何が起きたか
Googleは、画面を見て自律的にコンピュータやブラウザ、モバイル端末を操作する「Computer Use」機能を、Gemini 3.5 Flashに直接組み込みました。これまでは独立したGemini 2.5系のモデルとして提供されていた機能が、汎用モデルの一機能として使えるようになった形です。既存のfunction calls、Search、Mapsと組み合わせることで、開発者はブラウザ・モバイル・デスクトップを横断するエージェントを構築できます。
ベンチマークから見える立ち位置
デスクトップ・ブラウザ操作能力を測るOSWorldで、Gemini 3.5 Flashは78.4を獲得。前世代のGemini 3 Flash(65.1)から大幅に伸び、GPT-5.4 mini(72.1)を上回りました。AnthropicのSonnet 4.6と同点で、GPT-5.5(78.7)とは僅差。トップのOpus 4.8(83.4)には届かないものの、Gemini 3.1 Pro(76.2)を超えるFlash系という点が要点です。「高性能モデル並みの操作能力を、軽量・低コスト枠で出してきた」というのが、この発表の本質です。
安全対策とプロンプトインジェクション
エージェントが画面を操作する以上、ウェブ上の悪意ある指示文に騙される「間接プロンプトインジェクション」が最大のリスクとなります。Googleは敵対的学習に加え、企業向けに2つの任意セーフガードを用意しました。1つは機微・不可逆な操作に対するユーザー確認、もう1つは間接プロンプトインジェクションを検知した際の自動停止です。さらにサンドボックス化、人手による監督、厳格なアクセス制御も推奨しています。
利用方法
Gemini APIとGemini Enterprise Agent Platformから利用可能で、Browserbaseのデモ、GitHub上のリファレンス実装も公開されています。
💼 事業会社視点：これは自社にどう効くか
日本企業にとっての含意は明確です。第一に、業務システムの内製化・受託開発市場では「既存SaaSのUIをエージェントに操作させる」アプローチが現実解になります。RPAベンダーや基幹システム連携の受託に頼ってきた経理・人事領域で、Flash系の低コスト枠が78.4を出した意味は重く、ROI計算が一気に動きます。
第二に、SaaS事業者は再設計を迫られます。「人間が画面を操作する前提のUI」がエージェントの入口になると、課金単位(シート課金)とAPI流量の整合が崩れます。役員は今期中に、エージェント経由アクセスの利用規約・料金体系・APIファースト戦略の方針を出すべきです。
第三に、EC・社内DX担当は、競合調査・価格モニタリング・大量のフォーム入力業務をPoCで内製化する好機です。ただしOpus 4.8が依然83.4でリードする以上、ミッションクリティカルな領域は安易に最安モデルに寄せず、タスクの不可逆性で使い分けるアーキテクチャ設計が必須です。プロンプトインジェクション対策の任意セーフガード2種は「必ずオン」を標準ルールに。