AlibabaのQwenはQwen-UI-Agentをリリースした。これは画面を読み取り、クリック、タイピング、スワイプを模倣して実際のスマートフォン、デスクトップ、ブラウザを操作する基盤モデルで、決済などの機密性の高いステップの前には確認のため一時停止する。

ここでの戦略的転換は、API経由の自動化から直接的な視覚的画面制御への移行だ。10年間、ソフトウェアの自動化には統合ポイントか、固定座標に紐づいた脆弱なスクリプトワークフローのいずれかが必要だった。人間と同じ方法であらゆるインターフェースを認識するモデルは、その依存関係を解消する。これによりAlibabaはAnthropicのコンピューター利用ツールや他のエージェント的取り組みと同じ戦場に立ち、注目すべきパターンを強化している。中国の研究機関は有能でオープンに構成されたモデルを高速で出荷しており、これが価格を圧縮し、自動化を販売するあらゆるベンダーの差別化期間を狭めている。ベンチマークスコアよりも軌道が重要だ。画面ネイティブエージェントはデモではなく、一つのカテゴリーになりつつある。

注意点は信頼性だ。視覚エージェントは依然として確率的であり、優れたベンチマークと本番の決済を任せられるワークフローとの間には大きなギャップがある。機密性の高いアクションの前の確認ゲートは、自律性にはまだガードレールが必要であることの認識であり、そのガバナンス層こそが企業価値とリスクが集中する場所だ。

日本にとって、これはRPA経済に直撃する。WinActorやUiPathなどのツールの国内採用は深く浸透しており、SIerの収益の大部分はUIが変更されるたびに壊れる画面スクレイピングボットの構築と保守から来ている。インターフェースの変更に自力で適応するモデルは、これらのビジネスが依存している保守契約ロジックを侵食する。これを脅威として扱うSIerはレガシー課金を防衛するだろう。これをレバレッジとして扱うSIerは、エージェントオーケストレーション、例外処理、監査証跡、そして日本企業が求めるヒューマン・イン・ザ・ループ制御を中心に再配置するだろう。

また、真の機会もある。日本の最大の自動化の障壁は、APIを持たないレガシーシステムの山だ。メインフレームのグリーンスクリーン、古いウェブポータル、ベンダーが再開することのないパッケージソフトウェア。画面ネイティブエージェントは、原理的にはまさにこれらのシステムを駆動できる。短期的な勝者は、完全な自律性を追求するのではなく、厳格なスコーピング、セキュリティレビュー、確認ワークフローとこの技術を組み合わせるチームだ。経営幹部は今、低リスクの内部プロセスで管理されたパイロットに資金を提供すべきであり、無監督のエージェントを金銭を動かすものに向けることは明確に避けるべきだ。