ついに、ChatGPTに「質問して答えをもらう」段階から、「仕事そのものを任せる」段階へと、AIの使い方が大きく変化してきましたね。
OpenAIが提供する「ChatGPT Work」は、Slackやメール、カレンダー、クラウドストレージなど1,700以上のサービスと連携し、企画書作成やデータ分析、営業会議の準備までをエージェントとして担う環境へと進化しています。
これは日々の仕事をどう変えてくれるのでしょうかね？
チャットから「仕事の入口」へ
これまで多くの人にとって、ChatGPTの役割は「質問に答えてくれる便利な相棒」だったのではないでしょうか。
調べものをしたり、文章のたたきを作ってもらったり、アイデア出しを手伝ってもらったり、あくまで自分の行っている作業の一部分での活用が中心だったはず。
しかし、ChatGPT Workは、この立ち位置を大きく広げてくれます。
とはいえ、ChatGPTの中に「Chat」と「Work」の2つがあって、混乱している人もいるでしょうね・・・。
まずこれまでの「Chat」との違いなのですが、これまでは「よくできるチャットボット」だったのですが、「Work」の場合は、仕事の窓口として機能する設計になっていて、もっとも特徴的なのは、SlackやMicrosoft Teams、Gmail、Googleカレンダー、CRM、Google Drive、SharePointといった業務アプリと、1,700以上ものプラグインでつながっていること。
ポイントは、ユーザーがそのつど「どのアプリを開くか」を意識しなくてよくなることで、メールの状況、会議予定、案件情報、社内ドキュメントなど、本来はバラバラのアプリに散らばっている情報を、ChatGPT Work側がまとめて取りに行き、整理して、判断に使える形に整えてくれるわけです。
つまり、アプリの「並び替え」ではなく、仕事の「入口」をAIエージェント側に寄せる動きだといえるでしょう。
まぁ、これまでAPI＋各種ツール（Python、GAS、Zapier、Makeなど）を組み合わせて実現していた作業の一部を、「Work」単体で実行できるようになっているんです。
もちろん用途によっては、まだまだAPIを活用しなければならない場面は多いのですが・・・。
ここで重要なのは、画面の中で何が変わるか以上に、「どのアプリを開いて、どの順番で確認して・・・」という、これまで人が当然のようにやっていた段取りが、エージェント側に吸収され、ゴールまでの道のりが簡略されたといってもいいでしょう。
「タスクを振る」のではなく「ゴールを伝える」設計
ChatGPT Workの特徴をもう一歩踏み込んで見ると、「指示の粒度」が変わってきており、これまでのChatGPTでは、「この資料を要約して」「この条件で企画案を3つ出して」といった、比較的短いタスクを単発で投げる使い方が中心だったのですが、ChatGPT Workになると「関西の新拠点オフィスの候補を比較して、経営会議で検討できる企画書とスライドにまとめてほしい」「営業会議で本当に議論すべき案件だけを抽出して資料にしてほしい」といった、より長い仕事のゴールを渡す前提で設計されています。
つまり、これまで単発だった指示文を複数同時に行えるという感じですかね。
内部では、Google Driveから見積もりや条件表を集め、価格や事業適合度、リスク、5年間のTCO（総保有コスト）を整理し、比較軸を揃えてスライドまで組み立てる。
同様に、営業会議であれば、CRM、メール、カレンダー、サポート履歴を突き合わせて、金額や期限、顧客への影響を見ながら「議論すべき5件」を絞り込む。
これまで人間が行ってきた、資料をかき集め、ざっと目を通し、重要度を判断し、会議資料に落とすという一連の流れを、ChatGPT Workは、ひとまとまりのゴールとして受け取り、途中の段取りをエージェント側に任せられるような設計になっているんです。
つまり、人がやるべきことは「どんなアウトプットがほしいか」「何を基準に判断したいか」を言語化することだけ。
これは、AIへの指示が「やってほしい作業リスト」から「達成したい状態の定義」へと移り始めているということなんです。
なぜ今「エージェント」が前面に出てきたのか？
では、なぜこのタイミングで「Work」という形でエージェントが前面に出てきたのでしょうね。
一つ大きは変化としては、モデルと周辺機能が、ようやく「業務全体」に対応できるレベルになってきたことで、ChatGPT Workと同時に提供されているGPT 5.6は、エージェント用途に最適化されたモデルであり、フラッグシップのSol、高性能を保ちながらコストを抑えたTerra、速度重視のLunaという3つのバリエーションが用意され、タスクの重さやコスト感に合わせて選ぶことができるようになっています。
さらに、データの「ビジュアル化」機能も強化され、単純なグラフ作成だけではなく、「ゴール（Goals）」を設定すると、その目的に合ったUIや可視化の形をエージェント自身が考える方向へと進んでいます。
例えば、CSVデータから地域や業種別に切り替え可能なインタラクティブなダッシュボードを作り、条件を変えると結論や未達の理由も連動して更新されるといったようなことができるようになっていたり、こうした技術的な進化が、単発の回答生成から「調査→分析→可視化→資料化」という長い仕事の流れを一体で扱えるところまで到達しているわけなんですよね。
だからこそ、単なるチャットではなく、「Work」という名前を持ち、仕事の単位ごとにAIに任せる設計を前面に押し出されてきたわけですね。
毎日の「地味なルーティン」をどこまで任せるか
AI活用というと、どうしても派手な事例に目が向きがちですが、ChatGPT Workの本当の価値が見えてくるのは、むしろ地味なルーティン業務のほうで、毎朝の「デイリー・アクションブリーフ」という使い方があります。
Gmail、Slack、カレンダー、CRMを自動で確認し、返信が必要なメール、準備が必要な会議、動かすべき案件を期限つきの行動に整理してくれます。
これまでなら、メールボックスやチャットを一つひとつ開き、スケジュールと照らし合わせて「今日やること」を頭の中やToDoツールに書き出していたものが、今後はエージェント側に移っていきます。
また、毎週のSlackのチャンネル更新をチェックして定例会議のアジェンダを更新したり、毎朝Webサイトやダッシュボードの変化を確認して要約レポートを送ったり、新しいフィードバックメールが届いたら自動でプレゼン資料を更新したりといった、「小さながらも積み重なる確認と更新」の仕事も対象となりますし、自分の毎日行っている定型作業であれば、ほぼ任せることができるようになるでしょう。
本質的には、「人がやるべき判断」と「情報をかき集めて並べる作業」を切り分け、「情報をかき集めて並べる作業」をエージェント側に任せる方向になっています。
人は「どの案件を優先するか」「どの指標を重視するか」といった意思決定に集中し、状況整理と素材づくりはAIに任せる。
毎日の仕事の中で、気づかないうちに奪われていた集中力を取り戻せるかどうかが、一つの分かれ目になってくるでしょうね。
成果物まで任せる時代
実は、ChatGPT Workは、調査や整理だけでなく、成果物の作成まで踏み込んでいて、オフィス立ち上げ案件では、経営会議でそのまま使える企画書やスライドを出力し、社内申請管理サイトでは、申請フォームや履歴、管理画面まで揃えたWebアプリをノーコードで生成してくれます。
会議音声からは、決定事項や担当者、期限、未解決論点まで整理した「正式な議事録」まで作成してくれるようで、ここで生まれてくるのは、「AIが作ったアウトプットをどこまで信頼するか」ということになるでしょう。
見た目は整っている資料でも、前提となるデータの選び方や解釈が自分たちの意図とズレていれば、判断を誤るリスクがありますし、まだまだハルシネーションには注意しておかなければなりません。
これからのエージェント時代、人間の役割は「ゼロから作る人」から「意図と現実のギャップをチェックし、必要なら修正する人」へと移っていくでしょう。
営業会議であれば、「本当にその5件だけでよいのか」「この指標の重みづけは妥当か」といった視点で、AIが用意したたたき台を検証し、自社ならではの判断軸を反映させることが求められます。
実際に使ってみると「任せる範囲をどこに線引きするか」が人間側のスキルとして問われるようになってきそうで、全部を疑っていてはAIを活かせませんし、丸のみしてしまうと意思決定の主体を手放すことになります。
このバランス感覚こそが、エージェント時代の新しいリテラシーになっていくはず。
チームでAIを共有するときに起きる変化
ChatGPT Workは、個人の仕事だけでなく、チームの仕事のやり方にも影響を与え、Enterprise向けには、共有プロジェクト機能が用意されています。
私自身で利用することはないのですが、同じプロジェクト内でチャット、ファイル、プロンプトを共有しながら作業できる設計になっているようですよ。
しかも、単に「同じチャット画面を見られる」というレベルの話ではないようで、プロジェクトごとに文脈が蓄積され、メンバーそれぞれがその文脈を前提にエージェントへ依頼できるようになることで、「話が通じるAI」をチームで共有するイメージに近づくのだとか。
便利になる反面、ここには新しい課題も生まれ、プロンプトやルールが属人化してしまうと、「誰か一人の頭の中の前提」でエージェントが動いてしまい、他のメンバーから見るとブラックボックス化してしまう危険があります。
逆に、チームで言語化されたルールや判断軸をエージェントに埋め込めれば、「このチームらしい判断」をAIにも反映させやすくなります。
つまり、AIエージェントをチームで使うということは、暗黙知だった仕事の進め方をどこまで共有言語に落とせるかという組織設計の問題にもつながり、これは、ツールの機能だけでは解決できない、人間側の「仕事の翻訳力」が問われる領域となってきます。
「どこまで任せるか」を自分で決めるため
ChatGPT Workのようなエージェント環境が広がると、私たちの仕事は大きく変化していきます。
アプリを行き来しながら情報を集める時間は減り、「ゴールをどう定義するか」「どんな基準で判断するか」「AIが作った成果物をどう読み解き、修正するか」といった、より高度な思考に時間を割くことになるでしょう。
だからこそ、私たちが考えたいのは、「AIに任せる／任せない」の二択ではなく、「どのレイヤーまで任せて、自分はどこから関わるか」という設計で、毎朝の情報整理や定例会議のアジェンダづくりのようなルーティンは積極的に任せるのはありでしょうし、そのうえで、企画の骨格づくりや優先順位付け、最終的な意思決定は自分たちで握るといった線引きが一つの現実的な落としどころになるはず。
AIエージェントは、仕事の「入口」と「途中の段取り」と「たたきの成果物」を大きく変えていきます。
ただし、仕事の「意味付け」までを自動化するかどうかは、私たち自身の選択にゆだねられ、どこまでAIに任せるかを自分で決められる人ほど、エージェント時代の仕事を前向きにコントロールできるようになっていくはずです。
