xAIがPC操作AIエージェント「Grok Computer」を準備中、マスク氏が認める

チャット画面の中でテキストを生成する競争は一段落し、各社のAIはいよいよキーボードやマウスの直接操作に乗り出してきました。

発端は、あるXユーザーがGrokのウェブ版ソースコードから「enable_grok_computer」という機能フラグを見つけ出したことでした。xAIがPCを直接コントロールできるAIエージェント「Grok Computer」を仕込んでいる証拠です。

この投稿に対してイーロン・マスク氏本人が「もうすぐ登場する（Coming Out Soon）」とリポストし、開発が事実であることをあっさりと認めました。

画面を見てキーボードを叩くAI

Grok Computerは端的に言えば、ユーザーに代わってPC作業を丸ごと代行してくれるエージェントです。

画面の表示内容をリアルタイムに把握し、マウス操作やキーボード入力を実行します。これはマスク氏が以前から予告していた、テスラとxAIの共同自動化構想「Macrohard」の先行プレビュー版に当たるとみられています。推論エンジンにはもちろんGrokが使われます。

ソースコードの解析からは、より広いコンテキストウィンドウやコードアップロード処理の改善、さらには専用のネイティブデスクトップアプリの存在を示唆する痕跡も見つかっています。

現在はバックグラウンドでのテスト段階にあり、2026年第2四半期末の正式リリースが噂されています。その前段階として、一部の選ばれたユーザー向けにパブリックベータが提供される可能性が高そうです。

なぜ重要か

AI業界の主戦場は、単体の基底モデルの性能競争から、PCを実際に動かすエージェントへと急速にシフトしています。先行するPerplexityやAnthropicに続き、マスク氏率いるxAIも本格的に参入してきました。

実現すれば、複数のアプリをまたぐデータ転記や煩雑な設定作業など、面倒なPC作業をそのまま丸投げできるようになります。ただし、クリックの誤認や操作遅延が少しでもあると人間が自力でやったほうが早くなるため、実用性のハードルは極めて高い領域です。

私たちが注目しているのは、テスラとの連携です。現実空間のカメラ映像を読み取ってハンドルやブレーキを正確に制御してきたテスラのノウハウは、PC画面を認識してマウスを動かすタスクと本質的に同じ構造をしています。この技術資産を活かせるのはxAI独自の強みと言えます。

一方で、画面キャプチャとキーボード入力をAIに委ねることは、プライバシーやセキュリティの観点から大きなリスクを伴います。誤操作で重要ファイルを消去しないか、社外秘の画面をどう保護するかなど、ユーザーが安心して日常業務を任せられる仕組みを提示できるかが普及の分かれ目になりそうです。