何が発表されたか
OpenAIは現地時間7月24日、デスクトップ版ChatGPTアプリに「ChatGPT Voice」を追加しました。ユーザーはアプリに話しかけることで、AIエージェントを操作したり、PC上のタスクを実行したりできます。基盤には同月に投入された新しい音声モデル群「GPT-Live（ChatGPT-Live）」が使われ、話す・聞く・アプリ内での作業調整を同時に行えるのが特徴です。
ChatGPT VoiceはChatGPT WorkとCodexの両方に対応し、コンピュータ操作スキルを使ってWebサイトやアプリを参照します。macOSでは「Appshots」により、画面上の内容（alt-textを含む）へのアクセスを許可できます。iOSアプリからはリモートアクセス経由でCodex上のChatGPT Voiceを利用可能です。
スマホ版との違い
先行して提供されたスマートフォン版は、会話の滑らかさや割り込み処理の改善が中心で、スマホ上で「操作を実行する」用途は想定されていませんでした。今回のデスクトップ版はより実務的で、複数ステップの複雑な指示を音声で口述でき、ChatGPT側が入力を必要とする場面では対話で応答できます。デモ動画では、開発者が一つの指示で「新しいスレッド作成」「プルリクエスト作成」「バグの根本原因の特定」を実行させる様子が示されました。
競合も同じ方向へ
AnthropicもClaudeの音声モードを更新しており、Opus・Sonnet・Haikuの各モデルを使って、Gmail、Calendar、Slack、Notion、Canvaといったアプリ内のタスクを完了できます。音声を「入力手段」から「エージェント群の指揮インターフェース」へと引き上げる動きは、主要各社の共通路線になりつつあります。
💼 事業会社視点：これは自社にどう効くか
注目すべきは、音声が「メモや検索の入力」から「複数エージェントの指揮系統」に変わった点です。開発現場では、口述一つでスレッド作成・PR作成・バグの根本原因特定まで走らせるデモが示されており、受託開発やSaaS開発チームにとっては実装フローそのものが変わり得ます。役員・事業責任者がまず動くべきは、Codex／ChatGPT WorkやClaude（Gmail・Slack・Notion連携）を、限定チームでの音声運用トライアルに載せること。効果検証の指標は「音声で完結する多段タスクの割合」です。同時に、macOSのAppshotsが画面内容（alt-text含む）を読む以上、顧客データや社外秘が映る画面での利用範囲は情報セキュリティ規程で先に線引きすべきです。日本企業では「便利だが野放し」が最大のリスクで、権限・ログ・利用アプリのホワイトリストを整えた上で導入する企業が、生産性の差を取りにいけます。
