Snapchat、チャットボット「My AI」にGoogleのGeminiを採用

SnapchatのAIチャットボットが、テキストだけでなく画像や動画も理解できるようになりました。

Snapは9月24日、Google Cloudとの提携を拡大し、同社のAIボット「My AI」にGoogleのマルチモーダルAIモデル「Gemini」を導入したと発表しました。これにより、My AIはテキストに加えて音声、画像、動画を認識できるようになります。

ChatGPTからGeminiへ、視覚機能の本格導入

SnapがMy AIを最初に提供開始したのは2023年2月のことで、当時はOpenAIのChatGPTを採用していました。今回の提携拡大により、画像処理を含む生成AIの基盤としてGoogleのモデルが組み込まれることになります。

先週開催された年次イベント「Snap Partner Summit」で発表されたGoogleレンズ風の機能も、裏側ではGeminiが動いています。

海外旅行中に外国語の道路標識を撮影してMy AIに翻訳させたり、レストランのメニューの写真を送って最も健康的な料理を選んでもらったりといった使い方が可能です。

Googleによると、My AIにGeminiを統合した結果、米国における同チャットボットのエンゲージメントは2.5倍以上に急増したといいます。

SnapとGoogle Cloudは10年以上にわたる協力関係にあり、今回の決定は長年のインフラ連携をさらに深める形となりました。

ただし懸念も残っています。My AIは登場当初から、特に子どもや若年層のユーザーに対する安全性やリスクが指摘されてきました。AIが賢くなり認識できる情報が増えるほど、不適切な応答やリスク管理の難易度はさらに上がることになります。

なぜ重要か

一般ユーザーにとって、My AIは単なる雑談相手から日常の困りごとを解決する実用的なカメラツールへと進化しました。街中の看板翻訳やメニューの栄養判断など、アプリを開いて写真を撮るだけで使える手軽さは大きな魅力です。

Snapがマルチモーダル基盤としてGoogleを選んだ判断は、理にかなっていると私たちは考えます。Snapchatは本質的にカメラ起点のアプリであり、画像認識と検索で長年の蓄積があるGoogleのGeminiは、テキスト主体のOpenAIモデルよりも相性が良いはずです。

業界全体にとっても、生成AIの活用が単一のプロバイダーに依存する段階から、用途に応じたマルチモデル採用へと移行していることを示しています。

一方で最大の課題はやはりセーフティです。視覚情報を扱えるようになったことで、若年層ユーザーを不適切なコンテンツからどう守るかという責任は、これまで以上に重くなっています。