アップル、次世代Siri「Siri AI」発表

アップルは2026年6月8日、次世代の「Apple Intelligence」を発表した。目玉の一つが、既存のSiriを刷新する新しい音声アシスタント「Siri AI」である。基盤となる新世代のApple Foundation Modelsは、Googleおよび同社のGeminiモデルと共同で開発されたという。Apple Newsroomの発表によると、Siri AIはメッセージ・メール・写真などを横断して情報を検索し、あらゆる話題への質問に答え、アプリ内でアクションを実行できるという。スマートフォンの音声アシスタントを外部の大規模言語モデルと組み合わせて底上げする流れが、業界最大手の一角であるアップルにも及んだ形だ。

提供時期には注意が要る。Siri AI関連の新機能は発表と同日から開発者向けのテストが始まり、一般ユーザー向けのベータ版提供は年内を予定する。一方、写真アプリの構図補正機能「Spatial Reframing」やSafariの新機能など、Siri AI以外の新機能は今秋の一般提供を予定しており、両者のスケジュールは分かれている。

仕事や日常のスマートフォン利用という観点で見ると、意味は小さくない。写真・メール・メッセージを横断して検索し、アプリ内で実際に操作までこなすアシスタントが手元のスマートフォンに常駐するようになれば、資料を探す・予定を組む・返信を書くといった細切れの作業を任せられる場面が増える。ソフトウェアエンジニアリング担当上級副社長のクレイグ・フェデリギは、真に役立つAIはユーザーのニーズを中心に据え、日常使う製品に深く統合され、個人の文脈に基づき、プライバシーを段階ごとに組み込んで作られるべきだという考えを示した。今回の発表の軸は、この「個人の文脈」への統合にある。

一見もっともに見える受け止め方は、アップルが自社だけで大規模言語モデルの開発を続けられず、Geminiに頼らざるを得なかった、というものだろう。基盤モデルの共同開発を明かした以上、そう読めてしまうのは無理もない。

しかしこの解釈は、同じ発表の中で示された設計の中身を見落としている。アップルはSiri AIと並行して、発信先の情報を完全に端末上だけで処理し誰とも共有しないCall Context、生成した画像や編集した写真に非表示のSynthID電子透かしを自動で付ける仕組みも盛り込んだ。つまりアップルが競っているのは、どの大規模言語モデルを採用するかという一点ではなく、モデルの出力をどこまで端末側の処理・プライバシー設計と組み合わせられるかという設計思想の勝負である。フェデリギが個人の文脈への統合とプライバシー保護を条件として挙げたのも、この設計思想を前提にした発言だと読める。

音声アシスタントに個人の文脈を預けるという発想は、録音データの扱いにも同じ問いを投げかける。たとえばメモリス（AIボイスメモ）は、会議中に文字起こしを進めるのではなく、録音を終えたあとにAIへ渡して文字起こし・要約する設計を採っている。何を、いつAIに渡すかという線引きは、アシスタントを選ぶ側にとっても無視できない論点になっていくだろう。iPhoneでの文字起こし機能を使い分けたい場合は、純正機能とアプリの違いを整理した記事が参考になる。