ChatGPT Workの衝撃――AIは「答える道具」から「仕事を代行する存在」へ

GPT-5.6登場。でも本当に怖いのは性能競争ではない――元シンクタンク・現役IT技術者が見る「ChatGPT Work」の衝撃

OpenAIが「GPT-5.6」と「ChatGPT Work」を発表しました。

ニュースの見出しを見ると、

「OpenAIがAnthropicに対抗」

「Claudeを上回った」

「新しいベンチマークで最高性能」

といった、AI企業同士の性能競争が強調されています。

確かに、それも大きな話です。

GPT-5.6には、最上位のSol、主力のTerra、軽量高速型のLunaという3モデルが用意され、ChatGPT、Codex、APIへ順次展開されます。

しかし、元シンクタンク、そして現役IT技術者として今回の発表を見て、私が最も注目したのはモデルの点数ではありません。

本当に重要なのは、

AIが「質問に答える存在」から、「人間の代わりに仕事を進める存在」へ本格的に移行したことです。

GPT-5.6の登場よりも、ChatGPT Workのほうが、企業や働く人に与える影響は大きい。

私はそう見ています。

Sol、Terra、Luna。名前は分かりやすくなった

これまでの生成AIは、とにかくモデル名が分かりにくい世界でした。

高性能モデル。

高速モデル。

推論モデル。

軽量モデル。

さらにバージョン番号や細かい派生モデルが並び、一般利用者からすると、

「結局、どれを使えばいいの？」

という状態だったと思います。

今回のGPT-5.6は、

Solが最上位モデル。

Terraが日常業務向けのバランス型。

Lunaが高速で安価な軽量型。

という比較的分かりやすい構成になりました。

これは単なる名称変更ではありません。

AIが技術者だけのものではなく、一般企業や普通の利用者へ広がった証拠だと思います。

技術者向けの商品であれば、多少複雑な名称でも許されます。

しかし、営業、経理、人事、企画、総務など、あらゆる職種にAIを使ってもらうには、専門用語だらけの商品名では伝わりません。

OpenAIも、ようやく「技術を作る会社」から「仕事の道具を売る会社」へ変わり始めたのかもしれません。

ベンチマーク競争は、利用者にはあまり関係ない

今回もOpenAIは、他社AIとのベンチマーク比較を前面に出しています。

コーディング能力。

推論能力。

長時間のタスク処理。

処理速度。

コスト効率。

こうした数値を見ると、確かにGPT-5.6は非常に強力なモデルに見えます。

ただ、私はベンチマークの点数だけでAIを評価することには、少し距離を置いています。

なぜなら、実際の仕事では、

ベンチマークで1点高いことより、

指示を正しく理解するか。

途中で勝手な判断をしないか。

社内資料の形式を守れるか。

間違った数字をもっともらしく書かないか。

重要な操作の前に確認を求めるか。

こうした部分のほうが、はるかに重要だからです。

企業で使うAIは、クイズ大会で勝てばいいわけではありません。

間違えたときに、どれだけ安全に止まれるか。

ここまで含めて、本当の性能だと思います。

ChatGPT Workは、単なる便利機能ではない

ChatGPT Workでは、AIがブラウザーや各種業務ツール、ファイルなどにアクセスし、複雑な仕事を小さなタスクへ分解しながら作業を進めるとされています。

資料を読む。

情報を整理する。

表計算を作る。

プレゼン資料を作成する。

ウェブサイトを構築する。

メールやカレンダー、CRMなどを横断して情報をまとめる。

これまで人間が複数のアプリを開き、コピーし、判断し、入力していた作業を、AIが一連の流れとして実行するわけです。

これは従来のChatGPTとは、少し次元が違います。

今までの生成AIは、

「文章を考えて」

「資料の構成を作って」

「このデータを分析して」

と、人間が一つずつ指示する必要がありました。

ChatGPT Workでは、

「月末の予算差異を分析して、経営会議用の資料を作って」

と頼めば、関連資料を確認し、データを整理し、分析し、資料化するところまで進める可能性があります。

つまり、人間は作業手順を細かく指示するのではなく、

最終的な目的だけを伝える働き方

へ変わっていきます。

AIは部下になるのか。それとも同僚になるのか

ChatGPT Workのようなエージェント型AIを説明するとき、

「優秀な部下が増える」

「AI社員が入社する」

という表現がよく使われます。

しかし、私は少し違うと思っています。

部下であれば、会社のルールや常識を教育できます。

過去の失敗を共有し、判断基準を学んでもらうこともできます。

一方、AIは膨大な能力を持ちながら、組織固有の暗黙知までは完全に理解していません。

本人確認が必要な処理。

上司の承認が必要な案件。

社外へ出してはいけない情報。

法律上の保存義務。

顧客との微妙な関係性。

過去の経緯。

こうしたものは、単純なマニュアルだけでは判断できません。

AIは優秀ですが、会社の空気を読んでいるわけではない。

だから最初から「任せられる部下」と考えると危険です。

むしろ、

ものすごく仕事は速いが、会社事情を知らない外部委託先

くらいに考えたほうが安全だと思います。

一番怖いのは「便利だから全部許可する」こと

記事では、AIにApple Notesへのアクセスを許可し、メモを整理・再構築するデモが紹介されています。

確かに便利でしょう。

しかし、私はIT技術者として、このような使い方には強い警戒感があります。

メモには何が入っているでしょうか。

仕事上のアイデア。

顧客情報。

パスワードのヒント。

家族の予定。

病院の記録。

契約内容。

個人的な悩み。

本人すら忘れている過去の情報。

それらすべてにAIがアクセスし、移動し、整理し、場合によっては削除まで行えるとしたら、便利さと引き換えに渡す権限が大きすぎます。

AIの性能が高くなればなるほど、被害も大きくなります。

文章を一つ間違えるだけなら、その文章を直せば済みます。

しかし、ファイルを移動する。

メールを送る。

顧客データを書き換える。

カレンダーを変更する。

外部サービスへ情報を登録する。

こうした実行権限を持つAIが誤動作すれば、現実の業務に直接影響します。

だから必要なのは、

AIをどこまで賢くするかではなく、AIにどこまで権限を与えるかという設計です。

日本企業は、また「導入すること」が目的にならないか

私は今回、日本企業の反応も少し心配しています。

経営者がニュースを見て、

「うちもChatGPT Workを導入しよう」

「AIで人件費を削減できる」

「各部署で自動化を進めろ」

と言い始める可能性があります。

しかし、企業でAIを使うには、導入前に整理することが山ほどあります。

どのデータへアクセスさせるのか。

どの操作まで自動化するのか。

誰が最終承認するのか。

誤操作が起きたときに戻せるのか。

操作履歴を保存できるのか。

機密情報は学習や外部処理へ使われないのか。

退職者や異動者の権限をどう管理するのか。

AIが作った成果物の責任を誰が持つのか。

これらを決めずに、

「便利そうだから全員に使わせよう」

と始めれば、ほぼ間違いなく問題が起きます。

日本企業は、新しいITツールを導入するとき、

目的より製品選定。

運用より導入スケジュール。

ガバナンスより利用率。

を優先しがちです。

そして事故が起きると、

「利用ルールを徹底します」

「社員教育を強化します」

で終わる。

しかし、AIエージェントの事故は、社員教育だけでは防げません。

仕組みとして権限を制限し、重要操作には承認を入れ、失敗しても元へ戻せる設計が必要です。

AI導入で減るのは、人ではなく作業であるべき

ChatGPT Workの登場で、

「ホワイトカラーの仕事がなくなる」

という話はさらに増えるでしょう。

実際、資料作成、集計、調査、レポート作成など、多くの作業はAIに置き換わっていくと思います。

ただ、企業が最初から人員削減だけを目的にすると、うまくいかない可能性があります。

AIが得意なのは、

情報収集。

定型処理。

比較。

要約。

下書き。

形式変換。

大量データの確認。

こうした作業です。

一方で、人間に残るのは、

何を目標にするか。

どこまでリスクを取るか。

誰に説明するか。

例外をどう扱うか。

結果に責任を持つか。

という判断です。

ですから、減らすべきなのは人ではなく、

人が意味もなく繰り返している作業

です。

AIで効率化して浮いた時間を、顧客対応、企画、教育、改善へ回せる企業は強くなるでしょう。

逆に、AI導入と同時に人を減らし、残った社員へAIの監督まで押しつければ、現場はさらに疲弊します。

AIを使える人より、AIを管理できる人が必要になる

これから企業で評価されるのは、単にChatGPTを使える人ではないと思います。

AIに適切な仕事を割り振れる人。

出力の間違いを見抜ける人。

権限とリスクを設計できる人。

業務手順をAI向けに整理できる人。

事故が起きたときに止められる人。

こうした人材が重要になります。

つまり、プロンプトを書く技術だけでは足りません。

業務知識。

IT運用。

セキュリティ。

内部統制。

リスク管理。

これらを理解し、AIを会社の仕組みに組み込める人が必要です。

元シンクタンク目線で言えば、AI導入はシステム導入ではありません。

経営、組織、業務、統制を同時に変える改革です。

ここを理解せず、AI製品だけを契約しても、期待した成果は出ないでしょう。

OpenAIとAnthropicの勝負より、企業側の使い方が問われる

OpenAIとAnthropicは、今後も激しく競争するでしょう。

数カ月ごとに性能が更新され、

「こちらが最強」

「次はこちらが上回った」

というニュースが繰り返されると思います。

しかし、利用企業にとって本当に大切なのは、どちらがベンチマークで1点高いかではありません。

自社のデータを安全に扱えるか。

権限管理ができるか。

監査ログが残るか。

既存システムと連携できるか。

費用対効果が出るか。

現場が無理なく使えるか。

問題が起きたときに止められるか。

こちらのほうが重要です。

AIモデルは、これからも入れ替わります。

今日の最高性能が、半年後も最高とは限りません。

だから企業は、一つのAI製品に業務を依存しすぎてはいけません。

モデルが変わっても運用できる仕組み。

AIを交換できる設計。

人間が介入できる業務フロー。

こうした準備が必要です。

最後に

GPT-5.6は、確かに高性能なAIです。

ChatGPT Workも、仕事の生産性を大きく変える可能性があります。

しかし、私が今回の発表で感じたのは、単純な期待だけではありません。

AIが賢くなった。

仕事を任せられるようになった。

複数の業務ツールを操作できるようになった。

これは便利であると同時に、企業の重要情報や業務処理へAIが直接触れる時代が来たということです。

これから問われるのは、

「どのAIが一番賢いか」

ではありません。

どこまでAIを信じ、どこから人間が責任を持つのか。

その境界線を設計できる企業だけが、AIを本当の競争力に変えられるでしょう。

AIへ仕事を任せることは簡単です。

難しいのは、

任せてはいけない仕事を見極めること。

私は、それこそがGPT-5.6とChatGPT Workの登場によって突きつけられた、企業への最大の宿題だと思います。