AirtapのiMessage機能でユーザーがAIにテキスト送信して電話を操作可能に

Airtapは、ユーザーが1通のテキストを送信してクラウド上の電話で動作するAIエージェントに指示し、TikTokのスクロールやStarbucksでの注文などのタスクを完了させるiMessage機能を導入しました。

このシステムはユーザーが自分のデバイスにアプリをインストールする必要がなく、3つの部分に分かれています。指示を理解するための言語モデル、画面を視覚的に制御するAutoPilot、そして常時接続される24時間のクラウド電話です。

ユーザーは米国の番号にiMessageでリクエストを送信し、クラウド側が模擬タップを通じて手順を実行します。支払いやその他のセキュアなアクションは引き続きユーザーの直接入力が必要です。

この仕組みは、エージェントツールが複雑なアプリのインストールや常時デバイスのアクセスを必要とするというフィードバックに応じたものです。

クラウド電話により、エージェントはユーザーのバッテリーを消費したり常時Wi-Fiを必要としたりせずにアクティブに保たれます。Airtapは、支払いなどの機密操作を自動実行の対象外にすることでリスクを低減すると述べています。

エージェントがユーザーのアカウントで画面やアプリにアクセスする必要があるため、信頼に関する疑問が中心に残ります。Airtapは、これらのアクションの認証手順はメッセージを送信する本人に委ねられると指摘しています。

エージェントツールの競合他社も、セキュリティチェックやデバイス権限に関する同様の制限に直面しています。Airtapのアプローチでは、別個のクラウドインスタンスを使用してエージェントを個人デバイスから分離しつつ、同じ視覚制御方式を維持しています。

視覚制御レイヤーが時間の経過とともに多様なアプリインターフェースをどの程度処理できるかという不確実性が重要なポイントです。同社はさまざまなアプリにおけるエラー率に関する独立したテスト数値を公表していません。

Airtapが基本タスクを超えたアクションのサポート拡大や、セキュリティモデルの第三者レビュー発表を行うかどうか、引き続き注目してください。