GeminiデスクトップがAIエージェントへ進化か

すでに画面の内容を理解する「コンテキスト対応アシスタント」として機能していますが、現時点では自動でPC操作を行う仕組みではありません。

Gemini Spark：ファイル整理もできるAIエージェント

リーク情報で特に注目されているのが、**「Gemini Spark」**と呼ばれるエージェント機能です。

報道によるとSparkは、ユーザーのPC上で次のような操作を実行できる可能性があります。

• ローカルのファイルシステムにアクセス
• フォルダやドキュメントの自動整理
• 複数ステップの作業をまとめて実行

もし実装されれば、Geminiは単に回答するAIではなく、実際に作業を代行するコンピューター操作型エージェントに近づくことになります。

ChatモードとAgentモードの分離？

さらに、チャットAIとエージェント機能を分けたインターフェースの存在も報告されています。

想定されている構成は次の通りです。

• Chatモード：現在のGeminiのように質問や会話を行う
• Agentモード：PC上の操作やタスク実行を任せる

この設計は、AIソフトウェアで増えつつある「質問するAI」と「作業を任せるAI」を明確に分ける流れとも一致します。

Gemini Live：画面を見ながら音声で会話

もう一つの注目機能が**「Gemini Live」**です。

リークでは、デスクトップ上に音声会話用のフローティングオーバーレイが表示され、次のような使い方が想定されています。

• AIとリアルタイム音声会話
• 画面に表示されている内容をリアルタイムで認識
• ブラウジング、資料作成、プログラミング中の支援

従来のスクリーンショット分析とは違い、画面を見ながら会話し続けるアシスタントになる可能性があります。

Stream to Cursor：開発者向けAI連携

開発者向けには、**「Stream to Cursor」**という機能も報告されています。

これは、デスクトップやアプリの状況をCursorコードエディタへストリーミングし、Geminiが開発中のコンテキストを理解したうえでコード提案を行う仕組みとされています。

GoogleはI/O 2026で「エージェント型コーディング」を強調すると予告しており、この機能はその戦略と一致します。

Veo4 Omni：動画生成・編集AI

リークには**「Veo4 Omni」**という動画AIモデルも登場しています。

詳細はまだ不明ですが、次のような機能が示唆されています。

• AIによる動画生成
• 動画編集や合成
• Geminiデスクトップとの連携

ただし、この情報は主にアプリ解析に基づくもので、公式仕様はまだ発表されていません。

発表のタイミングはGoogle I/Oが有力

これらの機能についてGoogleは正式発表していません。

ただし、**Google I/O 2026（5月19日〜20日）**が最も有力な発表の場とみられています。

考えられる公開方法は次の通りです。

• I/O基調講演でのプレビュー
• 開発者向けの実験機能として公開
• Geminiデスクトップユーザーへの段階的リリース

また、これらの機能がGemini AdvancedやGoogle One AIプラン限定になるかどうかも現時点では明らかになっていません。

AIエージェント競争の中での位置づけ

もしリーク通りの機能が実装されれば、Geminiは**「コンピューター操作AI」**という新しいカテゴリに本格参入することになります。

つまり、AIは次のようなことが可能になります。

• 画面上の状況を理解
• アプリやファイルにアクセス
• コーディングを支援
• 動画などのコンテンツ生成

一部報道では、こうした動きはClaude系のエージェント機能など競合AIへの対抗とも指摘されています。

プライバシーと安全性の課題

一方で、デスクトップAIエージェントには新しいリスクもあります。

例えば次のようなアクセス権が必要になる可能性があります。

• ローカルフォルダやドキュメント
• 画面の内容
• アプリ状態やアクセシビリティ権限

これらは便利である一方、機密情報の処理や誤操作によるファイル変更などのリスクも伴います。

現時点では、Googleがどのような権限管理・監査ログ・安全対策を導入するのかは公表されていません。

現時点で確定していること

現在、公式に確認できるのは次の点です。

• 2026年4月、macOS向けGeminiデスクトップアプリが公開された。
• **Google I/O 2026（5月19日〜20日）**でGemini関連のAIアップデートが紹介される予定。

一方で、以下の機能は主にリーク情報に基づくものです。

• Gemini Spark
• Chat / Agentモード
• Gemini Live
• Stream to Cursor
• Veo4 Omni

これらが実際にどの形で登場するのかは、Google I/O 2026での発表によって明らかになる可能性があります。