8月5日、Eric Hal Schwartzが「Gemini Spark in Chrome and it can do all the boring browsing on your behalf」と題した記事を公開した。価格比較、レストラン予約、フォーム入力——こうした面倒なブラウジング作業を、AIがユーザーに代わって実際にブラウザを操作して片付けてくれる時代がついに到来しつつある。GoogleのAIエージェント「Gemini Spark」がChromeブラウザへネイティブ統合され、複数サイトをまたいだ反復作業を自律実行できるようになった。本記事はその実使用レポートだ。

Gemini SparkはChromeに統合されたAIエージェント

Gemini Sparkは、バックグラウンドで長時間タスクを継続実行できるAIエージェントだ。今回のアップデートでGoogle ChromeブラウザへGemini Sparkが直接統合されたことで、ブラウザを閉じた後でも処理を継続しながら、AIが実際にウェブページを操作できるようになった。従来のGeminiが「次はこのサイトを開いてください」と指示を出すだけだったのに対し、SparkはAI自身がブラウザを操作する点が本質的な違いだ。

こうした「AIエージェントがブラウザを自律操作する」アプローチは、Google DeepMindのProject MarinerやOpenAIのOperatorなど、各社が競うように取り組む分野だ。Sparkの差別化点は、Chromeというすでに世界で最も広く使われているブラウザへのネイティブ統合にある。専用アプリや拡張機能を別途インストールすることなく、既存のブラウザ環境の中にAIエージェントが組み込まれるという形態は、同種サービスのなかでも一歩踏み込んだアプローチといえる。

使い始めるための条件

Sparkを利用するには以下が必要になる。

• Windows または macOS上の最新版Google Chrome
• 個人用Googleアカウント
• Google AI Pro または Google AI Ultra サブスクリプション（有料）
• Chromeの「セーフブラウジング」を「標準保護」または「強化保護」に設定

設定は、Chromeの右上の三点メニュー → 「設定」→「AI Innovations」または「Gemini」→「権限」セクションの順に進み、「GeminiにWebを閲覧させる」オプションをオンにするだけだ。

その後、ChromeのトップバーにあるGeminiパネルを開いてタスクを与えると、SparkはまずAIが実行しようとしている計画を提示する。初回起動時にはブラウザとSparkの連携許可を求めるダイアログが表示されるので「許可」をクリックすれば準備完了だ。

実際に試した3つのシナリオ

1. 比較購買——最も手応えのあったテスト

Schwartzが最初に試したのは、65インチテレビの価格比較だ。Amazon・Best Buy・Costco・Walmartでの価格を調べ、プロモコードを探し、割引後の最終価格を計算し、カートへ追加する——という一連の作業を一つのプロンプトで指示した。

Sparkは実際にそれぞれのサイトを開いて操作し、検討結果をまとめたうえで最有力候補をカートに追加して待機した。購入確定や支払いのステップには進まず、ユーザーが承認するまで停止する設計になっている。「便利な自動化と常識的な判断のちょうどよいバランス」と評している。

2. 家族のお出かけ計画——複数サービスをまたいだ統合タスク

次に試したのは、大人2人・幼児2人の家族でのお出かけ計画だ。通常であればGoogle Maps・博物館サイト・レストランレビュー・予約ページを行き来する必要がある。Sparkは開館時間の確認、移動時間の計算、一日のスケジュール構築、レストランのオンライン予約、博物館チケットの購入準備を一括でこなし、最終的な予約承認だけをユーザーに求めた。

3. 申請書類の記入——Googleアカウント連携の実力

Googleはフォーム記入をSparkの得意分野として挙げている。Schwartzは自分の子供の図書館カード申請を試した。SparkはGoogleアカウントに保存された住所や連絡先を参照して各フィールドを自動入力し、最終送信ボタンの手前で止まってユーザーの確認を待った。フォーム自体はそれほど複雑ではなかったが、医療保険関係の書類など長大なフォームでは時間短縮効果が大きくなる、とSchwartzは指摘している。

通常のGeminiとの違い

Sparkを使って感じた最大の差は、AIが「説明する」のではなく「実行する」点だ。通常のGeminiは次にユーザーが何をすべきかを言語で返すが、Sparkは実際にブラウザを操作して作業を進める。タブの切り替えや反復的なタイピングといった手作業を静かに肩代わりする。

ただし、購入・重要情報の入力・確定操作が絡む場面では必ずユーザーの承認を求める設計は一貫している。AIが勝手に購入を完了させることはない。こうした「Human-in-the-loop（人間が最終判断に介在する）」設計は、Project MarinerやOperatorでも共通して採用されているアプローチであり、AIエージェントが実世界の操作を担う際のデファクトスタンダードになりつつある。

Chrome統合が持つ業界的な意味

AIエージェントによるブラウザ自動操作それ自体は新しい概念ではないが、Sparkのアプローチが注目される理由はChromeという巨大なプラットフォームとの深い統合にある。GoogleはChrome拡張機能のManifest V3移行など、ブラウザ側のアーキテクチャを継続的に刷新してきた。その流れの延長として、AIエージェント機能をブラウザの一機能として組み込む今回の動きは、「ブラウザ＝AIエージェントのOS」という新たなパラダイムへの転換を象徴するものといえる。

※編集部の考察：Sparkが広く普及すれば、Webサービス側もAIエージェントによる操作を前提としたUI設計を求められるようになる可能性がある。エージェントフレンドリーなWeb標準の議論が今後加速するかもしれない。

詳細はGemini Spark in Chrome and it can do all the boring browsing on your behalfを参照していただきたい。