Claudeはパソコン画面を自分で操作できるようになったのか。正式版に格上げされた4つのエージェント機能を確認する

まず初めに

「ベータ版」というのは、開発者の世界における「まだ人前に出すには早いけど、みんなに触ってほしい」という体のいい言い訳のようなものだ。Claudeの画面操作機能は、実に長い期間このベータ版という肩書きを引きずってきたが、今回ようやく「正式版」の看板を掲げることになった。もっとも、AIがマウスをクリックしてブラウザを操作するという光景自体は、聞くだけなら近未来的だが、実際には「人間がやれば5秒で終わる作業を、AIが画面を何度も見直しながら慎重にこなす」という、意外と地味な仕事の積み重ねである。派手な見出しの裏側にあるのは、地道な自動化の話だ。※個人の感想です

何が起きているのか

Anthropicは、AI「Claude」を企業のシステムに組み込んで使うための開発者向けサービス「Claude Platform」を提供しています。同社の公式ドキュメント(リリースノート)によると、2026年8月19日、次の4つの機能がベータ版から正式版(GA、General Availability)へ切り替わりました。

1つ目は「computer use」です。これはClaudeが画面のスクリーンショットを見ながら、クリック・ドラッグ・文字入力・スクロールといった操作を行い、専用の連携機能(API)が用意されていない既存のソフトウェアでも、人間の代わりに操作できるようにする機能です。正式版では、複数の操作を1回のやり取りにまとめて実行できる「バッチ操作」、画面の小さな文字やボタンを拡大して認識しやすくする「ズーム」機能(標準で有効)などが加わりました。

2つ目は、新たに追加された「browser use」です。従来のcomputer useが画面全体をスクリーンショットとして認識し、座標を頼りにクリックしていたのに対し、browser useはブラウザが表示しているページの構造(見出し・入力欄・ボタンなどの要素)そのものを読み取り、要素を指定して正確に操作できます。ページのレイアウトが変わっても操作がずれにくく、タブの管理やファイルのダウンロード・アップロードにも対応しています。これら2つの機能は、AnthropicのAIモデル「Claude Fable 5」「Claude Opus 5」「Claude Sonnet 5」「Claude Opus 4.8」などで利用できます。

3つ目は「Skills API」です。「スキルすきる」とは、作業の手順書やひな形ファイルをまとめたフォルダのことで、Claudeは必要な場面だけそのスキルを読み込んで作業します。Skills APIを使うと、企業は自社独自の業務手順をスキルとして登録し、バージョン管理ばーじょんかんり(変更履歴を記録し、必要なら過去の版に戻せるようにする仕組み)をしながら繰り返し利用できます。公式ドキュメントによれば、1回のリクエストで最大20個のスキルを組み合わせられ、1つのスキルの上限容量は30MBです。

4つ目は「Files API」です。これはAIが読み書きするファイル(PDFや表計算ファイルなど)を保存しておく仕組みで、一度アップロードしたファイルは、ID(識別番号)を指定するだけで何度でも参照できます。正式版では、保存したファイルの自動的な有効期限設定などの機能が加わりました。ベータ版の肩書きが取れただけで中身は同じ、というわけではなく、地味に便利な機能が積み重なっている点は評価してよさそうだ。

なぜ重要なのか

これらの機能が正式版になったことが重要なのは、企業が安心して本番の業務システムに組み込める段階に達したことを意味するためです。ベータ版の機能は、仕様が変更される可能性があることを前提に試験的に使われるものですが、正式版になれば、企業は長期的に安定して使えるサービスとして採用しやすくなります。

特にcomputer useとbrowser useは、専用の連携機能(API)が用意されていない既存の業務ソフトやWebサービスであっても、AIが人間の代わりに画面を操作して作業を進められる点が特徴です。これまでAIによる業務自動化は、システム側が対応する仕組みを用意している場合に限られることが多かったため、画面を直接操作できる機能が実用段階に入ったことは、AIを使った業務自動化の対象範囲を広げる動きの一つといえます。Skills APIとFiles APIは、こうした自動化の作業を、決まった手順やファイルを使って繰り返し安定して実行するための土台となる機能です。

私たちへの影響

一般の消費者が今回の発表を直接使う場面は多くありませんが、日常業務でパソコンを使う会社員や中小企業の担当者にとっては、間接的な影響が考えられます。データの入力作業や、複数のシステムをまたいだ確認作業など、これまで人手で行っていた定型的なパソコン操作の一部が、AIによって代行される場面が今後増える可能性があります。

一方で、AIに業務システムの操作を任せるということは、AIが誤った操作をしてしまうリスクや、AIに与える権限の範囲をどう管理するかという課題も伴います。公式ドキュメントでは、computer useを使う際には専用の仮想環境を用意し、インターネットへのアクセス先を限定し、ログイン情報などの認証情報の扱いに注意することが推奨されています。企業がこうした機能を導入する際は、AIにどこまでの操作を許すかを慎重に設計する必要があります。

初心者が知っておくべきこと

「APIえーぴーあい(Application Programming Interface)」とは、あるソフトウェアの機能を、別のソフトウェアから呼び出して使えるようにするための窓口のことです。今回登場したcomputer use・browser use・Skills API・Files APIは、いずれも企業の開発者がAIをシステムに組み込むための技術的な部品であり、一般の利用者が直接触るものではありません。

「ベータ版」とは、正式版として公開する前に、機能や不具合を確認するために限定的に提供される試験版のことです。ベータ版から正式版(GA)へ切り替わることは、そのサービスが安定して長期的に使える段階に達したという、開発者向けの目安になります。

IT Postの見方

IT Postでは、今回の発表で特に注目すべきは、AIが画面を直接操作する「computer use」だけでなく、ページの構造を読み取って正確に操作する「browser use」が新たに加わった点だと考えます。座標だけを頼りにクリックする方式は、画面のわずかなレイアウト変更で誤操作につながりやすい弱点がありましたが、要素を指定して操作できる方式が加わったことで、業務での実用性は一段上がったといえます。

同時にIT Postでは、AIによる業務自動化が広がるほど、労働者側への影響にも目を向けるべきだと考えます。定型的なパソコン操作がAIに置き換わっていくこと自体は、単純作業からの解放につながる面がある一方で、企業がその効率化分をどう扱うか──労働時間の短縮に振り向けるのか、単純な人員削減に使うのか──によって、働く人にとっての意味合いは大きく変わります。便利な技術の登場を歓迎しつつも、その導入によって影響を受ける労働者への配慮を欠かさないことが重要だとIT Postでは考えます。※個人の感想です

今後どうなりそうか

Anthropicの公式ドキュメントでは、computer useとbrowser useについて、Google Cloudの「Vertex AI」向けの提供も準備中であることが示されています。今後、他のクラウドサービスや開発環境への対応が広がっていくとみられます。IT Postでは、これらの機能を使った具体的な業務自動化の事例や、AIによる誤操作・セキュリティ上の課題が明らかになった場合は、あらためて取り上げます。