AIアシスタントがテキストで答えるだけでなく、PCを直接操作して仕事をこなす時代が来た。

xAIが開発する「Grok Computer」は、画面を認識してマウスを動かし、キーボードを叩き、アプリを横断しながらタスクを自律的にこなすPCエージェントだ。2026年4月13日にプライベートベータが開始し、現在は公開ベータへの移行が進んでいる。

この記事でわかること:

  • Grok Computerが解決する課題と主な機能
  • PCを操作可能にする2層アーキテクチャの仕組み
  • Claude Computer UseやOpenAI Operatorとの違い
  • 現在の利用方法と今後のロードマップ

https://x.ai

AIアシスタントの「壁」を超える

従来のAIアシスタントはテキストで指示を受け、テキストで答えを返す。しかし「データを調べてスプレッドシートにまとめてメールで送る」という一連の作業は、最終的に人間がアプリを操作しなければ完結しない。

Grok Computerはこの制約を取り除く。画面全体をリアルタイムで認識し、マウスとキーボードを制御して、ブラウザ・オフィスソフト・ターミナルなどあらゆるアプリを自律的に操作する。APIを必要としないため、ピクセルを読む形式で動作し、2000年代の古いソフトウェアにも対応する。

主な機能

Grok Computerが対応する主なタスクは次の通りだ。

アプリケーションの操作: ブラウザ、オフィスソフト、ターミナル、デザインツールなど、インストール済みの任意のソフトウェアを開いて操作する。

複数ステップのワークフロー実行: 「データを調べて → スプレッドシートに整理して → レポートをフォーマットして → メールで送信する」といった一連の処理を中断なく実行する。

フォーム入力・データ登録: WebフォームやデスクトップアプリのUI要素を読み取り、データを入力・送信する。

ソフトウェアテスト: UIを操作してバグを検出し、テストレポートを自動生成する。

リアルタイムの画面認識は、直近5秒間の映像を継続的に処理することで実現している。ボタンやフォームの位置をピクセル単位で把握し、状況に応じて次のアクションを判断する仕組みだ。

2層アーキテクチャ「Grok + Digital Optimus」

Grok Computerの内部は、認知科学の二重過程理論（ダニエル・カーネマンの『ファスト&スロー』）を参考にした2層構成で動作する。

上位層がGrok（System 2）だ。ユーザーの指示を解釈し、タスクを細かいステップに分解して「何をすべきか」を決定する戦略的思考担当であり、現在はGrok 4.20 Beta 2が担っている。

下位層がDigital Optimus（System 1）だ。Grokの指示を受け取り、マウス操作・クリック・スクロール・テキスト入力などを実際に実行する。Teslaが開発したAI4チップ（300テラOPS、1個650ドル）で動作し、サブ秒レベルの反応速度を実現する。

Musk自身はこの構造を「GrokがマスターコンダクターとなりDigital Optimusを指揮する」と説明している。TeslaのFSDがカメラとニューラルネットで実際の道路をナビゲートするように、Grok Computerはスクリーンキャプチャとニューラルネットでデジタルの画面をナビゲートする構図だ。

「Macrohard」プロジェクトの入口

Grok Computerは単独製品ではなく、Macrohardと名付けられた大規模プロジェクトの消費者向けプレビューとして位置づけられている。Macrohard（マクロハード）という名称はMicrosoft（マイクロ＝小さい）を意識的に逆手に取ったものだ。

2026年3月11日にMuskが正式発表したMacrohardは、Tesla・xAIの共同ベンチャーであり、Teslaが20億ドルをxAIへ投資している。目標は、メール対応・データ入力・レポート生成・ソフトウェアテスト・カスタマーサービスといった反復的なデスクワークをAIが代替することだ。

物理的な労働を担うTesla Optimus（ヒューマノイドロボット）と、デジタル労働を担うDigital Optimus（Grok Computer）を組み合わせて、「働く」という概念全体を再定義しようとする構想になっている。

さらにTeslaは、全国のスーパーチャージャーステーションをAI演算拠点に転用する計画も進める。充電中の車両や専用ユニットでDigital Optimusのタスクを処理するという設計で、最大7GW相当の電力インフラをコンピューティングに活用する。AI4チップ1個650ドルという低コストで大量展開できる点が、クラウド型の競合と異なる強みだ。

競合との違い

PC操作AIエージェントは2026年に入り、複数の大手が相次いで参入したカテゴリだ。AnthropicはClaude Computer Useを2026年3月23日に正式リリースし、OpenAIはOperatorを提供している。PerplexityのPersonal ComputerやMetaのManusも同カテゴリに並ぶ。

Grok Computerが差別化を図るのは、TeslaのAI4チップとスーパーチャージャーネットワークによるインフラ面だ。ソフトウェアエージェントと自社ハードウェアを一体開発する戦略は、AppleのシリコンとmacOSの関係に近い。

ただし、現時点の能力についてMuskは「Claude Opus 4.6に急速に接近している」と述べているものの、独立したベンチマーク検証はまだ行われていない。実際の性能評価は公開ベータのフィードバックが蓄積されてから明らかになる。

利用方法と今後のロードマップ

2026年5月現在、Grok Computerは公開ベータ段階にある。プライベートベータはSuperGrok（月額30ドル）のサブスクライバーと選定された開発者を対象に始まり、その後一般ユーザーへの展開が進んでいる。

今後のロードマップは次の通りだ。

  • Grok 5連携（Q2 2026予定）: 6兆パラメータのMixture-of-Expertsモデルとの統合で、複雑なワークフローへの対応能力が大幅に向上する見込み
  • Macrohard完全展開（2026年9月目標）: AI4チップ搭載のTesla車両と全国スーパーチャージャーユニットでの稼働開始

現状はSuperGrokの月額30ドルで試せる状態だが、全機能の一般提供時期は未定だ。

「テキストで答えるAI」の次へ

Grok Computerは、AIが人間の代わりにPCを操作するという概念を現実のプロダクトとして提供し始めた。TeslaのハードウェアとxAIのソフトウェアを組み合わせたインフラ戦略は、クラウドAPIだけで戦う競合との明確な差になる可能性がある。公開ベータの段階であり独立した評価はこれからだが、AIエージェントがデスクワークそのものを担う未来が現実に近づいていることは確かだ。