🖱️ もうポチポチしなくていいかも｜AIが勝手にネット予約してくれる『Hark Handoff』の凄さと不安
アイ
目次
わたしたちのネット予約・買い物が「気づいたらAIまるごとお任せ」になる日
TechCrunchが2026年8月5日に報道したニュース、読んだ瞬間ちょっとゾワッとした。
スタートアップのHark（2026年5月にシリーズAで7億ドルを調達したばかりの注目株）が、ブラウザを自分で操作してタスクを終わらせるAIエージェント「Hark Handoff」を発表したんだけど、対象がTarget、Walmart、LinkedIn、OpenAIのレストラン予約サービスとか、わたしたちが普段まさに使うサイトばかりなんだよね。
しかもCEOのブレット・アドコック氏が見せたデモが、花屋さんに「お任せで」って頼んだら条件に合わせてちゃんとカスタムの花束を注文してくれる、というやつ。
これ完全に、今まで人間が電話や画面の前でやってた「あいまいなお願い」の領域だよね。
正直びっくりしたので、今日はこのHark Handoffが何をしていて、なんでちょっと不安にもなるのか、わたしなりに3つの理由で整理してみるね。
そう考える3つの理由
理由1：Handoffが「次の単語」じゃなく「次のクリック」を予測してること
世間的には「ブラウザ操作AIエージェント」ってひとくくりに語られがちだよね。
GoogleもOpenAIもAnthropicも似たような機能を出してるし、「またその手の発表か」って軽く流しちゃう人も多いと思う。実際、わたしも最初のヘッドラインだけ見たときは、正直そう思った。
でも記事を読み込んでいくうちに、「これ地味に設計思想がちがうな」って考え直したの。
なぜかというと、ふつうの言語モデルって「次にどの単語（トークン）が来るか」を予測する仕組みで動いてるんだよね。文章を書くのが本業で、画面操作は後付けで学習させることが多い。
それに対してHandoffは、「次にどんなアクションを取るべきか」——つまり特定の位置へのキーボード入力とか、マウス操作そのものを予測する仕組みになってるんだって。文章じゃなくて、動きそのものが予測の対象なの。
想像してみると、レストラン予約サイトでカレンダーの日付をクリックして、人数を入力して、時間を選んで、確定ボタンを押す——この一連の流れって、言葉で説明するとすごく単純なのに、実際にはボタンの位置や画面のレイアウトがサイトごとに全然ちがうから、地味に難しいタスクなんだよね。Handoffが「アクション」そのものを予測する設計になってるのは、まさにこういう「画面ごとにボタンの位置が違う」問題を扱うのに向いてる仕組みだと思う。
それに、CEOのデモで見せてた花屋への「お任せで」注文も、よく考えるとかなりあいまいな指示だよね。花の種類も予算も雰囲気も具体的には言われてないのに、条件に合わせて選んで注文まで完了させてる。これって「次の単語」を当てるタイプのAIじゃなくて、「いまの状況を見て、次に何をクリックすべきか」を判断するタイプのAIじゃないと、うまくできない芸当な気がするんだよね。
しかも学習方法も面白くて、今はポストトレーニング（訓練後の追加学習）を使ってるんだけど、2026年内にプリトレーニング（事前学習）も導入する予定らしいの。Harkはこれによって、データパイプラインと学習基盤の改善を速められる、って説明してるんだよね。
これって、文章を書くために鍛えられたAIに「ついでに画面も操作させる」んじゃなくて、最初から画面操作そのものを目的にして、土台から作り直してる、ってことだと思うんだよね。だからこそ、成功率とか安定感の作り方も、既存の言語モデル系のエージェントとはちょっと違ってくる気がする。
実際、Harkは自社のHandoffが「GPT 5.5」や「Opus 4.8」よりも高速かつ低コストで動くと主張してるんだけど、これも「次の単語じゃなく次のアクションを予測する」設計だからこそ言える話なのかも、って思うんだよね。文章を組み立てるための重い処理をいちいち経由しなくていいなら、そのぶん速度やコストで差が出るのは、技術的にはそれなりに筋が通ってる気がする。
こう考えると、Handoffの「次のアクションを予測する」設計は、単なる技術トレンドの一つというより、AIエージェントの根っこの部分から「人間の代わりに画面を操作すること」に最適化してきてる、一歩先の話に見えるんだよね。
だから、これからわたしたちが「AIエージェント」って名前のついたサービスに触れるとき、言語モデルにブラウザ操作を後付けしたタイプなのか、操作そのものを学習したタイプなのかを、ちょっと気にしてみた方がいいと思う。同じ「AIエージェント」って呼ばれてても、得意なタスクや失敗の仕方がぜんぜん違ってきそうだから。
理由2：公式APIがないサイトでも動くのが、地味に一番刺さるポイント
世間的には「AIによる自動化」って聞くと、公式APIを使ってサービス同士をつなぐ話だと思われがちだよね。
そういうタイプの自動化って、APIをちゃんと公開してくれてる一部の大きいサービスじゃないと使えなかったの。逆に言えば、APIがない場所は最初から自動化の対象外だった。
でもわたしが今回、いちばん「これは刺さるな」と思ったのは、Handoffが公式APIを持たないサイトでも動くっていう部分。
TechCrunchが挙げてた例が、まさにそれで、Target、Walmart、OpenAIのレストラン予約サービス、LinkedInといった、わたしたちが日常でふつうに使うサービスなんだよね。どれも一般消費者向けに公式APIをオープンにしてるわけじゃないサイトばかり。
なぜこれができるかというと、Handoffは画面の構造や見た目そのものを解析して、人間がやるみたいにクリックしたり、フォームにデータを入力したりする仕組みだから。APIがあるかどうかは関係なくて、「画面がある」サイトなら基本的に対象になる、ってことなんだよね。
考えてみると、わたしたちが実際に使う予約サービスとか通販サイトって、公式APIを公開してないところがけっこう多いじゃん。飲食店の予約とか、地域密着型のサービスとか、まさにそう。だから今までの「自動化」って、実はAPIを持ってる一部の大きいサービスだけの話だったんだよね。
それが「画面を見て操作する」アプローチに変わると、対象範囲が一気に広がる。レストラン予約もネットスーパーも、会員サイトの申し込みも、全部「AIがやってくれるかもしれない」対象になってくる。サイト側が何も変更しなくても、外からエージェントに使われるようになるかもしれないってこと。
たとえば友達の誕生日に、いつも使ってるネットスーパーでケーキと料理をまとめて注文したいとき、そのサービスに公式APIがあるかどうかなんて、わたしたちユーザーは正直気にしたことないよね。でも自動化する側からすると、APIがあるかないかで「対応できるかどうか」がまるっと変わってきたの。それが今回、画面完結型のアプローチによって一気に崩れる可能性があるってこと。
もちろん、画面を見て操作するってことは、サイト側のレイアウトが変わったら影響を受けやすいっていう裏側もあると思う。ボタンの位置やページ構成が変わるたびに、AIが迷ったり間違えたりするリスクはゼロじゃないはず。この安定性の部分はHark側から詳しく説明されてない印象だから、実際に一般公開されてどれくらい崩れずに動くのか、わたしはそこをちゃんと見ていきたいと思ってる。
地域の小さいお店とか、個人経営の予約サービスみたいに、エンジニアを雇う予算がないところほど、公式APIを用意する余裕がなかったりするよね。画面完結型のエージェントが本当に広がったら、そういう小さいサービスも、気づかないうちにAIエージェント経由でアクセスされる側になっていくのかもしれない。
だから、わたしはこれを「またAIエージェントが増えた」で軽く見ないで、「APIの有無に関係なく自動化される時代が来る」前提でこれからのサービス選びとか、自分の作業のやり方を考えておいた方がいいと思ってる。今まで「うちのサービスはAPI出してないから自動化とは無縁」って思ってた運営側も、この前提が崩れつつあることは知っておいた方がいいはず。
理由3：Harkだけじゃない、大手もスタートアップも一斉に同じ方向へ走ってること
世間的には、こういう発表があると「Harkがすごい技術を独占してる」みたいな見え方になりがちだよね。
CEOのデモも印象的だったし、自社のHandoffが「GPT 5.5」や「Opus 4.8」よりも高速かつ低コストで動作すると、Hark自身が主張してるから、なおさらそう見えちゃう。
でもわたしは、それより「Harkだけじゃない」っていう部分の方が、実は大事なシグナルだと思ってるの。
なぜかというと、報道によるとGoogle、OpenAI、Anthropicといった大手に加えて、Browser Use、Polar、Strawberry、Asideといったスタートアップも、同じようなコンピュータ操作（computer-use）エージェントを開発中だから。1社だけの思いつきじゃなくて、業界全体が同時に同じ方向を向いてるってことなんだよね。
しかもHark自体も、2026年5月のシリーズAで7億ドルという、スタートアップとしては破格の規模の資金を調達済み。これだけの投資が一気に集まってるのを見ると、投資家サイドも「ブラウザ操作エージェントは本気で来る」って賭けてるのが分かる。
わたしがふだんAIニュースを追ってて感じるのは、こういう「同じジャンルに大手とスタートアップが一気に集まる」タイミングって、そのジャンルが本当に「次に来る」ことを示す、わりと分かりやすいサインなんだよね。今回のブラウザ操作エージェント、まさにそのパターンにぴったり当てはまってると思う。
しかも今回名前が挙がったBrowser Use、Polar、Strawberry、Asideっていうスタートアップ勢は、それぞれ独立してcomputer-useエージェントを開発してるっていうのもポイント。1つのアイデアをみんなが真似してるんじゃなくて、複数のチームがバラバラに同じ課題にたどり着いてる感じがして、それだけこの分野の需要が本物っぽく見えるんだよね。
それに、Harkの「GPT 5.5やOpus 4.8より速くて安い」っていう主張も、あくまでHark側の説明であって、Hark Handoffはまだウェイトリストを公開している段階（2026年夏に一般公開予定）。実際にわたしたちが使って確かめられるのは、これからの話なんだよね。
複数の会社が、しかも大手からスタートアップまでまったく同じ領域に集中してるってことは、裏を返せば「まだ誰も完全には解決してない」ってことでもあると思う。速さやコストの本当の比較は、公開されて、いろんな人が実際に試してみて初めてはっきりするはず。
2026年夏に一般公開予定ってことは、そんなに遠くない未来に、わたしたちも実際に試せるようになるはずなんだよね。ウェイトリストに登録しておいて、公開されたタイミングで自分の目で確かめてみるのも、一つの手だと思う。
こうやって業界地図を見てみると、数年前まで「AIに文章を書いてもらう」くらいの感覚で使ってたツールが、いつのまにか「AIに実際の作業を丸ごと任せる」方向に一気に進化してきてるのがよく分かるよね。
だから、わたしは「Hark Handoffが勝つかどうか」よりも「ブラウザ操作AIエージェントというジャンル自体が、2026年後半の必須機能になっていきそう」っていう前提で見ておいた方がいいと思うの。どの会社が勝つかは分からないけど、この方向に進むこと自体は、ほぼ確実そうだから。
まとめ：便利さと「お任せ具合」は、たぶんセットでやってくる
Hark Handoffは、公式APIのないサイトでも画面を解析して操作できる、次のアクションを予測するタイプのブラウザ操作AIエージェント。
花屋さんへの「お任せで」注文をこなすデモを見せて、2026年夏の一般公開に向けてウェイトリストを公開中だよ。運営元のHarkは2026年5月のシリーズAで7億ドルを調達済みで、資金的にもかなり本気度が高い会社なんだよね。
次の単語じゃなく次のクリックを予測する設計、公式APIがなくても動く対応範囲の広さ、そしてGoogleやOpenAI、Anthropicから複数のスタートアップまで一斉に参入してるという市場の勢い。この3つを見ると、ネット予約や買い物をAIにまるごと任せる未来は、思ったより近いのかもしれない。
正直、最初にTarget、Walmart、LinkedInっていう名前を見たときは「そんな大きいサービスまで対象なんだ」って驚いたんだけど、それくらい対象範囲が広いからこそ、これが実際に一般公開されたときの影響も大きくなりそうだな、って感じてる。
ただ、便利さが増えるスピードと、わたしたちが「どこまでAIに操作を任せていいか」を判断できるようになるスピードは、たぶん同じペースでは来ないと思う。画面を勝手に操作されるってことは、裏を返せばログインした状態のサイトで何かを実行される可能性がある、ってことでもあるから。
技術的な仕組みも、対応範囲の広さも、市場の勢いも、どれも「便利になる方向」を指してるのは間違いないと思う。でも便利になるスピードが速い分野ほど、わたしたちが「これはAIに任せていい」「これは自分でやる」を切り分ける判断も、同じくらいのスピードで鍛えていく必要があるはず。
まだウェイトリスト段階の技術だし、実際の精度やコストは一般公開されてから確かめるしかない。だから今はまず「こういう仕組みが来てるんだ」って知っておいて、公開されたら小さいタスクから試してみる、くらいの距離感がちょうどいいんじゃないかな。
関連記事: n8n vs Zapier 徹底比較｜AI自動化ツールはどちらを選ぶべき？【2026年版】
ソース:
よくある質問
- Hark Handoffとは何ですか？
- スタートアップHarkが2026年8月に発表したブラウザ操作AIエージェントです。公式APIを持たないウェブサイトでも、画面の構造や見た目を解析してクリックやデータ入力を自動で行います。
- どんなサイトで使えると報じられていますか？
- Target、Walmart、OpenAIのレストラン予約サービス、LinkedInなど、公式APIがないサイトでも動作すると報じられています。CEOのブレット・アドコック氏は花屋への曖昧な注文を代行するデモも披露しました。
- 技術的な特徴は何ですか？
- 通常の言語モデルが次の単語を予測するのに対し、Handoffは次に行うべき操作、つまりキーボード入力やマウス操作を予測する仕組みです。現在はポストトレーニングを使い、2026年内にプリトレーニングも導入予定としています。
- Harkはどんな会社ですか？
- 2026年5月にシリーズAで7億ドルを調達したスタートアップです。自社のHandoffはGPT5.5やOpus4.8より高速かつ低コストで動作すると主張しており、2026年8月時点ではウェイトリストが公開されている段階で、2026年夏の一般公開が予定されています。