AIはブラウザの中へ戻ってくる。Google LiteRT.jsが示す「ローカル推論Web」の実務インパクト
AIはクラウドで動くもの、という前提が少しずつ変わっています。Googleが2026年7月9日に発表したLiteRT.jsは、その変化を分かりやすく示すニュースです。
LiteRT.jsは、Webブラウザ内でAIや機械学習モデルを直接動かすためのJavaScriptバインディングです。Googleは、オンデバイス推論ライブラリLiteRTをWebへ持ち込み、.tfliteモデルをブラウザ上でローカル実行できるようにすると説明しています。狙いは、プライバシー、低遅延、サーバーコスト削減です。
なぜ海外で話題なのか
これまでWebアプリでAI機能を使う場合、多くはユーザーの入力をサーバーへ送り、クラウド上のモデルで処理して結果を返していました。この方式は大規模モデルには向いていますが、常に通信、APIコスト、遅延、個人情報の扱いが問題になります。
LiteRT.jsが示す方向は逆です。画像分類、音声処理、簡単な生成、埋め込み検索、物体検出のような処理を、ユーザーの端末上で完結させる。クラウドに送らなくても動くAI体験を、Webアプリでも作りやすくするという考え方です。
注目ポイント
1つ目は、プライバシーです。入力データが端末内で処理されるなら、写真、音声、文章、検索履歴のような情報をサーバーに送らずに済む場面が増えます。医療、教育、社内文書、個人メモ、家族写真のような領域では、これは大きな差になります。
2つ目は、コスト構造です。AI機能をクラウドAPIだけで提供すると、利用者が増えるほど推論費用も増えます。ブラウザ内で処理できる部分を増やせば、サーバー側の負荷を抑えられます。無料プランや低価格サービスでも、AI機能を組み込みやすくなる可能性があります。
3つ目は、遅延です。カメラ映像の解析、音声反応、リアルタイム翻訳、アクセシビリティ補助、ローカル検索のような体験では、数百ミリ秒の差が使い心地を左右します。端末内で即時に処理できるなら、クラウド往復を待つ必要がありません。
4つ目は、Web開発者にとっての実装経路です。Googleは、LiteRT.js npmパッケージ、デモ、.tfliteモデルの利用を案内しています。TensorFlow Lite系の既存資産を持つ開発者にとって、Web配信の選択肢が増えることになります。
日本の読者が見るべきポイント
日本では、社内AI活用や教育向けAI、自治体・医療・介護領域で「データをクラウドに送ってよいのか」という壁がよく出ます。もちろん、ローカル推論ですべて解決するわけではありません。しかし、端末内で処理できるAIが増えると、導入できる場面は広がります。
たとえば、ブラウザで動く議事録補助、端末内だけで動く文書分類、写真を外部送信しない画像チェック、低スペック端末向けの軽量AI教材、オフラインでも使える業務支援。こうした小さなAI機能は、巨大なチャットボットより現場に入りやすい場合があります。
注意点
一方で、ブラウザ内AIには制約もあります。端末性能はユーザーごとに違います。バッテリー消費、発熱、メモリ使用量、モデルサイズ、ブラウザ対応、アクセラレーター対応の差もあります。すべてをローカルで動かすのではなく、軽い処理は端末、重い処理はクラウドという分担が現実的です。
また、ローカルで動くから安全とは限りません。モデルの改ざん、ブラウザ権限、キャッシュ、推論結果の扱い、ユーザーへの説明は必要です。企業利用では、どのデータが端末内に残り、どのデータが送信されるのかを明示する設計が求められます。
まとめ
LiteRT.jsの発表は、AIアプリの設計が「全部クラウドへ送る」から「端末でできることは端末でやる」へ戻っていく流れを示しています。
これは単なる開発者向けライブラリの話ではありません。AI機能の価格、プライバシー、体感速度、オフライン対応、企業導入のしやすさに直結します。
Webアプリは、また強くなります。ブラウザが表示の場所だけでなく、AIを動かす場所になるからです。これからのAIサービスを見るときは、モデル名だけでなく「その処理はどこで動いているのか」を見る必要があります。クラウドか、端末か。その分担が、次の使いやすさと信頼を決めます。