慣性聚合 関心のあるブログ、ニュース、テクノロジーを効率的に追跡
原文を読む 慣性聚合で開く

おすすめ購読元

V
V2EX
博客园 - 叶小钗
Y
Y Combinator Blog
大猫的无限游戏
大猫的无限游戏
博客园 - 【当耐特】
酷 壳 – CoolShell
酷 壳 – CoolShell
D
Docker
WordPress大学
WordPress大学
Blog — PlanetScale
Blog — PlanetScale
博客园 - Franky
G
Google Developers Blog
爱范儿
爱范儿
Google DeepMind News
Google DeepMind News
Stack Overflow Blog
Stack Overflow Blog
云风的 BLOG
云风的 BLOG
Engineering at Meta
Engineering at Meta
aimingoo的专栏
aimingoo的专栏
V
Visual Studio Blog
M
MIT News - Artificial intelligence
Hugging Face - Blog
Hugging Face - Blog

DEV Community

Authentication Security Deep Dive: From Brute Force to Salted Hashing (With Java Examples) Why AI Systems Don’t Fail — They Drift Spilling beans for how i learn for exam😁"Reinforcement Learning Cheat Sheet" I Replaced Chrome with Safari for AI Browser Automation. Here's What Broke (and What Finally Worked) How Python Borrows Other People's Work The $40 Architecture: Processing 1 Billion API Requests with 99.99% Uptime Vibe Coding: A Workflow Guide (From Zero to SaaS) Most webhook security guides protect the wrong side. The scary part is delivery. Headless CMS for TanStack Start: Build a Blog with Cosmic EU Age Verification App "Hacked in 2 Minutes" — What Actually Happened Comfy Cloud’s delete function does not actually remove files Running AI Models on GPU Cloud Servers: A Beginner Guide Event-driven media intelligence with AWS Step Functions and Bedrock I scored 500 AI prompts across 8 quality dimensions — here's what broke How to Call Google Gemini API from Next.js (Free Tier, No Backend Needed) The Portal Protocol: Reclaiming Human Connection in the Age of AI How to Fix Your Team's Scattered Knowledge Problem With a Self-Hosted Forum Intro to tc Cloud Functors: A Graph-First Mental Model for the Modern Cloud Designing Multi-Tenant Backends With Both Ownership and Team Access I Built a Neumorphic CSS Library with 77+ Components — Here's What I Learned PostgreSQL Performance Optimization: Why Connection Pooling Is Critical at Scale Cómo construí un SaaS multi-rubro para gestionar expensas en Argentina con FastAPI + Vue 3 🚀 I Built an Ethical Hacking Scanner Tool – Open Source Project I Replaced /usage and /context in Claude Code With a Single Statusline A Pythonic Way to Handle Emails (IMAP/SMTP) with Auto-Discovery and AI-Ready Design I Collected 8.9 Million Polymarket Price Points — Here's What I Found About How Markets Really Move EcoTrack AI — Carbon Footprint Tracker & Dashboard Everyone's Using AI. No One Agrees How. 5 self-hosted ebook managers worth trying in 2026 Building Your First AI Agent with LangChain: From Chatbot to Autonomous Assistant Common SOC 2 Failures (Real World) Stop Vibe-Checking Your AI App: A Practical Guide to Evals How to Use SonarQube and SonarScanner Locally to Level Up Your Code Quality Your Next To-Do App Is Dead — I Replaced Mine with an OpenClaw AI Sign a Nostr event in 60 lines of Python using coincurve — no nostr-sdk, no nbxplorer, no rust toolchain ITGC Audit Explained Like You’re in Big 4 Patch Tuesday abril 2026: Microsoft parcha 163 vulnerabilidades y un zero-day en SharePoint Stop scraping everything: a better way to track competitor price changes Listing on MCPize + the Official MCP Registry while routing payments OUTSIDE the marketplace — how I kept 100% of my x402 revenue Building an AI-Powered Risk Intelligence System Using Serverless Architecture Why We Ripped Function Overloading Out of Our AI Toolchain Testing AI-Generated Code: How to Actually Know If It Works SaaS Churn Is Killing Your Business. Here Is What to Do About It (Without a Support Team) The Speed of AI Is No Longer Linear - And Self-Improving Models Are Why How to Implement RBAC for MCP Tools: A Practical Guide for Engineering Teams From Standard Quote to Persuasive Proposal: AI Automation for Arborists I built a CLI that scaffolds complete multi-tenant SaaS apps Axios CVE-2025–62718: The Silent SSRF Bug That Could Be Hiding in Your Node.js App Right Now The dashboard that ended our friendship Data Pipelines Explained Simply (and How to Build Them with Python)
Google は静かに I/O 2026 で「Apps」の意味を変更した
Touhidul Isl · 2026-05-22 · via DEV Community

昨年、私はGoogleがより良いAIツールを開発していると思っていました。Google I/O 2024から2026のイベントを観た後、もうそうとは思いません。Googleはゆっくりと「アプリ」が何であるかを再定義していると思います。

そして、この変化はGeminiよりもずっと大きいです。


長年にわたり、ソフトウェアは予測可能な構造を追っていました。

アプリを開き、インターフェースをナビゲートし、ボタンをクリックし、フォームに入力し、メニューを検索し、自分でワークフローを手動で運用します。AIは通常、その体験の上に拡張層として座っていました。隅に配置されたチャットボット。オートコンプリート機能。より賢い検索バー。

しかし、過去の3つのGoogle I/Oにおいて、何か静かに変わりました。

インターフェース自体が消え始めました。


大多数人注意到之前,转变就已经开始了

2024年のGoogle I/Oでは、焦点は依然としてモデル中心に見えました

大多数のヘッドラインは以下を取り上げていました:

  • より大きなコンテキストウィンドウ
  • マルチモダリティ
  • 推論の改善
  • ジェミニ統合があちこちにありました

初見では、全ての業界が既に走っている同じレースに感じた。
より良いモデル、より速い出力、より大きなベンチマーク。

しかし、多くのデモの中に全く異なる考え方が隠されていた。

ノット:

「AIを使ってどのようにアプリを改善しますか?」

しかし:

「アプリが体験の中心ではなくなる場合、どうなるでしょうか?」

その区別は、最初に聞こえるよりも重要です。

もっと重要です。


最初のヒントはAsk Photosでした

I/O 2024で最も見過ごされがちなデモは、実際にはGoogle Photosでした。

画像生成のせいではありません。
画像編集のせいではありません。

インタラクションそのものがどのように変わったかのせいではありません。

フォルダ、アルバム、タイムスタンプ、フィルターを手動でナビゲートする代わりに、ユーザーは単に尋ねることができます:

ルシアはいつ泳ぎを覚えたのですか?

ジェミニは:

  • 画像を分析する
  • 時間の経過における進行を識別する
  • コンテキストを接続する
  • 記憶を要約する
  • ナラティブな答えを返す

従来のソフトウェアでは、ユーザーがインターフェース構造に適応する必要がありました。

この相互作用は関係を完全に逆転させました。

システムは人間の意図に適応する代わりに。

それは基本的に異なるコンピューティングモデルです。


検索も静かに変化していた

Google 検索も同様の方向へ進化しました。

キーノートを通じて、Googleは繰り返し人々が検索を異なる方法で始めていることを強調しました:

  • より長いクエリ
  • 会話的なプロンプト
  • 多様な入力
  • 探索的な推論

今は明らかに聞こえるかもしれませんが、それはインタラクションデザインのアーキテクチャを根本的に変えます。

クラシックな検索は、次のことを重視していました:

  • キーワード検索
  • インデックスランキング
  • 明示的なクエリマッチング

AIネイティブ検索は以下に焦点を当てています:

  • 意図解釈
  • 文脈理解
  • 合成されたレスポンス
  • 適応的なインタラクション

UIは二軸になります。

会話が主軸になります。


その後、Googleはワークフローの摩擦を完全に削除し始めた

2025年のI/Oでは、この変化は無視することがもはや難しくなった

特に以下の点で

  • プロジェクトアストラ(Project Astra)
  • プロジェクトマリナー(Project Mariner)
  • エージェントモード(Agent Mode)
  • パーソナルコンテキスト(Personal Context)
  • ジェミニライブ(Gemini Live)

この時点で、Googleはもはやインターフェースを強化するだけではなかった

手動のオーケストレーションそのものを置き換えていることを実験していた.

それが本当に面白いことに成った.


エージェントモードは「AI自動化」だけではない

I/O 2025のアパート探しデモは表面から見て簡単に見えた.

ジェミニ:

  • リスティングを検索
  • フィルターを適用
  • 要件を確認
  • スケジュールツアー
  • バックグラウンドでの継続的なモニタリング結果

しかし、重要な部分はデモそのものではなかった

それはそれに基づくインタラクションモデルだった

ユーザーはもはやソフトウェアを手順ごとに操作していなかった

代わりに、彼らは

  • 目標
  • 制約
  • 好みを定義した
  • 結果

システムは実行を処理しました

これでは従来のソフトウェアインタラクションではありません

これが委任された意図です

正直に言って、このフレーズは現在の現代のAI製品のほぼ全ての方向性を説明しています


我々は「ソフトウェアを使う」から「システムを指揮する」へ移行しています

これが、すべての3つのI/Oイベントで見た最も大きなパターンになりました。

古いソフトウェアモデルはこんな感じでした:

ユーザーがワークフローを手動で実行

新たに登場するモデルはますますこんな感じです:

ユーザーが目標を記述

ソフトウェアの層は完全に消えません。

ただ、抽象化されます。

多くの点で、これはコンピューティングの歴史における以前の変化と似ていると感じられます:

  • コマンドライン → GUI
  • デスクトップ → モバイル
  • ナビゲーション → フィードベースのコンピューティング

今、私たちは次の段階に入り始めているかもしれません:

インターフェース → 意図

そしてGoogleは、その変化を急速化させることに完全にコミットしているようです。


無限スケーラーが偶然未来を明らかにした

なぜか思ったより明確な例は、ほとんど真面目に見えなかったデモから来た。

Google I/O 2026の無限スケーラー。

ブラウザベースのマルチプレイヤークリーミングゲームで、プレイヤーはプロンプトを使ってライブゲームワールドを生成した。

最初は、楽しい大衆実験に見えた。

しかし、その光景の下にはもっと重要なものがあった。

プレイヤーはもはや予め定義された資産や環境を選択していなかった。

彼らは言語を通じてダイナミックに世界を生成していた。

そのゲーム自体は次のようになった:

  • 部分的にプロセッサル
  • 部分的にコラボレーション的
  • 部分的にジェネレーティブ
  • 部分的会話形式

それは人間とソフトウェアシステムの完全に異なる関係です

そして、率直に思うと、このデモは多くの人々が認識したよりもずっと重要でした


インターフェースは静的ではなく適応的になっています

従来のアプリケーションは固定された構造を中心に設計されています

  • メニュー
  • 画面
  • ナビゲーション木
  • 事前定義されたワークフロー

AIネイティブなシステムは異なります

インタラクションレイヤーは以下のようになります

  • 文脈に応じた
  • 反応的
  • 生成的
  • パーソナライズされた
  • 状態を持つ

NotebookLMは驚くほど早くこれを示しました

ユーザーは大量の資料をアップロードし、ダイナミックに生成された:

  • 要約
  • 会話
  • クイズ
  • 音声ディスカッション
  • 文脈に即した説明

固定された出力ではない.

適応的な出力.

経験は以下によって変わる:

  • 文脈
  • メモリ
  • 履歴
  • ユーザーベヘイビア
  • モダリティ
  • 意図

それは従来のアプリよりははるかにオペレーティング層に近い感じがします


個別のコンテキストが全ての計算を変えます

私は、Googleが導入した最も重要な長期的なコンセプトはマルチモダリティではなかったと思います

それは個別のコンテキストでした

AIシステムが安全にアクセスできるようになったら:

  • メール
  • 文書
  • 設定
  • スケジュール
  • ワークフロー
  • ブラウジング行動
  • 書き込みパターン

インターフェースはもはや常時明示的な指示を必要としなくなります。

システムはすでに状況コンテキストを理解しています。

それは非常に強力です.

正直に言って、少し不快なのも事実です.

GoogleのパーソナライズされたSmart Replyデモでは、Geminiが次のものを分析していました:

  • 過去のメール
  • Driveのノート
  • スケジュール
  • トーンの好み
  • 語彙のパターン

を分析して、個人的に本物らしき返信を生成しました。

これはオートコンプリートをはるかに超えています.

ソフトウェアが自身の行動をモデル化し始めています.


アプリはより協力者のように振る舞い始めています

これらのI/Oプレゼンテーションを通じて、一つのことがますます明確になりました:

Googleはソフトウェアがツールではなく、アクティブな参加者のように感じられるようにしたいです.

命令を待つだけの補助者ではありません。

システムは背景で継続的に推論しています。

それは変わります:

  • UXデザイン
  • フロントエンドアーキテクチャ
  • 状態管理
  • ワークフロー仮定
  • インタラクションパターン
  • 製品思考そのものさえ

AIが動的にオーケストレーションを処理する場合、多くの伝統的なインターフェースの決定が突然重要性を失う。

ユーザーが直接意図を表現できるなら、深くネストされたナビゲーションシステムを設計する必要があるのか?

それ自体が、今後数年間でフロントエンド開発の大きな部分を再構築する可能性がある。


これも新たな問題を生む

この移行がスムーズになるとは思わない.

実際、これは業界がまだ解決していない困難な問いを引き起こすと考えている:

  • 信頼
  • 透明性
  • 幻覚
  • 過剰な委譲
  • 許可の境界
  • 認知的依存
  • インターフェースの予測可能性
  • 行動モデル化

ソフトウェアが見えにくくなるほど、
信頼性がより重要になる。

壊れたボタンは煩わしい。

ズレた自律的なワークフローは全く別の問題だ。

そして、私は業界がまだその課題がどれほど困難であるかを過小評価していると考えている。


開発者は製品設計を見直す必要があるかもしれない

現在のフロントエンド開発の多くは以下を前提としている

  • 確定的なフロー
  • 予測可能なナビゲーション
  • 明確なユーザーアクション

しかしAIネイティブなシステムは確率的である

インターフェースは完全に事前に定義されなくなるかもしれない

代わりに設計するのではなく

  • スクリーン
  • メニュー
  • 静的経路

開発者はますます次のようなものを設計するかもしれない:

  • 制約
  • オーケストレーションレイヤー
  • メモリシステム
  • コンテキスト境界
  • フォールバック動作
  • ガードレール

それは大きな概念の変化だ。

正直に言って、私たちはまだその意味を完全には理解していないと思います。


Google I/O 2026 は製品イベントとは感じられませんでした

Googleがゆっくりと新しい計算モデルを公開しているような感じでした。

それでは:

  • ソフトウェアが会話的になる
  • インターフェースが適応的になる
  • ワークフローが委任される
  • アプリケーションはますます目立たなくなっています

奇妙なのは、この変化が一つの大きな突破を通じて起こっているわけではないということです

徐々に起こっています

一つの機能ずつ
一つのワークフローずつ
一つのインタラクションずつ

そして、それが多くの人々がこれらのアナウンスを孤立したAIデモとして見ている理由だと思います

複数の年を通じて一緒に見ると、そのパターンは無視することが難しくなります。

私たちはアプリの後の時代の初期段階を見ているかもしれません。