今日、Anthropic と Google からそれぞれ注目すべき AI ツールのニュースが届いた。両社は AI 支援の異なる方向性を示している：クラウド自動化とローカルプライベート展開だ。

Claude Code Routines：コーディングアシスタントを自動化パイプラインへ

Anthropic は今週 Claude Code Routines 機能を正式にリリースした。これはリサーチプレビュー版の機能だが、明確なビジョンを示している——Claude Code を「対話型アシスタント」から「オーケストレーション可能な自動化ノード」へ進化させるというものだ。

Routines の核心概念はシンプルだ：Claude Code の設定（プロンプト + リポジトリ + MCP コネクタ）を再利用可能なユニットとしてパッケージ化し、特定のトリガー条件で自動実行させる。現在は 3 種類のトリガー方式をサポートしている：

  • スケジュールトリガー：毎時間、毎日、または毎週自動実行
  • API トリガー：HTTP POST リクエストでトークンを携えて手動トリガー
  • GitHub トリガー：PR や Release などのリポジトリイベントに応答

これが意味するものは何か？例えば、毎晩自動で当日作成された issue をチェックし、コード分析で担当者を割り当て、タグ付けしてから Slack に要約を送信する Routine を設定できる。全过程が手動介入なしで動作する。

公式が示す典型的なユースケースには以下も含まれる：

  • アラート分類：監視ツールが API で Routine を呼び出し、ログを自動分析して人的介入が必要か判断
  • 依存関係の更新：定期的に依存関係をスキャンし、アップグレードをテストして自動的に PR を生成
  • コードレビュー：新しく送信された PR に対して自動化された初回レビューを実施

この機能は現在、Pro、Max、Team、Enterprise ユーザー向けに開放されている。設計から見て、Anthropic は Claude Code を「より良いターミナル」ではなく、開発ワークフローのインフラストラクチャとして位置づけたい考えが明らかだ。

Gemma 4 が iPhone に登場：エッジ AI の実用化の転換点

Google 側では、Gemma 4 モデルファミリーが別の方向性でのブレークスルーをもたらした：ネイティブ iPhone オフライン推論だ。

Google AI Edge Gallery アプリを通じて、ユーザーは iPhone 上で直接 Gemma 4 モデルを実行できる。完全にオフラインで、インターネット接続は不要だ。アプリは E2B と E4B の 2 種類の軽量バリアントを提供し、モバイルデバイスのメモリと熱管理に最適化されている。初期テストによると、推論レイテンシは許容可能なレベルまで低減されている——これは消費者向けハードウェアが確かにこのクラスのワークロードを処理できることを示している。

技術的な詳細として、Gemma 4 は iPhone の GPU を利用して推論を行う。31B バージョンの性能は Qwen 3.5 の 27B バージョンと同等だが、Google は明らかに E2B バージョンを推奨している。速度とリソース消費の間でより良いバランスを取っているためだ。

さらに重要なのは、このアプリが単なるチャットインターフェースではない点だ。画像認識、音声インタラクション、拡張可能な Skills フレームワークが統合されている。Google のポジショニングは明確だ：これはデモではなく、エッジ AI 実験プラットフォームだ。

企業シーンにおいて、オフライン機能はデータがデバイスを完全に出ないことを意味する——医療、金融、軍事などプライバシー要件が極めて高い分野では必須の要件だ。

2 つの方向性の交差点

Claude Code Routines と Gemma 4 のローカル展開は一見全く異なる製品に見えるが、同じトレンドを指している：AI ツールが「お試し機能」から「インフラストラクチャ」へと変わりつつあるということだ。

クラウド自動化とエッジプライベート展開は排他的ではなく、補完的な関係にある。前者は「AI に継続的な価値を創造させる方法」の問題を解決し、後者は「制約のある環境で AI を使用する方法」の問題を解決する。

開発者にとって、これは選択肢が増えたことを意味する：

  • Routines を使って繰り返し作業をクラウド AI に自動委任する
  • Gemma 4 を使ってプライバシー優先のローカル AI アプリケーションを構築する
  • あるいは両者を組み合わせ、エッジデバイスで機密データを処理し、クラウドで複雑な分析を行う

AI ツールの実用化段階はすでに到来している。次の問題は「AI が何ができるか」ではなく、「既存のワークフローにどうシームレスに組み込むか」だ。