カメラ付きAirPodsが出たら、画面を見ながら話すだけで仕事できるんじゃない？

最近、仕事のやり方が自分でもかなり変わってきました。

特に変わったのが、

音声入力。

最近、自分は仕事でも音声入力を使うことがかなり増えました。

iPhoneに向かって考えていることを話したり、ちょっとしたメモを音声で残したり。

キーボードを打たなくても、その場で考えたことを言葉にできるのが想像以上に楽なんです。

そして今日、カメラ搭載AirPodsのニュースを見て思ったんです。

これ、AirPodsが自分の見ているものまで分かるようになったら、もっと楽になるんじゃない？

AirPodsにカメラ？ 何に使うの？

Appleがカメラを搭載したAirPodsを開発しているという話は以前から出ています。

今回、macOSのコード解析から、その用途につながる新しい痕跡が見つかったと報じられました。

報道によると、AirPods側のセンサーやカメラを使って、

ユーザーがどの画面を見ているか判断する。

Macなのか。

iPhoneなのか。

iPadなのか。

テレビなのか。

そして、見ている画面に合わせてSpatial Audioを最適化するような仕組みが検討されている可能性があります。

さらにVisual Intelligenceにつながるとみられるコードも見つかっています。

ただし、ここはまだ未発表製品。

実際にどの機能が搭載されるかは分かりません。

でも自分が気になるのはSpatial Audioよりこっち

もちろん、見ている画面に合わせて音が変わるのも面白い。

でも自分が一番気になったのは、

AirPodsが「自分が何を見ているか」をAIへ伝えられる可能性

です。

もしそれができたら、AIとのやり取りってかなり変わる気がします。

今はAIへ何かを頼むとき、

「この画面のこれ」

を伝えるために、

スクリーンショットを撮る。

画像を送る。

ファイルを指定する。

文章で説明する。

みたいな作業が必要です。

でもAirPodsが自分の視線の先を理解していたら？

「これ直して」で本当に伝わるかもしれない

たとえばMacでWebサイトを確認しているとします。

画面を見ながら、

「ここの文字、もう少し大きくして」

と言う。

AIは、

「ここの文字」が何を指しているのか分かる。

別の部分を見て、

「この余白ちょっと広すぎない？」

と言う。

また分かる。

画面を見ていて、

「これ、あとで使いたいからメモにして」

と言う。

AIは自分が今見ている内容を理解する。

もしここまでできたら、

マウスで対象を選んでAIへ説明する

という作業自体がかなり減るかもしれません。

実はもう「しゃべって仕事する」は始まってる

これは完全な未来の話でもありません。

自分の場合、仕事をしながら思いついたことを、その場で音声入力することがかなり増えました。

あとで入力しようと思って忘れることも減るし、PCの前に座っていなくても使える。

自分にとって音声入力は、単なるキーボードの代わりというより、

考えたことをそのままデジタルへ渡す方法

になってきています。

これは想像以上に楽でした。

朝ごはんを食べながらでも使える。

犬を日向ぼっこさせながらでも、思いついたことをその場で残せる。

PCの前に座らなくても使えるのが、自分にはかなり便利です。

今は「iPhoneに向かって」しゃべっている

ただ、今はまだ一つ制約があります。

iPhoneに向かってしゃべる必要がある。

AIへ指示を出す画面。

自分が見ているもの。

これらが完全には一体化していません。

だから、目の前の画面を見ながらiPhoneへ話して、必要なら画面を見せてAIへ指示する。

という流れになります。

もしAirPodsが、

自分の声を聞く。

自分が見ているものも理解する。

その両方をAIへ渡せる。

となったら、この境界がかなり消えます。

AirPodsが「AIの目と耳」になる？

AirPodsは今でも、耳につけて長時間使えるデバイスです。

そこに、

マイク。

カメラやセンサー。

Siri AI。

Visual Intelligence。

が組み合わさったらどうなるのか。

自分の声を聞く。

自分が見ているものを理解する。

必要ならAIが答える。

そして将来的にAIエージェントがMacやiPhoneを操作できれば、

そのまま仕事まで実行する。

そう考えるとAirPodsって、

単なるイヤホンではなく、

AIに自分の周りを伝える「目と耳」

みたいな存在になる可能性があります。

スマートグラスじゃなくAirPodsなのも面白い

「見ているものをAIが理解する」と聞くと、普通はスマートグラスを想像します。

でもAirPodsなら、すでに日常的につけている人が多い。

新しくメガネ型デバイスを装着する必要がない。

もちろんカメラの位置や視野、プライバシーなど、技術的にも社会的にも難しい問題はたくさんあるはずです。

それでも、

普段から身につけているデバイスにAIの目が加わる

という考え方はかなり面白いと思います。

ただし、カメラ付きAirPodsには怖さもある

便利そうな一方で、これはかなり慎重に作らないといけない製品でもあります。

AirPodsを着けているだけでカメラが周囲を認識するなら、

撮影されているのか。

何が保存されるのか。

Appleへ送信されるのか。

端末内だけで処理されるのか。

周囲の人にどう知らせるのか。

といった問題が出てきます。

Appleが実際に製品化するなら、ここはかなり重要になるはずです。

特に「常につけている」ことがAirPodsの強みだからこそ、プライバシー設計はスマートフォンのカメラ以上に重要かもしれません。

Apple SiliconとローカルAIも効いてきそう

ここで個人的にもう一つ気になるのが、

どこまで端末側で処理するのか。

という点です。

自分が見ているものを常にクラウドへ送るのは、プライバシー的にも通信量的にも現実的ではなさそう。

そこで、

iPhone。

Mac。

Apple Silicon。

Apple Intelligence。

が効いてくる可能性があります。

端末側で、

「これはMacの画面」

「この部分を見ている」

「これは文字」

くらいまで理解して、必要な情報だけAIへ渡す。

もしそんな構成になれば、

Appleが長年進めてきたローカル処理の強みともかなり相性がよさそうです。

ここは現時点では自分の予想です。

AIとの会話から「AIと一緒に見る」へ

今の生成AIは基本的に、

人間が情報を渡す

AIが考える

という形です。

でもカメラやセンサーがAIとつながれば、

人間とAIが同じものを見る

ようになる。

これはかなり大きな変化かもしれません。

「この画像を見て」

ではなく、

「これどう思う？」

で通じる。

「このページを修正して」

ではなく、

「ここ直して」

で通じる。

人間同士の会話に近づきます。

そして、その先にAIエージェントがいる

さらにAIエージェントが組み合わさると、

見る。

理解する。

話を聞く。

考える。

操作する。

までつながります。

たとえば、

Webサイトを見ながら、

「ここのデザイン直して」

と言う。

AIが対象を理解。

コードを修正。

Previewを作る。

自分が見る。

「いいね。それで公開して」

と言う。

ここまで音声だけで進められたら、仕事の仕方はかなり変わります。

もちろん、これは現在発表されているAirPodsの機能ではありません。

あくまで今のAIエージェントの進化と今回のカメラ搭載AirPods報道を組み合わせて、自分が想像している未来です。

でも、そんなに遠い話にも思えなくなってきました。