OpenAIが端末を直接操作する自律型AIを開発中か、米メディア報道

現在のChatGPTは博識な相談相手ですが、実際にキーボードを叩いてデータを入力するのは依然として人間の仕事です。

しかし、その構図が変わろうとしています。The Informationの報道によると、OpenAIはユーザーのデバイスを直接操作してタスクを実行する自律型AIアシスタントを開発中とのことです。

OpenAIはこの件についてコメントしていませんが、AIが単なる文章生成にとどまらず、実際の行動を起こすアクションエージェントへ進化するのは自然な流れと言えます。

画面操作そのものを代行するAI

現在のChatGPTやGoogleのGeminiなどの生成AIは、テキストや画像の作成には優れています。しかし、実際のアプリを動かすには外部ツールと無理やり連携させる必要がありました。

従来のスマートアシスタントも、大規模言語モデルほどの柔軟な推論力は持っていません。

報道によると、OpenAIの新しいシステムはユーザーの端末を乗っ取るように動作し、あるプラットフォームから別のプラットフォームへデータをコピーするといった作業を自動でこなします。

十分な権限さえあれば、クリック、スクロール、タイピング、さらには人間確認用のキャプチャ認証の解除まで、人間が画面上で行うほぼすべての動作を代行できると見られています。

クラウド連携がもたらすセキュリティの懸念

映画に出てくる万能な執事AIのように聞こえますが、現実にはプライバシーと安全面で大きな課題が立ちはだかります。

現在の最先端モデルは負荷が高く、スマホやPCのローカルチップだけでこの自律エージェントを動かすのは極めて困難です。

つまり、画面情報や操作ログがクラウドに常時送信される可能性が高いということです。企業のAIシステムに端末の完全な操作権限を与えることは、新たなサイバー攻撃の標的を生み出すリスクを孕んでいます。

なぜ重要か

ユーザーにとって、日常の退屈なルーチン作業から解放される価値は計り知れません。複数の業務アプリ間で行き来するデータ入力や定型作業が、一言指示を出すだけで完結する未来が見えてきます。

ただし、現段階で一般ユーザーが全面的に信頼して使えるかというと、リスクが高すぎると考えられます。クラウド側のAIが誤動作を起こしたり、悪意ある画面読み取り攻撃に遭った場合の被害は、チャットの誤答とは比べものになりません。

業界全体で見れば、対話型UIの次に来る主戦場がOSレベルの自律操作であることを示しています。OpenAIがこの領域に踏み込むことで、OSを押さえているAppleやMicrosoft、Googleとのプラットフォーム争奪戦が一気に激化しそうです。