GoogleがGemini APIのComputer Useツールを正式版（GA）として公開したことで、AIがブラウザやPCの画面を見て自律的に操作するアプリを、開発者が本番環境に組み込めるようになりました。2026年10月30日付の更新で、2025年秋のプレビューから約1年ぶりの正式化です。
スクリーンショットを渡すと「次の操作」が返ってくる
Computer Useの仕組みはこうです。アプリが画面のスクリーンショットをGeminiに送ると、Geminiが「このボタンをクリックする」「このテキストフィールドに入力する」「このリンクを開く」といった指示をJSON形式で返します。実際にマウスやキーボードを動かすのはアプリ側のコードで、AIはあくまで判断役です。
対応環境はブラウザ、デスクトップ、Androidのモバイルの3種類。定型フォームへのデータ入力、複数画面をまたぐ操作の自動化、社内システムのスクリーンスクレイピングといった繰り返し業務に向いています。「人間への確認依頼」など独自の操作関数を追加することもでき、完全自動と半自動を組み合わせた設計ができます。
推奨はGemini 3.8 Flash、用途で4モデルから選ぶ
GA版でComputer Useをサポートするのは4モデルです。Googleの推奨はGemini 3.8 Flash（gemini-3.8-flash）で、UIの操作精度とツール呼び出しの安定性のバランスが高い点を評価しています。より複雑なエージェント処理が必要な場合はGemini 4 Argon、低レイテンシ・低コスト重視ならGemini 3.5 Flash-Liteという選択肢もあります。
プレビューからGAへ——何が変わるか
プレビューからGAへの移行が持つ意味は、安定性の保証です。プレビュー中は予告なしの仕様変更や終了があり得るため、業務システムへの本番組み込みには二の足を踏むケースが多くありました。GAになることでそのリスクが下がり、計画的な導入を進めやすくなります。
従来のRPAツールは操作対象のUIが変わると動かなくなるケースが多く、メンテナンスコストが課題でした。Computer UseはスクリーンショットをAIが「見て判断」するので、UI変更に対して一定の柔軟性があります。全面的な代替にはなりませんが、画面操作の自動化を設計するときのアプローチが増えた意味は大きい。
Gemini Computer UseはGemini API（Google AI for Developers）から利用できます。一般ユーザー向けのGeminiアプリとは別の、APIキーを持つ開発者向けの機能です。
FREE DOWNLOAD
実務で使えるお役立ちコンテンツを無料で見る
無料会員登録で、実務で使えるAIテンプレート・プロンプト・PDFを受け取れます。
全PDFにアクセスする（無料）
無料会員登録して受け取る
画面操作をAIに任せるという発想はなんとなく知っていても、プレビューのまま様子を見ていた方も多かったと思います。
GAになって一番変わるのは「使えるかな」という躊躇が消えること。技術的な話ではなく、「本番に使っていいか」という判断の話です。繰り返しの画面操作が多い業務フローで、設計の選択肢が一つ増えました。
Gemini APIのドキュメントをのぞいてみる価値がある1週間です。