何が起きたか
Mac版Geminiに、キーボード左下の「fn」キーを長押しすることでアプリを問わずGeminiを呼び出す入力手段が追加されました。呼び出したGeminiに話しかけると、その内容がカーソルのある位置に文字起こしされます。資料を読みながら、あるいは声に出して考えを整理しながら、そのままメモを取らせる使い方が想定されています。Googleによれば、文字起こしは「ums」「ahs」にあたる言い淀みを自動的に取り除いた状態で返されます。
さらに、Geminiの画面認識機能をオプトインで有効にすると、Geminiは画面に表示されている内容を理解し、開いているアプリを識別して複雑な作業を実行できます。開いているPDFの文章を選択して「fn」を押し、要約を作らせる、といった流れです。Sparkを利用できるユーザーであれば、メモから選択したテキストをもとにメールの下書きを作らせることもできます。画像生成も、欲しい絵を口で説明する、あるいは画面上にあるアイデアをGeminiに見せる形で指示できます。
なぜ重要か：「アプリを開く」という一歩が消えた
Googleは4月にmacOS向けネイティブGeminiアプリを投入し（Windows版の翌日でした）、6月にはエージェント型AIのSparkを同アプリに追加して、表計算や文書の新規作成といった複合作業をこなせるようにしました。今回の変更が持つ意味は、機能の追加よりも「起動コストの消滅」にあります。
AIを使うかどうかの実際の分岐点は、能力ではなく摩擦です。ブラウザのタブを切り替え、プロンプト欄に貼り付け、返ってきた文章を元のアプリに戻す——この数十秒があるだけで、多くの業務ではAIを使わない選択が最適になります。「fn」長押しは、その数十秒をゼロに近づけます。物理キーに割り当てられた機能は、意識せずに手が動くようになる点で、アプリのアイコンとは性質が違います。
画面認識のオプトインが線を引く
注目すべきは、能力の中核が画面認識のオプトインの向こう側にある点です。オプトインしなければ音声入力ツールに近く、オプトインすれば画面上の文書・アプリを前提に動くアシスタントになります。つまり同じソフトが、設定ひとつで「入力デバイス」と「業務代行者」に分かれます。この線引きは、後述するように情報管理の設計そのものを揺らします。
英語のみ、という制約の読み方
現時点で対応言語は英語だけで、Googleは年内に対応言語を増やすとしています。日本語業務にそのまま降りてくるのは先ですが、猶予期間と受け取るのが妥当です。
💼 事業会社視点：これは自社にどう効くか
日本企業の役員がまず判断すべきは、日本語対応が来る前に社内ルールを用意できるかです。「fn」長押しという物理キーの入り口は、シャドーITの典型的な発生条件を満たします。業務PCがMacの企業——ウェブ系事業会社、制作会社、SaaSベンダー——では、画面認識をオプトインした端末で顧客契約書や個人情報を含む画面が扱われる可能性があります。情シス任せにせず、経営として「画面認識のオプトインを許可する業務範囲」を先に決めるべきです。当面英語のみという制約は、逆に海外拠点や英文契約・英語ドキュメントを扱う部門から先にリスクと便益が現れることを意味します。
事業側の影響はより直接的です。文字起こし、議事録整形、PDF要約、メール下書き——これらを単機能で売ってきた国内SaaSは、OS常駐アシスタントに機能を吸収される側に立ちます。言い淀みを除去した整形出力までGoogleが標準で持つなら、精度の差分だけで課金を維持するのは苦しくなります。生き残る線は、業種特化の用語辞書・基幹連携・監査ログといった、汎用アシスタントが踏み込まない領域です。受託開発でも、要約や下書き自動化を単体の案件として提案する余地は縮みます。提案の重心を、AIが読み書きする対象データの整備と権限設計に移すべき局面です。