ChatGPT Agentの機能は、すべてのPlus、Pro、Teamユーザーに全面的に提供されています。以前は、この機能が7月17日にProユーザー向けに段階的にリリースされ、最近ではPlusおよびTeamユーザーへの全面的なカバレッジを完了しました。この新しいAIツールの登場により、ChatGPTは従来の対話アシスタントからより自律性の高い知能エージェントへと進化し、ユーザーにこれまでにないタスク自動化体験を提供します。

ChatGPT Agent: 対話から行動への飛躍

ChatGPT AgentはOpenAIが最新にリリースした統一エージェントシステムであり、以前のOperatorのウェブサイト操作能力とDeep Researchのウェブ情報統合能力を統合し、ChatGPTの会話インテリジェンスと組み合わせています。このシステムは仮想コンピュータ環境で複雑なタスクを自主的に行うことができ、例えばウェブページの閲覧やコードの実行、編集可能なドキュメントの生成などが可能です。ユーザーは自然言語でニーズを説明するだけで、エージェントは最適なツールを選択し、研究から操作までの多段階ワークフローを実行します。

従来のチャットボットとは異なり、ChatGPT Agentは答えを提供するだけでなく、直接行動を取ることができます。例えば、ユーザーのカレンダーに基づいて会議の日程をまとめたり、企業の競合分析を行いプレゼン資料を作成したり、旅行やオンラインショッピングの計画を手伝うことができます。この機能の登場により、ChatGPTは単なる知識検索ツールから「複雑なタスクを代行する」スマートアシスタントへと進化しました。

image.png

コア機能: 多ツール協調とユーザー制御

ChatGPT Agentのコア優位性はその多ツール協調能力にあります。以下のような重要なツールが搭載されています:

  • ビジュアルブラウザ: 人間の操作を模倣し、グラフィックインターフェースを通じてウェブページを閲覧し、ボタンをクリックしたり、フォームに入力したりできます。
  • テキストブラウザ: 簡潔な照会や情報抽出に適しており、効率的です。
  • 端末とAPIアクセス: コードの実行やサードパーティAPIの呼び出しに対応し、プログラミングやデータ処理タスクに適しています。
  • コネクター: Gmail、Google Drive、GitHubなどのアプリに接続し、ユーザーのデータを抽出してパーソナライズされた返答を提供します。

注目すべきは、ChatGPT Agentが常にユーザー制御を重視している点です。送信メールやフォームの送信など、セマンティック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、いつでもタスクを中断または引き受けることが可能です。また、OpenAIは「プロンプトインジェクション」攻撃などのセキュリティリスクを防ぐために多重の保護措置を導入しており、常時有効な分類器、高リスク命令の拒否トレーニング、そして「オブザーバー モード」を含むもので、ユーザーのデータを安全に保証しています。

段階的なリリースと使用制限

現在、ChatGPT AgentはPlus（月額20ドル）、Pro（月額200ドル）、Teamプランのユーザーのみに提供されており、EnterpriseおよびEduユーザーは今後数週間以内にアクセス権を得る予定です。Proユーザーは月に400件のAgentメッセージを使用でき、PlusおよびTeamユーザーは40件までで、追加の使用はクレジットで購入する必要があります。

高需要により、OpenAIはPlusおよびTeamユーザーのリリース時間を遅らせたものの、7月24日時点でグローバルなPlus、Pro、Teamユーザーはすべてこの機能を解放しました。ヨーロッパ経済地域（EEA）およびスイスのユーザーも7月22日に完全なアクセス権を得ました。

注意すべき点は、ChatGPT Agentは一時的に記憶機能をサポートしていないことで、潜在的なデータ漏洩リスクを避けるためです。OpenAIは、セキュリティ対策が整った後、この機能を再導入する可能性があると述べています。

パフォーマンス: 人間を上回る可能性

OpenAIによると、ChatGPT Agentはいくつかのベンチマークテストで優れた性能を示しています。例えば、「DSBench」というデータサイエンスタスクベンチマークにおいて、Agentは人間を大きく上回りました。また、「BrowseComp」というウェブナビゲーションベンチマークでは、得点が68.9%となり、Deep Researchよりも17.4ポイント高い結果を出しました。「SpreadsheetBench」という電子シートの処理ベンチマークでは45.5%の得点を達成し、マイクロソフトのCopilotの20%を大幅に上回りました。これらのデータは、ChatGPT Agentが複雑なタスクを処理する際に人間と同等あるいはそれを超える可能性を持っていることを示しています。

応用シーン: 個人から企業までの多角的な支援

ChatGPT Agentの応用シーンは広範囲に及び、個人および企業のニーズをカバーします:

  • 個人ユーザー: 旅行計画、買い物、文書の要約、スケジュール管理などに利用できます。例えば、Agentはユーザーのメールやカレンダーをもとに結婚式の行程を計画し、プレゼントを選ぶだけでなく、近くのホテルを探すこともできます。
  • 企業ユーザー: 財務モデルや競合分析レポート、プレゼン資料の自動生成などに活用され、効率を著しく向上させます。
  • 開発者: ターミナルとAPIアクセスを通じて、コードの実行やデータセットの分析が可能となり、プログラミングやデータ処理タスクを補助します。

現状では、Agentの速度と安定性はさらに改善が必要です。テストでは一部のタスクが15〜30分かかる場合があり、金融取引などの高リスク操作では直接支払いやアカウント操作ができません。OpenAIはこれを意図的であるとして、セキュリティとユーザー制御を確保するためだと述べています。

ChatGPT Agentの登場は、OpenAI製品ラインアップにおける大きなアップグレードであり、AI業界が「エージェント化」に向かっている傾向を反映しています。従来の生成型AIとは異なり、Agentは「デジタルアシスタント」のように、意図を理解し、ステップを計画し、タスクを遂行できるようになっています。この能力は、ユーザー体験を向上させるだけでなく、企業の業務プロセスの自動化にも新たな可能性を開きます。

しかし、AIエージェントの広範な活用はプライバシーやセキュリティの課題も引き起こします。ChatGPT Agentに導入された厳格なセキュリティ対策は、OpenAIが潜在的なリスクを重視していることを示しています。将来的には、技術が成熟すれば、AIエージェントが繰り返し作業を代替する可能性がありますが、自律性とユーザー制御のバランスをどのように取りながら進めていくのか、業界が解決しなければならない重要な問題です。

AIbaseは、ChatGPT Agentの全面リリースがAIが「回答者」から「実行者」への転換を示すものであると考えています。個人ユーザーもしくは企業チームにとって、この機能の普及は生産性のさらなる向上を促進することになります。OpenAIの継続的なイノベーションと最適化が、競争の激しいAI市場でその地位を維持する鍵となります。