別化の軸を打ち出してきました。ブラウザという自社インフラにマルチモーダルAIを深く組み込むことで、単体アプリのチャットボットでは実現しにくい体験を作り出しています。これはChromeを抱えるGoogleに対しても、Webブラウジングの未来を巡る強力な牽制になるはずです。