はじめに
Google Researchが2026年2月5日、マルチモーダルAIを活用した新しいアクセシビリティフレームワーク「Natively Adaptive Interfaces(NAI)」を発表しました。本稿では、障がい者コミュニティとの共同設計による適応型インターフェース開発の取り組みと、具体的なプロトタイプの成果について解説します。
参考記事
- タイトル: How AI agents can redefine universal design to increase accessibility
- 著者: Marian Croak, VP Engineering, and Sam Sepah, Lead AI Accessibility PgM
- 発行元: Google Research
- 発行日: 2026年2月5日
- URL: https://research.google/blog/how-ai-agents-can-redefine-universal-design-to-increase-accessibility/
要点
- Google ResearchはNatively Adaptive Interfaces(NAI)という新フレームワークを発表し、マルチモーダルAIツールによってユーザーのニーズに適応するインターフェース設計を実現した
- “Nothing About Us Without Us”(私たち抜きに私たちのことを決めるな)の原則に基づき、障がい者コミュニティを共同設計者として開発プロセスに組み込んでいる
- 具体的なプロトタイプとして、視覚障がい者向けのStreetReaderAI、インタラクティブな音声解説を可能にするMAVP、聴覚障がい者向けのGrammar Laboratoryを開発した
- マルチエージェントシステムを活用し、中央のOrchestratorが文脈を維持しながら専門サブエージェントにタスクを委譲する仕組みを構築している
- 障がい者向けに設計された機能が、健常者を含む幅広いユーザーに恩恵をもたらす「カーブカット効果」が確認されている
詳細解説
NAIフレームワークの基本概念
Google Researchによれば、NAIは「画一的なUI設計」から「文脈に応じた適応的な設計」への転換を目指すフレームワークです。従来の静的なナビゲーションをエージェント駆動の動的モジュールに置き換え、デジタルアーキテクチャを受動的なツールから能動的な協力者へと変革します。
このアプローチの背景には、世界人口の16%(約13億人)を占める障がい者が、新機能のリリースから支援機能の実装までの遅延によって不利益を被っているという課題認識があります。この「アクセシビリティギャップ」と呼ばれる問題を解決するため、事後的な対応ではなく、インターフェースに本質的に組み込まれたエージェントシステムへの移行を進めていると考えられます。
共同設計の実践:”Nothing About Us Without Us”
Googleの発表では、障がい者コミュニティの長年の提唱原則である”Nothing About Us Without Us”(私たち抜きに私たちのことを決めるな)に基づき、当事者を開発初期段階から共同設計者として参画させています。
具体的には、Google.orgの支援を受けて、Rochester Institute of Technology’s National Technical Institute for the Deaf(RIT/NTID)、The Arc of the United States、RNID、Team Gleasonなどの組織と連携し、各コミュニティが直面する実際の課題を解決するAIツールを構築しています。
この共同設計アプローチは、単に適切な製品を生み出すだけでなく、障がい者コミュニティ内での経済的エンパワーメントと雇用機会の創出にもつながっていると説明されています。技術開発に情報提供する当事者が、その成功から恩恵を受けられる仕組みは、持続可能な開発モデルとして重要と思います。
マルチエージェントシステムによる実装
NAIの技術的な中核は、マルチエージェントシステムにあります。Google Researchの実験では、ウェブ読解支援において、中央のOrchestratorが戦略的な読解マネージャーとして機能するモデルを検証しました。
このシステムでは、ユーザーが複雑なメニューを探索する代わりに、Orchestratorが文書を理解し、以下のような専門サブエージェントにタスクを委譲します:
- Summarization Agent(要約エージェント): 複雑な文書を分解し、重要な情報を明確にする
- Settings Agent(設定エージェント): テキストサイズの変更など、UI調整を動的に処理する
このモジュール式アプローチにより、ユーザーは「正しいボタン」を探す必要がなく、専門タスクが常に適切なエージェントによって処理される仕組みが実現されています。
マルチモーダル流暢性への展開
Google Researchは、基本的なテキスト読み上げを超えたマルチモーダル流暢性の実現にも注力しています。Geminiの音声、視覚、テキストを同時処理する能力を活用し、ライブビデオを即座にインタラクティブな音声解説に変換するプロトタイプを構築しました。
共同設計セッションでの観察によれば、ユーザーが環境に対してインタラクティブに質問できることで、認知負荷が軽減され、受動的な体験が能動的な会話的探索へと変化することが確認されています。これは、単なる場面描写ではなく、状況認識を伴う支援を実現していると言えます。
実証されたプロトタイプ
NAIフレームワークの有効性は、「人間のインタラクションの頂点(vertex)」と呼ばれる複雑な課題への取り組みを通じて実証されています。
StreetReaderAI
視覚障がい者(BLV: Blind and Low-Vision)向けのバーチャルガイドです。Google Researchによれば、このシステムは2つのインタラクティブAIサブシステムで構成されています:
- AI Describer: 視覚データと地理データを継続的に分析
- AI Chat: 具体的な質問に回答
システムが文脈を保持するため、ユーザーがランドマークを通り過ぎた後に「さっきのバス停はどこだったっけ?」と尋ねると、エージェントは以前の視覚フレームを参照し、「バス停はあなたの後ろ、約12メートル先です」と正確な案内を提供します。
物理空間のナビゲーションは、視覚障がい者にとって社会参加の大きな障壁となることが知られており、このような文脈保持型の支援は実用性が高いと考えられます。
Multimodal Agent Video Player(MAVP)
従来の音声解説(AD: Audio Descriptions)は、視覚要素を説明するナレーショントラックを提供しますが、多くの場合静的です。Google Researchが開発したMAVPプロトタイプは、ビデオをインタラクティブなユーザー主導の対話に変換します。
Geminiモデルで構築されたMAVPは、ユーザーが音声で解説の詳細度をリアルタイムで調整したり、「このキャラクターは何を着ている?」といった質問をすることを可能にします。システムは2段階のパイプラインを採用しており、まずオフラインで視覚描写の「高密度インデックス」を生成し、再生中はRetrieval-Augmented Generation(RAG)を使用して高速かつ高精度な応答を実現しています。
RAGは、大規模な情報ベースから関連情報を検索して生成モデルに提供する手法で、近年のAIシステムで広く採用されています。この技術により、膨大な視覚情報を効率的に検索・提供できると考えられます。
Grammar Laboratory
RIT/NTIDがGoogle.orgの支援を受けて構築している、アメリカ手話(ASL)と英語のバイリンガルAI学習プラットフォームです。学生の英語ライティングに対して、以下のような複数のアクセシブルな形式で文法指導を提供します:
- ASLによる英文法ルールの動画解説
- 書き言葉英語のキャプション
- 英語ナレーション
- 書き起こしテキスト
学生は、インタラクションに基づいてカスタマイズされた学習体験を提供する適応型AIツールを利用し、言語の好みや強みに最適な形式でコンテンツに接することができます。この取り組みは、BBC StoryWorks Commercial Productionsが制作した映像作品でも紹介されています。
カーブカット効果による広範な恩恵
Googleの発表では、NAIフレームワークを活用したアプリケーションに「カーブカット効果」が確認されているとされています。
カーブカット効果とは、極端な制約のために設計された機能が、より広範なグループに恩恵をもたらす現象です。歩道の段差解消(カーブカット)が、もともと車椅子利用者のために設計されたものの、ベビーカーを押す親や荷物を運ぶ旅行者など多くの人々の生活を改善したように、障がい者向けに構築されたAIツールが、健常者を含む幅広い層に優れた体験を提供します。
具体例として、以下が挙げられています:
- ユニバーサルな実用性: 視覚障がい者向けに構築された音声インターフェースは、マルチタスク中の健常者にも極めて有用
- 情報統合ツール: 学習障がいを支援するために設計されたツールは、多忙な専門職が情報を素早く解析するのに役立つ
- パーソナライズ学習: 聴覚障がい者向けに構築されたAI家庭教師は、すべての学生にカスタマイズされた学習の旅を提供できる
この現象は、アクセシビリティ向上の取り組みが社会全体の利便性向上につながることを示しており、包摂的な設計の重要性を裏付けていると言えます。
まとめ
Google ResearchのNAIフレームワークは、障がい者コミュニティとの共同設計とマルチモーダルAIの組み合わせによって、従来の画一的なインターフェースを超えた適応型の体験を実現しています。StreetReaderAI、MAVP、Grammar Laboratoryといった具体的なプロトタイプは、AIがアクセシビリティ分野で果たしうる役割を示しており、カーブカット効果によって社会全体に恩恵をもたらす可能性があると考えられます。
