Gemini Sparkがあなたの本物のChromeを操作し始めた — ログイン情報ごと自動化する新機能の実力と危うさ

これまでのAIエージェントは、どこか「隔離された箱の中」で動いていた。Googleが管理するリモートのブラウザを立ち上げ、そこで健気にクリックしてくれる。便利だが、自分のログイン状態やブックマークとは切り離された、別世界での作業だった。

その壁が、静かに取り払われた。

Googleは8月3日（米国先行）、AIエージェントGemini Sparkが、ユーザー自身のChromeブラウザを直接操作できる機能のロールアウトを開始した。リモートの仮想ブラウザではなく、あなたが今まさに使っている、ログイン済みの本物のChromeだ。

何が変わったのか

これまでのSparkは、Web上で何かをさせようとすると、Google側のリモートブラウザを使っていた。当然、そこにはあなたのGmailログインもAmazonのカートも存在しない。「代わりに調べておいて」はできても、「代わりにログインして予約まで進めて」は難しかった。

新機能では、Sparkがローカルの実Chromeを動かす。ログイン済みのアカウントと保存済みのパスワードをそのまま使えるため、たとえばフライトの候補を絞り込んで予約プロセスを開始したり、賃貸物件の内見予約を進めたりといった、これまで「人間が最後にやるしかなかった」領域に踏み込んでくる。

Sparkはもともと、Gmailやドキュメントといったワークスペース系の作業を24時間こなす常駐型エージェントとして設計されている（月$100、約1万5000円）。そこにブラウザ操作が加わったことで、「メールを読む→情報を調べる→予約を取る」という一連の流れが、原理的には一気通貫でつながることになる。

「実ブラウザ操作」が現実的にもたらすもの

ここが面白いところだ。リモートブラウザと実ブラウザの差は、単なる利便性ではない。

ログイン状態を引き継げるということは、普段あなたがログインして使っているサービスすべてが、エージェントの作業範囲になり得るということだ。航空券の会員価格、サブスクの管理画面、会員限定の予約枠——これらは「ログインしていない仮想ブラウザ」からは触れなかった。

たとえば、毎月の固定費の見直し。契約中のサービスの管理画面を横断してプラン内容を拾い出し、表にまとめる、といった面倒な作業は、ログイン状態を前提にできて初めて成立する。あるいは、複数の旅行予約サイトを会員ログインした状態で比較し、最安の組み合わせを提示させる——こうした「ログインの壁の内側での作業代行」が、SparkのようなエージェントとChrome連携が組み合わさると見えてくる。

一方で、正直に言えば、この方向性は同時に怖さもはらんでいる。

セキュリティ設計と、それでも残る不安

Googleもそこは理解していて、いくつかの歯止めを用意している。決済のような機微な操作の前には、処理を完了させずユーザーに制御を戻す設計になっている。また、Webページに埋め込まれた悪意ある指示でエージェントを乗っ取る「プロンプトインジェクション」への対策も導入したとしている。

とはいえ、ログイン情報と保存パスワードにアクセスできるエージェントが、Webページの内容を読みながら自律的に動く——この構図そのものが、攻撃者にとって新しい標的になる。プロンプトインジェクション対策は「導入した」で終わる話ではなく、これから延々とイタチごっこが続く領域だ。筆者としては、当面は「決済や退会など、後戻りできない操作は必ず自分の目で確認する」を鉄則にしておくべきだと思う。

Comet、Atlasとの位置取り

ブラウザを舞台にしたエージェント競争は、もはや出そろった感がある。PerplexityのCometは「AIを組み込んだブラウザそのもの」を作りにいった。OpenAIのAtlasも独自ブラウザ路線だったが、こちらはすでに畳む方向に舵を切っている。

その中でGoogleの一手は、新しいブラウザを作らせるのではなく、世界中が既に使っているChromeにエージェントを乗せるというものだ。地味に見えて、これは強い。ユーザーに乗り換えを求めない。すでにChromeにログインしている数十億人が、そのまま対象になる。プラットフォームを握っている者の戦い方だと感じる。

現時点では米国での先行ロールアウトで、他地域は今後順次となる。日本での提供時期は明言されていない。ただ、Chromeという足場の広さを考えると、この機能が「一部の実験」で終わるとは思えない。エージェントに何かを任せるとき、私たちは近いうちに「ログインしたままの自分の環境ごと預ける」という判断を、日常的に迫られることになりそうだ。