何が起きたか
OpenAIは先月、ChatGPT Workをリリースしました。中身はコーディングエージェントCodexを一般業務向けに改造したもので、月20ドルの最下位サブスクリプションに含まれます。想定ユーザーは会計士、投資家、医師といったホワイトカラーで、メール、ブラウザ、SaaSといった既存の作業環境にエージェントを接続します。方向性としてはClaude CoworkやPerplexityのAIブラウジングエージェントと同じ土俵です。
きっかけは社内でした。コミュニケーションや財務など非エンジニア部門が、まだコード前提だった頃のCodexを使い始めたのです。デスクトップアプリのリードエンジニアであるAndrew Ambrosino氏は、当時のCodexは彼らに「このdiffは空です」と返すような、業務利用には敵対的な代物だったと振り返ります。2月から現在にかけて汎用化の作業が進められました。
数字が語る「まだ社内ツール」
注目すべきは普及率です。OpenAIが後援した調査「The Shift to Agentic AI: Evidence from Codex」によれば、6月時点でCodexを使っていたのはOpenAI社員の98%。一方、組織契約者では17%、個人契約者では1%未満にとどまります。CodexとWorkの共通アプリの利用者は2000万人で、ウェブでChatGPTに入力する10億人超とは二桁違います。OpenAIはWorkとCodexの内訳を明かしていません。
つまり、エージェントは「作った側では日常」だが「買った側では例外」という段階にあります。これは技術の問題というより導入設計の問題です。
論点は「ハーネス」の設計思想
どのLLMにも、モデルが何を見て、どのツールを使い、どう答えを返すかを決める「ハーネス」と呼ばれる外殻ソフトウェアが必要です。開発者にとってはCLIというハーネスだけでソフトウェアの作り方が変わりましたが、世の中の大半はCLIを使いません。OpenAIはOpenClawのようなツールで開発者がやっていることを、プロンプトを書くのと同じ手軽さにしたいと考えています。
社内では、パワーユーザー向けとマス向けの綱引きが起きています。「モデルに頼めばいいのだからボタンは不要」という主張に対し、Ambrosino氏は「今は非常に早い段階で、発見可能性が重要。いずれボタンはなくなる」と反論します。Workにはプロジェクトやプラグインを選ぶボタンが加わりましたが、彼はこれを初期GUIのスキューモーフィズムになぞらえ、移行を助けた仕掛けだったと位置づけています。
「messyな現実」と評価の難しさ
実運用の摩擦は小さくありません。TechCrunchの記者は、メールの園の予定表をGoogleカレンダーに移す、上場企業の財務指標が自動更新されるダッシュボードを作る、ロケット打ち上げの検索可能なデータベースを作る、といった用途で成果を得た一方、権限設定が「循環的で分かりにくい」と報告しています。クラウドドライブに読み取り専用権限を与えようとするとエラーが返り続け、モバイル側のダイアログで初めて「完全アクセスでないと動かない」と説明されたといいます。重要な設定の多くはウェブ版にしかなく、アプリと併用が必要です。カレンダーの予定は作れても新規カレンダーは作れず、effort（推論の強度）を高に設定しないと性能が出ない、という制約もあります。ハーネス担当のエンジニアリングリードJoe Gershenson氏も、effort設定が初見ユーザーに直感的でないことを認めています。
Ambrosino氏の言葉を借りれば、この種の製品は「1995年に作られてそれきり更新されていないウェブサイト」を含む、雑然とした現実と付き合う必要があります。
より本質的な難所は評価です。コードはテストが通るかどうかで良し悪しが測れますが、良いプレゼン、良い事業戦略、良い営業トークは測りにくく、追跡もしにくい。OpenAIは44職種・数百の知識労働タスクから作ったGDPvalベンチマークとユーザーフィードバックで補っていると説明しますが、どの業務を具体的に設計対象にしているかを尋ねると、エンジニアたちは「リサーチチームの領分だ」と明言を避けました。Claude CoworkなどとCodex／Workの違いについても、口は重いままでした。
背景には競争構造もあります。法務のHarvey、営業のClayといった業種特化勢は、その時点で最も良いモデルを差し替えて使うモデル非依存の戦略で同じ顧客を狙っています。a16zのブログでChristian Catalini氏が書いた「ラボが市場でAIをスケールさせるための補完資産を素早く押さえられなければ、価値は別の場所に蓄積する」という指摘は、まさにこの構図を指しています。
💼 事業会社視点：これは自社にどう効くか
日本企業の経営層が読むべき数字は「17%」です。法人契約していても、現場の8割超はエージェントを使っていない。ライセンスを配れば生産性が上がる、という前提はすでに崩れています。効くのは配布ではなく、権限設計と業務の切り出しです。
実務の一手は三つあります。第一に、SaaS連携の���限審査を情シス任せにしないこと。読み取り専用が通らず完全アクセスしか選べない、という報告は、日本企業の稟議・監査要件と正面衝突します。人事・法務データを持つ基幹SaaSは対象外、という線引きを先に引くべきです。第二に、用途を「週次指標レポート」「表計算を計画ツールに変換」「投資メモ」「ダッシュボード生成」といった、定型で調整コストの高い業務に絞ること。ECなら在庫・広告指標の週次集計、SaaSならチャーン兆候の社内共有、受託開発なら見積根拠の整理が入口です。第三に、学習データ提供のオプトアウトを標準設定にすること。初期利用者の操作ログはコーディングツールと同様に貴重な訓練データで、顧客情報を扱う受託事業者ほど、契約上の説明責任が先に来ます。
ベンダー選定では、Harveyのようなモデル非依存の業種特化勢と、OpenAIの汎用エージェントを二者択一にしないこと。長時間走るエージェントほどトークン消費が増えOpenAI側の収益は上がる構造なので、月20ドルという入口価格は将来のコスト前提になりません。従量課金化を織り込んだ試算をしておくべきです。