ChatGPT Agentを使ってみた。その使用例と感想

2025年7月29日 04:14

7月18日にOpenAIがChatGPT AgentをProユーザーに公開し、1週間遅れで、25日にPlusやTeamユーザーにも提供されました。そこで、Plusユーザーの筆者も早速、ChatGPT Agentを試してみました。

１．ChatGPT Agentの概要

ChatGPT Agentは、Web操作を担うOperatorと、情報の調査・分析を行うDeep Researchを統合した一体型エージェントで、ユーザーが自然言語で指示を出すだけで、AIが自律的に思考し、複雑なタスクを処理できます。

これらの機能は仮想コンピューター上で動作し、重要な操作の前にユーザーに確認を求めます。途中で処理を中断したり、ブラウザー操作を引き継いだりすることも可能です。

Proユーザーは月400回、Plusユーザーは月40回、Teamユーザーは月30回、ChatGPT Agentで問い合わせをすることができます。

ベンチマーク性能

① 専門家レベルの幅広い知識を問うテスト（HLE: Humanity's Last Exam）で41.6%の最高性能を達成。（Grok 4は38.6%）

② 高難度の数学問題（FrontierMath）でも27.4%の正解率と、o3やo4-miniを大きく上回る性能を見せた。

データサイエンスのベンチマーク（SBench）でも、データ分析とデータモデリングの両方で人間の成績を大幅に上回りました。

２．ChatGPT Agentの使い方

最初に、ChatGPTの入力画面のツールをクリックして、ドロップダウンリストを開き、エージェントモードを選択します。

これで、ChatGPT Agentを使用する準備ができました。
ユーザーがエージェントにやってもらいたいタスクを具体的に入力すると、エージェントが自律的に考えて、タスクの計画と実行を開始します。

また、入力欄の下にエージェントの利用例が表示されています。
この内の一つを選んでクリックすると、以下のように対応するプロンプトが入力されます。

3番目の「自然派ワインと伝統的な技法の対比の基礎についてリサーチする」を選択したところ

エージェントがタスクの実行を開始後も、ユーザーはプロセスに関与できます。

エージェントの作業状況をリアルタイムで見ることができます。
ファイルのダウンロードや編集といった重要な操作の前に、エージェントが許可を求めます。
ユーザーがプロセスに介入して、タスクの実行を停止したり、修正したりすることができます。
パスワードなどを入力してWebサイトにログインする必要がある場合は、ユーザーがブラウザ操作を引き継ぐことができます。

エージェントの作業状況表示画面。右上の三点リーダーをクリックして、
ブラウザ操作を引き継いだり、作業を停止したりすることができます。

３．リサーチの実行

Deep Researchのように特定の内容についてWebサイトからの情報収集を含むリサーチを実行させることができます。

(1) AIが国際数学オリンピックで金メダル

2025年7月に、OpenAIとGoogleのAIモデルがそれぞれ国際数学オリンピックの金メダル相当の成績を取ったこと、両モデルの違い、今後のAI開発への影響について調べて

今回は6分ほどで作業が終了し、結果が出力されました。
「Worked for ○分」の部分をクリックすると、以下のように、これまでの作業のプロセスを見ることができます。

ChatGPT Agentの回答

2025年国際数学オリンピックにおけるOpenAIとGoogleのAIの金メダル相当成績とその意義

背景：国際数学オリンピックとは

国際数学オリンピック（IMO）は1959年から毎年開催される高校生向けの数学競技会であり、各国のエリート高校生が参加するdeepmind.google。競技は2日間に分かれ、1日3問ずつ計6問の証明問題を4.5時間で解くintuitionlabs.ai。各問題は0～7点で採点され、総得点は42点満点である。メダルは上位半数に与えられ、上位約8％が金メダルとなるdeepmind.google。2025年大会の金メダルのカットラインは35点だったと報告されているintuitionlabs.ai。

OpenAIの成果

公表の経緯

OpenAIの研究者アレクサンダー・ウェイは2025年7月19日にX（旧Twitter）で、実験的な推論用LLMがIMOの金メダル相当の成績を達成したと発表したsimonwillison.net。彼は、「従来の狭いタスク特化型手法ではなく、汎用強化学習とテスト時の計算量拡張を用いた」ことが成功の鍵だと強調したsimonwillison.net。

評価条件とスコア

OpenAIのモデルは、人間参加者と同じ条件で評価された。問題文のみを入力として2回の4.5時間試験を実施し、インターネットや外部ツールを一切使用せず、自然言語で解答を書いたanalyticsindiamag.com。モデルは全6問中5問を完全に解き、計35点（7点×5問）を獲得したintuitionlabs.ai。IMO金メダルのカットラインが35点であるため、これは金メダルと同等の成績とされるintuitionlabs.ai。採点は元IMOメダリスト3名が独立に行い、全員の合意で最終点数が決定したintuitionlabs.ai。

技術的特徴

汎用性と強化学習 – モデルはIMO用に特化しておらず、数学データやその他の難しい推論問題を含む広範なデータセットで学習した上で、新しい強化学習手法を用いて能力を向上させたとされるintuitionlabs.ai。特に「汎用強化学習」と呼ばれる手法と、難題解答時に計算を多く使う“テスト時計算量拡張（test‑time compute scaling）”が導入され、モデルは数時間かけて多数の解法候補を探索できたintuitionlabs.ai。
過程の監督 – 従来の強化学習が最終的な正否のみを報酬にするのに対し、OpenAIは推論の各ステップに対して正しい進展があったかどうかを評価する「過程監督」や、複数の思考経路を並行して検討する“木構造的推論”を利用した可能性があるintuitionlabs.ai。
長時間推論 – チームメンバーのノーム・ブラウンによると、このモデルは既存LLMよりもはるかに長い時間考えることができ、「秒や分ではなく数時間考える」intuitionlabs.ai。時間をかけて解法空間を探索し、より深い証明を生成する。

公開状況と位置付け

OpenAIはこの金メダルレベルのモデルを実験的な研究用と位置付け、数か月以内に一般公開する予定はないと述べているanalyticsindiamag.com。ウェイはこのモデルが近く公開予定のGPT‑5とは別物であり、別の研究ラインで開発されていると説明しているanalyticsindiamag.com。CEOのサム・アルトマンも「AIがここまで進歩したことの大きな指標だ」とXに投稿したが、「IMO金メダルレベルの能力を持つモデルを数か月間公開する予定はない」と述べているeuronews.com。

Google DeepMindの成果

発表の経緯

2025年7月21日、Google DeepMindはGemini Deep Thinkと呼ばれるGeminiモデルの改良版がIMO金メダルの基準を満たしたと発表したdeepmind.google。DeepMindは2025年がIMOでAI結果を公式に採点・認定する初めての年であり、同社はその試験運用に参加した。IMOの採点者が人間の参加者と同じ基準でモデルの解答を評価した結果、金メダル相当の成績が確認されたと述べているanalyticsindiamag.com。

評価条件とスコア

Gemini Deep Thinkは6問中5問を完全に解き、合計35点を獲得したdeepmind.google。この結果はIMO理事会によって認定され、IMO会長グレゴール・ドリナー教授は「35点という金メダル点に到達したことを確認する。解答は明確で正確であり、多くは読みやすかった」と評価したanalyticsindiamag.com。

技術的特徴

自然言語によるエンドツーエンド推論 – 2024年のAlphaGeometry/AlphaProofは問題を形式言語（Leanなど）に翻訳し、計算に数日を要していたがdeepmind.google、Gemini Deep Thinkは自然言語だけで問題文から証明までを出力し、競技と同じ4.5時間以内で解答したdeepmind.google。
Deep Thinkモードと並列思考 – Deep Thinkは複数の解法候補を同時に探索・統合する「並列思考（parallel thinking）」を取り入れ、単一の推論チェーンより広い探索が可能となったdeepmind.google。また、深層強化学習を利用して多段階の推論や問題解決データを学習し、カリキュラムには数学の高品質な解答集とIMO問題へのアプローチに関するヒントを含めたdeepmind.google。
試験時間内の高性能 – モデルは人間と同じ4.5時間で各問題を解いた。これにより長時間かかっていた先行モデルよりも大幅に高速化され、人間の競技者と同条件で成果を示したanalyticsindiamag.com。

公開計画と今後

DeepMindはこのDeep Think版Geminiを限定的なテスター（数学者など）に提供し、将来的にGoogle AI Ultraの加入者向けに展開する計画を示したdeepmind.google。一方で自然言語推論だけでなく、形式的な証明検証を行うAlphaGeometryやAlphaProofの開発も継続し、自然言語と厳密な形式推論を融合させることが目標だと述べているdeepmind.google。

両モデルの違い

今後のAI開発への影響

AIの推論能力の飛躍的向上 – 以前はLLM評価で小学生レベルの算数（GSM8K）や高校レベルのMATHベンチマークが使われていたが、OpenAIのウェイは「GSM8K→MATH→AIME→IMOと急速に進歩してきた」と述べておりanalyticsindiamag.com、今回の成果は長い証明や創造的問題に対するAIの能力が大きく伸びたことを示す。将来はさらに複雑な問題に挑戦できる可能性がある。
自然言語と数学の融合 – Gemini Deep Thinkは自然言語のみで厳密な数学的証明を出力できることを示したdeepmind.google。これは専門家が翻訳なしにAIと協働できる道を開く。一方、DeepMindはAlphaGeometryなどの形式言語ツール開発も続け、自然言語推論と形式的検証を組み合わせることで信頼性の高いAIを目指しているdeepmind.google。
汎用強化学習と長時間計算の有効性 – OpenAIのモデルは一般的な大規模言語モデルに強化学習や過程監督を適用し、多数の思考経路を数時間かけて探索することで高い性能を達成したintuitionlabs.ai。こうしたテスト時計算量の拡張や木構造的推論は、数学だけでなく法学や科学研究など長い推論が必要な分野に応用できると考えられる。
評価と信頼性の重要性 – Euronewsは「Googleの結果はIMOが確認したが、OpenAIは自己評価で公式認証がまだない」と指摘しているeuronews.com。数学的証明の採点は人間でも難しいため、今後AI評価の標準化が課題となる。また、過度な計算資源を使うためエネルギーとコストの問題もある。
AIモデルの公開と安全性への配慮 – 両社とも金メダルレベルのモデルをすぐに公開しない方針を示し、慎重なテストと安全対策が必要であることを強調しているeuronews.com analyticsindiamag.com。高度な数学能力を持つAIは科学・技術で役立つ一方、誤用や誤った証明生成の危険も指摘されており、公開前の検証が欠かせない。
教育・研究支援への可能性 – 正確な自然言語による証明生成は教育現場での添削や学習支援に活用できる。また、数学者や研究者がアイデアを検証する際の助けとなる可能性がある。DeepMindは「AIが数学に貢献する可能性はまだ始まったばかりだ」と述べ、研究者・科学者・エンジニアにとって「貴重なツールになるだろう」と展望しているdeepmind.google。
人間の能力との差 – 2025年大会では人間の参加者約630人のうち約10％が金メダルを獲得したeuronews.com。AIのスコアは金メダルのカットラインに達したが、全問正解ではない。今後の課題は、創造力や洞察力を要するさらに難しい問題への適用と、証明の完全性・汎用性の向上である。

結論

2025年7月、OpenAIとGoogle DeepMindはそれぞれ開発したAIモデルが国際数学オリンピックの金メダル相当の成績を達成したと発表した。OpenAIのモデルは汎用的な推論能力を示す実験的LLMであり、長時間の推論と汎用強化学習を活用して5問正解・35点を達成したintuitionlabs.ai。一方、Google DeepMindのGemini Deep Thinkは自然言語のみで4.5時間以内に5問を解き、IMO採点者により正式な金メダル得点を認定されたdeepmind.google analyticsindiamag.com。両社のアプローチには違いがあり、OpenAIは汎用性と新たな強化学習手法に焦点を当て、DeepMindは並列思考と数学に特化した訓練を組み合わせている。

これらの成果はAIの数学的推論能力が急速に進歩していることを示す一方、評価の標準化や安全な公開、エネルギー効率など課題も残る。今後は自然言語と形式推論の融合、汎用強化学習の応用、教育・研究支援への活用が進むと期待されるが、AIが人間の創造的能力を完全に代替するにはまだ時間がかかるだろう。

筆者の感想
SNSなどで、ChatGPT Agentのリサーチ性能は、Deep Researchより劣るという意見を見ましたが、今回の回答結果は、Deep Researchに引けを取らないくらい詳しくてハイレベルな内容だったと思います。

(2) 今週の生成AIニュース

この1週間のChatGPT、Gemini、Claude、Grokに関する主なニュースを調べ、「今週の生成AIニュース」というタイトルの日本語のブログ記事にまとめてください。

ChatGPT Agentの回答
（※ 回答出力まで19分かかりました。）

今週の生成AIニュース（7月21日〜27日）

7月21日から27日にかけての1週間は、生成AIを巡る話題が盛りだくさんでした。ChatGPT の新料金発表や利用動向の調査、Google‐Gemini 系列の新モデルや実験ツールの登場、Anthropic による日本市場への本格参入、そして xAI の Grok が導入したアニメ調コンパニオン機能など、様々なニュースが発表されました。以下では、ChatGPT・Gemini・Claude・Grok の４サービスに関する主要なニュースをまとめます。

ChatGPT — 法人向けモデルの大幅値下げとユーザー統計

o3モデルの価格が93％値下げ

生成AIを企業で利用する動きが進む中、法人向けサービス「ChatSense」は最新 ChatGPT モデル o3 の料金値下げを発表しました。7月24日のプレスリリースによると、8月1日から o3 の利用料金を 93％減 に引き下げ、1,000トークンあたり1円で提供します[1 ]。最低利用料や長期契約はなく、既存の gpt‑3.5 と同額まで価格を下げることで、より多くの企業が高性能モデルを利用しやすくするのが狙いです[1 ]。この発表は、日本市場でも法人プランを提供する企業が価格競争を始めたことを示しています。

OpenAIの統計から見える利用の広がり

Impress Watch による7月25日の報告では、OpenAI の公表資料を基に ChatGPT の利用状況が紹介されました。資料によれば、ChatGPT の登録ユーザー数は5億人を超え、1日あたり25億件以上のメッセージがやり取りされているとのことです[2 ]。米国では働く人の28％が仕事で ChatGPT を利用しており、教師が週に6時間以上の作業時間を短縮するケースや、ペンシルベニア州の州職員が毎日95分程度の時間を節約した事例が紹介されています[2 ]。利用者層は18〜34歳が多く、学習支援（20％）や文章作成（18％）が主な用途とされています[2 ]。

Gemini — Flash‑Lite登場と画像検証ツール

最速・低価格モデル「Gemini 2.5 Flash‑Lite」

7月23日、Google は Gemini 2.5 ファミリーのなかで最速かつ最もコスト効率に優れたモデル「Flash‑Lite」の正式版を公開しました[3 ]。Flash‑Lite は従来のコード・数学・科学・マルチモーダルタスクの性能を保ちながら応答速度を重視したモデルで、デフォルトでは推論をオフにすることで高速化を図っています。料金は入力100万トークンあたり0.10ドル、出力100万トークンあたり0.40ドルに設定され、他の2.5モデルより大幅に安価です[3 ]。Google AI StudioやVertex AIで利用可能になり、低コストで高速な生成AIが求められる用途に向いています。

画像の出所を検証する「Backstory」

Google DeepMind は7月21日に、AI生成画像や加工画像の出所を検証する実験的ツール「Backstory」の提供を発表しました[4 ]。Backstory は Gemini モデルやその他の画像検出技術を用いて、画像がどのように作成・改変されたかの履歴を推定し、デジタル画像の信頼性向上を目指します[4 ]。現在はクリエイターや情報専門家と協力してテストが行われており、年末までにフィードバックを収集して改良する予定です[4 ]。これにより、生成AIがもたらすフェイク画像問題への対策が進展すると期待されます。

Claude — 日本語版リリースと東京拠点の設立

7月25日、Impress Watch は Anthropic が日本市場への本格的な進出を発表したと報じました。Anthropic は2025年秋に東京にアジア太平洋地域初のオフィスを開設し、AIアシスタント Claude（クロード） の日本語版をリリースする予定です[5 ]。日本語版はスマートフォン・ウェブ・デスクトップなど各プラットフォームで完全なローカライズを行い、自然な日本語で Claude と対話できるようになるとしています[6 ]。

この動きは、日本企業による Claude の導入が急速に進んでいることが背景にあります。記事によると、Panasonic や Rakuten などの大手企業との戦略的提携が進み、Amazon Bedrock や Google Cloud Vertex AI、Anthropic API を通じてテクノロジー・金融・製造など幅広い業界が Claude を採用し始めています[7 ]。Anthropic の収益統括責任者 Kate Jensen 氏は、AWS Summit Japan で「Claude 4 の高いコーディング・推論能力や文化的ニュアンスの理解力が日本企業に評価されている」と述べ、専任チームを設けて日本の顧客を支援する意向を示しました[8 ]。日本語版リリースによって、国内ユーザーがより使いやすくなるとともに、教育・ビジネス分野での活用が加速しそうです。

Grok — アニメ調コンパニオン機能「Ani」と「Bad Rudi」

米 xAI が開発するチャットボット Grok に、7月14日頃から iOS 版で「コンパニオンモード」が追加され、SNS 上で注目を集めました。このモードでは 3D キャラクターの「Ani」や「Bad Rudi」が画面に登場し、身振り手振りや感情豊かな表情を見せながら会話することができます[9 ]。通常の Grok と同様に雑談や知識提供が行えるほか、質問に対して音声で応答するため、従来のテキストベース AI とは異なる没入感があります[9 ]。

キャラクター「Ani」は金髪のツインテールに黒いドレスを着たアニメ風の少女、「Bad Rudi」はレッサーパンダ風の動物で、Elon Musk 氏は7月14日にこの大型アップデートを告知しました[10 ]。アップデート当初は SuperGrok 加入者向けの有料機能と説明されましたが、7月15日時点では SuperGrok に加入していない無料ユーザーでも利用できる状態になっており、月額30ドルを支払わなくても試せるようです[11 ]。ただし、現時点では iOS アプリ限定で、Android 版や X（旧 Twitter）内蔵の Grok には対応していません[11 ]。日本語で「Grok Ani」と検索すると国内外のユーザーがこの機能を試している様子が共有されており、生成AIがアバターを通じて人間に寄り添う新しいインターフェースとして関心を集めています[10 ]。

まとめ

この1週間は、生成AI関連で以下のようなポイントが浮かび上がりました。

生成AIはわずか数日単位で新しい機能やサービスが発表され、ユーザー体験やビジネスモデルに大きな変化をもたらしています。今後も国際企業の日本進出や、AIとリアルタイムで対話できるアバター機能など、興味深い動きが続くでしょう。

筆者の感想
各社について1件ずつしかニュースを収集していない上、Claude の日本語版リリースと東京拠点設立の記事は、6月に発表されたものであり、Grokのコンパニオンモードの公開も2週間ほど前の話であるなど、ニュースとしての精度が低く、あまり役に立ちませんでした。o3によるWeb検索回答の方が精度が高いです。

ChatGPT Agentは単に情報をリサーチしてまとめるだけではなく、ブログ記事やプレゼン資料にまとめるなど、追加の作業を合わせて頼めることが長所ですが、ニュースの情報収集は、あまり得意ではないようです。

３．画像の自動収集

(1) GrokのAni画像のギャラリーを作成

GrokのAIコンパニオンの「Ani」の画像を沢山集めて、htmlでギャラリーを作成してください。

ChatGPT Agentの回答
（※ 回答出力まで19分かかりました。）

かしこまりました。GrokのAIコンパニオン「Ani」の画像を集め、HTMLでギャラリーを作成いたします。まずはインターネットで画像を収集し、その後、ギャラリーを制作します。作成後にご確認いただけるようにしますね。

以下は、GrokのAIコンパニオン「Ani」の画像を収集し、ギャラリーをHTMLとして作成したものです。HTMLはローカルに保存されている画像（PNG/JPG）のギャラリーで、各画像には簡単な説明と出典が付いています。

作業内容

画像の収集:
- KnowTechieの記事から、青いグラデーション背景の前に立つAniの全身画像を保存しました。この画像は「黒いドレスのツインテールのアニメキャラクター」と説明されています。
- EONMSKの記事で公開されたコラージュ画像から三つのフレームを切り出しました。それぞれ上半身のクローズアップ、全身像、ハートのネオン背景です。記事ではAniがゴシック調の黒いドレスを着た金髪のツインテールのキャラクターであることが紹介されています。
- India Todayの記事のOG画像から、スマートフォンの画面に表示されたAniを切り出しました。記事では「金髪のピッグテールで黒いコルセットと短いドレス、太ももまでの網タイツを身に着けている」と記述されています。
ギャラリー作成:
- 収集した画像を ani_gallery.html としてまとめ、CSSグリッドを用いてギャラリー形式で表示するようにしました。各画像には説明と出典を付け、Aniの特徴（黒いドレス、コルセット、網タイツ、金髪のツインテール）を明示しました。

ダウンロード

HTMLファイル: ani_gallery.html
画像ファイル（必要に応じて個別にダウンロードできます）（※ 省略）

ギャラリーを閲覧するには、HTMLファイルを開いてください。ローカル画像は同じディレクトリにあるためそのまま表示されます。お楽しみください！

※ 注意
HTMLファイルは画面上のリンクをクリックすればダウンロードされます。
画像ファイルは、画面上に表示された画像を自分でHTMLファイルと同じフォルダにダウンロードする必要があります。
この操作の後で、自分のパソコン上でHTMLファイルを開くと、ブラウザ上に以下のようなギャラリーが表示されました。

筆者の感想
長い時間をかけ、多くのサイトにアクセスして画像をダウンロードしようとしていましたが、失敗が多く、結局、5枚しか表示されませんでした。
現在のところ、非効率で品質も高くないので、画像収集のためにChatGPT Agentを使うのは実用的ではないようです。

(2) 富嶽三十六景の画像ギャラリーを作成

今度は特定のWebページから画像を収集して、画像ギャラリーを作成します。Wikipediaの以下のページから富嶽三十六景の画像を収集します。

https://ja.wikipedia.org/wiki/%E5%AF%8C%E5%B6%BD%E4%B8%89%E5%8D%81%E5%85%AD%E6%99%AF#%E5%9B%B3%E7%89%88 から富嶽三十六景の図版を集めて、htmlでギャラリーを作成してください。

ChatGPT Agentの回答
（※ 回答出力まで12分かかりました。）

承知しました。富嶽三十六景の図版をダウンロードして、HTMLギャラリーを作成します。作業を進めます。

富嶽三十六景（全46図）の図版をWikipediaの「図版」セクションから収集し、すべて500pxサイズのサムネイル画像をダウンロードしたあと、HTMLのギャラリーにまとめました。ギャラリーでは各画像をグリッド表示し、浮世絵の番号とタイトル（読みを含む）をキャプションとして付けています。
各図版の情報はWikipediaの該当ページから確認しました。例えば、第1図「神奈川沖浪裏」はファイル名 The_Great_Wave_off_Kanagawa.jpg の500pxサムネイルが使われ、キャプションは「1. 神奈川沖浪裏（かながわおきなみうら）」となっています。同様に第2図「凱風快晴」や第3図「山下白雨」もファイル名とタイトルを照合し、500px画像へのリンクが記載されていました。これらの情報をもとに、全46図のリストを作成して画像を取得し、HTMLギャラリーに反映しました。

以下にギャラリーHTML（fugaku_gallery.html）単体と、画像を同梱したZIPアーカイブを提供します。ZIPをダウンロードして展開すると、fugaku_gallery.html と fugaku_images フォルダーがあり、HTMLを開くだけで全図版を閲覧できます。

ギャラリーHTMLファイル: fugaku_gallery.html
画像を含むZIPアーカイブ: fugaku_gallery.zip

※ 注意
fugaku_gallery.zipのリンクをクリックしてダウンロードします。
次に、保存したZIPファイルをクリックして展開し、fugaku_gallery.html と fugaku_images フォルダを同じフォルダ内にコピーします。
この後、HTMLファイルをクリックして開くと、ブラウザ上に以下のようなギャラリーが表示されます。

葛飾北斎の代表作である「富嶽三十六景」は、後に10枚が追加され、計46枚あります。これらが漏れなく表示されています。

筆者の感想
上記(1)の場合と異なり、画像を収集するページを指定すれば、かなり使えるものになるようです。

４．プレゼン資料の自動作成

(1) ChatGPT Agentの概要と使い方

2025年7月にOpenAIが公開したChatGPT Agentの概要と使い方についてパワポ資料を作成して

ChatGPT Agentの回答
（※ 29分掛けて、リサーチ報告書とPowerPoint資料を作成）

○ リサーチ報告書

ChatGPT Agent概要と使い方に関する調査レポート

発表の背景と概要

·発表日と目的 – 2025年7月17日（米国時間）に、OpenAIはChatGPT Agentを発表した[1 ]。従来のチャットボット機能に加えて、チャットGPTが自ら行動しタスクを実行できる「エージェント機能」を実装するのが目的である[2 ]。

·ツールの統合 – ChatGPT Agentは従来のOperator（ウェブページでクリックやフォーム入力などを行えるリモート・ブラウザー）とDeep Research（ウェブ全体を調査してレポートをまとめる機能）の技術を統合し、自然言語の指示から複数のツールを選択・実行して複雑なタスクを遂行する[3 ]。これによりウェブ閲覧、コード実行、API呼び出し、ファイル生成などを一つの仮想環境で実現する[4 ]。

主な構成要素

OpenAIの解説によると、ChatGPT Agentには以下の主要コンポーネントが含まれている[5 ]。

1. ブラウジングツール – テキストブラウザーとビジュアルブラウザーの両方を統合し、ウェブサイトの文字情報を読み取るだけでなく、クリック、スクロール、フォーム入力といったUI操作を自動で実行できる[6 ]。

2. 仮想コンピューター（Virtual Computer） – エージェントは独自の仮想環境を持ち、ターミナルを介してコード実行、データ分析、ファイル操作（スプレッドシートやプレゼンテーションの生成など）が可能[7 ]。

3. API／コネクターの統合 – 公開APIや企業内データソースにアクセスするために、ChatGPT Connectorsを利用できる[8 ]。Gmail、Google Drive、GitHub、Google Calendar、SharePointなどのサービスに接続し、必要な情報を取得・編集する。

4. 画像生成 – OpenAIの画像生成技術を利用してレポートや資料用の図・イラストを作成できる[9 ]。

5. AIのオーケストレーション – 強化学習を用いてタスクに最適なツールや処理順序を自動選択することで、効率的にタスクを遂行する[10 ]。

6. 安全対策 – 購入やメール送信など重大な操作を行う際にはユーザーの確認を求める仕組みがあり、ウォッチモード（watch mode）やテイクオーバーモード（take‑over mode）を通じてユーザーが手動で操作を引き継ぐこともできる[11 ]。

利用するメリット

ChatGPT Agentはタスク実行型AIとして、以下のような効果が期待される[12 ]。

使用方法（有料ユーザー向け）

TechTargetの解説によれば、ChatGPT Agentは直接チャットGPTに組み込まれており、特別な開発環境を用意する必要はない[18 ]。利用手順のポイントを以下にまとめる。

1. エージェントモードを有効化 – ChatGPTのメイン画面で Tools ドロップダウンから Agent Mode を選択するか、チャット欄に「/agent」と入力する[19 ]。Pro、Plus、Teamプランの有料ユーザーのみ利用できる[20 ]。デスクトップ版・モバイル版の両方で利用可能。

2. 機能を設定 – 既存のコネクターやセキュリティ設定を確認し、必要なサービス（GmailやGitHubなど）との連携を有効にする[21 ]。

3. 自然言語でタスクを指示 – 質問と同じようにテキストで指示を与えると、エージェントが複数のステップを伴うタスクを計画し実行する[22 ]。実際のデモでは、ウェブリサーチ・データ入力・スプレッドシート作成・プレゼン作成という4段階の作業を1回の指示で完了している[23 ]。

4. スケジュール設定 – チャット画面の時計アイコンから繰り返し作業の予約ができ、ユーザーのプロファイル内の「Tasks」セクションで予定を管理する[24 ]。

ベストプラクティスと注意点

利用者がChatGPT Agentを安全かつ効果的に活用するためには、以下のベストプラクティスが推奨されている[25 ]。

·タスクを最適化する – 単純な質問だけでなく、複数ステップを含むプロンプトと出力物（レポート、スライド、スプレッドシートなど）を明確に指定すると効果的[26 ]。

·十分な文脈を提供 – 初期指示には背景情報・要件・制約・希望する出力形式を明確に記述し、エージェントが文脈を理解できるようにする[27 ]。

·エージェントと協働する – 実行中に適宜介入や方向転換を行い、曖昧な点をエージェントが質問した際は回答するなど、対話型のワークフローを活用する[28 ]。

·機密情報を保護 – パスワードやクレジットカードなど機密情報はエージェントに入力させず、自分で入力する。使用しないコネクターは無効にしてデータ漏洩を防ぐ[29 ]。

·操作の監視と権限管理 – 重要な処理（メール送信や購入など）はユーザーが承認するまで実行されない。またウォッチモードやテイクオーバーモードを活用し、特にセンシティブな操作ではユーザーが直接ブラウザーを操作する[30 ]。

·セキュリティ意識を持つ – エージェントはまだ新しい技術であり、プロンプトインジェクション攻撃などウェブサイトからの悪意ある指示に注意が必要である。許可要求を注意深く確認し、不要な実行を防ぐ[31 ]。

システムカードにおける補足情報

OpenAIが公開したChatGPT Agentのシステムカードでは、エージェントがDeep ResearchとOperatorの強みを統合した新しいモデルであることが強調されている[32 ]。具体的には、

·Deep Researchの多段階調査とレポート生成能力[33 ]。

·Operatorのリモート・ビジュアルブラウザーによるサイト操作能力[34 ]。

·ターミナルツールによるコード実行やデータ分析、スライド・スプレッドシート生成機能[35 ]。

·外部データソースへのアクセス（Google Driveなど）を実現するコネクター[36 ]。

また、危険な操作を防ぐために、生物・化学領域では高い危険性を仮定した上で強力な安全装置を導入していることが示されている[37 ]。OpenAIはユーザーが生物学的危害をもたらすようなリスクに触れないよう、注意喚起を行っている。

おわりに

ChatGPT Agentは、従来のChatGPTを大幅に拡張し、ユーザーが指示するだけで情報収集から資料作成、タスク実行までを一貫して行える画期的な機能である。活用するには適切な手順と安全意識が必要だが、正しく使えばリサーチや業務効率化、データ分析など多方面で強力な助けとなる。

○ プレゼン資料（10枚）

右上のダウンロードボタンをクリックし、pptxファイルとして自分のパソコンに保存できます。ChatGPT画面上では、文字が画像にかぶっていますが、PowerPointでファイルを開くと、修正されています。

筆者の感想
このように、ChatGPT Agentを使用して、簡単に体裁の整ったプレゼン資料を作成できます。資料はPowerPoint（pptx）形式でダウンロードできるため、必要に応じて内容やデザインを柔軟に修正することも可能です。従来のChatGPTアプリと比較して品質や操作性は大幅に向上していますが、欲を言えば、もう少し情報量を増やし、より深みのある内容を生成してくれると、さらに有用性が高まると感じました。

(2) 英語論文の解説スライドを作成

脳の階層的処理に着想を得た階層的推論モデルの英語論文「Hierarchical Reasoning Model 」から日本語の解説スライドを作成してもらいました。

このPDFファイルをアップロードして、ツールから「エージェントモード」を選択し、以下のプロンプトを入力します。

この論文の内容を解説するパワポ資料を作成して

ChatGPT Agentの回答
（※ 38分掛けて、PowerPoint資料を作成）

右上のダウンロードボタンをクリックすると、以下のようにPowerPoint（pptx）形式で自分のパソコンに保存できます。必要に応じて内容やデザインを簡単に修正可能です。

スライドの説明・発表者ノート（日本語）

スライド1（タイトル）
階層的推論モデル（HRM）の概要を示すタイトルページです。右側には脳をイメージした抽象的なイラストを配置し、左側にタイトル・副題・日付を配置しました。引用はHRMの功績をまとめた冒頭部分から取りました。

スライド2（アジェンダ）
発表の流れを7項目に整理しました。問題と動機から始まり、HRMのアーキテクチャ、トレーニング方法、ベンチマークと結果、解釈可能性、関連研究と議論、結論と今後の展望へと続きます。

スライド3（問題と動機）
現行のLLMは浅いアーキテクチャで複雑な推論が難しく、Transformerは計算クラスAC0/TC0に属し多項式時間問題を解けないこと、CoTプロンプティングは脆弱でデータ要求が大きいことを説明しています。右側のグラフでは、層の深さを増やすと性能が飛躍的に向上する一方、幅の増加ではほとんど向上しないことを示しました。

スライド4（HRMアーキテクチャ）
HRMの4つのモジュール―入力ネットワーク、低レベルモジュール、高レベルモジュール、出力ネットワーク―とそれらの接続を図示しました。低レベルモジュールはT回のステップを繰り返し、高レベルモジュールはN回のサイクルを回して全体の推論を行います。下部には各モジュールの役割を簡潔にまとめています。

スライド5（トレーニングと適応計算）
左側では、一段階勾配近似によりBPTTを避け、インプリシット関数定理を用いて勾配を推定する仕組みを説明しました。右側では、深い監督と適応計算時間（ACT）の概念を示し、セグメントごとに損失を計算して学習を安定させつつ、Q学習によって必要な計算ステップ数を自動調整することを強調しました。

スライド6（ベンチマークとデータセット）
ARC-AGI、Sudoku-Extreme、Maze-Hardの各データセットを紹介しました。ARCでは多彩な色付きグリッドから規則を学び初見のタスクに一般化する課題、Sudokuでは深いバックトラックが必要な難問、Mazeでは30×30迷路での最短経路探索を扱います。各データセットとも約1000件の学習例で訓練しています。

スライド7（結果）
HRMと他モデル（Deepseek R1、Claude 3.7、o3-mini-high）の性能をタスクごとに比較したバーグラフです。HRMは27Mパラメータという小型モデルながら事前学習やCoT監督なしでほぼ完璧な正解率を達成し、他モデルを大きく上回っています。右側にはデータ効率や高精度を短文でまとめました。

スライド8（解釈可能性と脳との対応）
左半分では、迷路タスクでは複数の経路を試して行き止まりを剪定し、Sudokuでは深さ優先探索で候補を追跡するなど、HRMの推論戦略を説明しました。右半分のグラフは低レベル・高レベルモジュールの参加率（PR）を示し、高レベルモジュールが90近い高次元表現を持ち低レベルモジュールは約30と低いことを示しました。

スライド9（関連研究と議論）
左側にはアルゴリズム学習アーキテクチャ（NTM・DNC等）、Universal Transformer系、チェーン・オブ・ソートとRLといった既存の関連研究を分類して特徴や課題を記述しました。右側では、HRMが多時間スケールの再帰や一段階勾配近似によって深い計算とデータ効率を実現し、脳の階層的処理に着想を得た設計であることを議論し、外部メモリ統合や言語タスクへの拡張といった今後の展望を述べています。

スライド10（結論と今後の展望）
HRMの主な貢献として、階層的ネットワーク構造、一段階勾配近似と深い監督による効率的な学習、小規模データでの高精度、Sudoku・Maze・ARCの難問をほぼ解く能力をまとめました。今後は言語や視覚タスクへの応用、多モーダル推論、外部メモリ統合、脳科学とのさらなる対応付け、大規模ベンチマークへの挑戦などが期待されます。

筆者の感想
論文PDFから直接、豊富なグラフや図を含んだかなり詳しいプレゼン資料を作成することができました。ただし、もう少し分かりやすく整理できたのではないかと思っています。

５．note記事の自動投稿

(1) 最新版ChatGPT活用のコツ

「最新版ChatGPT活用のコツ」というタイトルの記事を書いて、noteに投稿します。
最初にChatGPTのツールから「エージェントモード」を選択し、以下のように入力します。

「最新版ChatGPT活用のコツ」というタイトルの記事を書いて、https://note.com/ に投稿します。

途中で以下のような画面が表示され、ユーザーが自分でIDとパスワードを入力してログインするように促されます。
「ログイン」ボタンをクリックします。

以下の画面でIDとパスワードを入力してログインし、「制御を終了」をクリックします。

ChatGPT Agentが投稿ページにタイトルと本文を入力した後、以下のような画面が表示されます。

「引き継ぐ」をクリックすると、ユーザーに制御が移り、画面が操作できるようになります。
タイトルに、この記事がAIエージェントによる自動投稿であることを追記します。（半角しか入力できなかったので、英語で追記しました。）
追記が完了したら、「制御を終了」をクリックします。

以下のように表示されたので、「続行」をクリックします。

記事が投稿されました。

AIエージェントが投稿した記事は、以下のリンクから見ることができます。

筆者の感想
noteアカウントへのログインと投稿内容の確認という一部の操作を除いて、ChatGPT Agentが執筆した記事を比較的簡単に投稿できました。

記事自体の情報はあまり最新ではなく、内容もやや薄いと感じましたが、プロンプトを改善し、投稿前の確認時に修正を加えれば、ある程度使えるものになりそうです。

今回は、あえてAIが書いた文章を修正せずにそのまま投稿し、皆さんに見てもらうことにしました。

(2) トランプ政権の最新AI戦略

今度は、もう少し詳しい内容の記事をnoteに投稿してみます。
ChatGPTのツールから「エージェントモード」を選択し、以下のように入力します。

2025年7月にトランプ政権が発表したAI行動計画についての解説記事を書いて、 https://note.com/ に投稿してください。
・記事のタイトルは、「トランプ政権の最新AI戦略『AI行動計画』の内容とその影響（AIエージェントによる自動投稿のテスト）」。
・タイトル用の横長イラストを作成し、noteへの投稿の際に設定する。イラストは、トランプ大統領が登場するアニメイラスト風にする。
・日本語の漢字を使用し、中国語や中国の字体にならないように気をつける。
・引用を示す番号や数字は記載しない。
・見出しも標準の大きさの文字を使い、大きくしたり、修飾したりしない。
・解説記事には、分かりやすい図やグラフを付ける。表は使用しない。グラフのラベルは英語にする。

失敗しやすいところに色々と注文をつけています。まず、漢字の間違いが多いので、きちんと日本の漢字を使うように指示しています。見出しは、文字の拡大などで延々と失敗を続けて止まってしまうことがあったので、標準の大きさのままにするように指示しました。また、表の使用も失敗が多いので禁止しました。グラフのラベルは日本語フォントの設定がなく、文字化けするので、英語で表示するように指示しました。

今回は、前に一度noteのサイトにログインしているせいか、ログインするかどうか尋ねずに、いきなりnoteの投稿画面を開いて記事を書き始めました。

記事完成後に初めて、投稿を公開してよいかどうか聞いてきました。
noteのサイトで下書きを確認して、一部修正した後で、ChatGPTの画面に戻って「はい」と入力すると、すぐに記事を投稿し、エージェントが作業を完了しました。

最初にプロンプトを入力した後は、最後に内容の確認を求めてきて、そこで「はい」と入力するだけで、記事が投稿されます。とても簡単です。

筆者の感想

投稿された記事は、未だ漢字の間違いや日本語のおかしなところがあったので、投稿前に下書きの内容を確認したときに修正しました。

現在公開されている記事は、筆者が修正後のものですが、修正前の段階では、漢字の間違いなどが多く、とてもそのまま公開できるものではありませんでした。

今後、GPT-5の公開などに合わせて、ChatGPT Agentも改善されることを期待しています。