マイクロソフトがCopilotを刷新、リアルタイム音声や画面を見る「Vision」を追加

オフィスソフトの片隅で資料作成を手伝う生真面目なアシスタント。これまでのMicrosoft Copilotに対するそんな印象を、マイクロソフトは一新しようとしています。

DeepMindの共同創業者であり、現在はMicrosoft AIを率いるムスタファ・スレイマン氏の主導のもと、Copilotはこれまでで最大規模の刷新を受けました。従来の無機質なチャット入力画面から、カードが並ぶ温かみのあるインターフェースへと舵を切っています。スレイマン氏が以前率いていたInflection AIの対話ボット「Pi」を思わせる、日常に寄り添うパートナーを目指したデザインです。

声で話し、画面を見て、深く考える

刷新の目玉となるのが「Copilot Voice」です。4種類の音声から好みのトーンを選び、人間の会話のように相づちを打ったり、途中で遮ったりしながら自然に音声対話ができます。

さらに、実験的機能を先行テストする「Copilot Labs」には、注目すべき2つの新機能が投入されました。「Copilot Vision」と「Think Deeper」です。

Copilot Visionは、ユーザーがいまブラウザで見ているウェブ画面をAIが一緒に「見る」機能です。ページ内のテキストや画像をリアルタイムで把握し、家具の通販サイトを見ながら「この部屋のトーンに合うラグはどれ？」といった相談に乗ってくれます。

一方のThink Deeperは、即答するのではなく数秒かけて推論を深めるモードです。OpenAIの最新モデル「o1」を活用しているとみられ、引っ越し先の比較や大きな買い物の検討など、複雑な選択肢の長所と短所を論理的に整理してくれます。

メディアへの対価と、徹底したプライバシー対策

新機能「Copilot Daily」では、毎朝のニュースや天気を指定した音声で読み上げてくれます。ここで重要なのは、ロイターやフィナンシャル・タイムズ、アクセル・シュプリンガーなど正式に提携・ライセンス契約を結んだメディアの情報のみを利用している点です。著作権を巡る訴訟リスクを回避し、信頼できる情報を届けるための布石と言えます。

また、画面を見るCopilot Visionには厳格な制約が設けられました。完全なオプトイン制で、セッションが終了した瞬間に閲覧データは破棄され、AIの学習にも使われません。プレビュー段階では事前に許可された一部の人気ウェブサイトに限定され、有料記事や機密性の高いページでは動作しない設計になっています。

なぜ重要か

今回の刷新は、Copilotが単なる作業効率化ツールから、日常の接点となるパーソナルアシスタントへと性格を変え始めたことを意味します。これまでモデルの性能競争に終始しがちだった生成AIの領域において、マイクロソフトは「人間との心地よい接点」に大きく舵を切りました。

ユーザーにとって、ウェブの画面を一緒に見てくれるVisionは非常に実用的な可能性を秘めています。ただし、初期テストでは利用できるサイトが限定されており、過剰な安全策が使い勝手を損なう懸念も残ります。

業界全体で見れば、GoogleのGemini Liveや間もなく登場するApple Intelligenceに対抗し、デスクトップとモバイルの双方で音声・視覚インターフェースの主導権を握る狙いが明確です。仕事の道具から毎日の相談相手へ。ユーザーが画面を見せるほどの信頼を寄せられるかどうかが、今後の普及の分かれ目になりそうです。