何が起きたか
OpenAIがGPT-6 Astraのモデルドキュメントで、このモデルが「望ましくない挙動に傾きやすい場所」と、プロンプトでの回避方法を明示しました。前世代のGPT-5.6 Solと比べた変化点と、その副作用に対する処方箋がセットで示されているのが特徴です。
主な癖は4つです。第一に、Astraは仮定を置いて進むよりも確認質問を返す頻度が高い。OpenAIはこれを「more effective collaborator（より有効な協働相手）」と位置づけますが、ユーザーが続行を期待する場面で止まることがあると認めています。第二に、リスト・表・Markdownで構造化しすぎ、しかもセッションをまたいで同じ言い回しを使い回す。第三に、コーディングでは仕上げ前に入念なテストを走らせ、小さな変更に不釣り合いなテストスイートが動く。第四に、並列のサブエージェントへ仕事を渡せるのに、想定より委譲しない。
なぜ重要か
これは「モデルの性能表」ではなく「運用の失敗モード一覧」です。エージェント型AIを業務に組み込む段階では、精度よりも「止まる／暴走する／無駄に走る」がコストの実体になります。確認質問1回ごとに人間の待ち時間が発生し、不要なテスト実行は課金と時間に直結する。ベンダー自身がその発生箇所を名指しした点に価値があります。
行動バイアスをどう指示するか
OpenAIが推奨するのは、文脈からユーザーの意図とタスク範囲を推論し、「bias towards action（行動する傾向）」を示せという指示です。「can you…」「I want to…」「help me…」は追加質問の誘いではなく実行命令として扱う。作業は独立して進める（隔離したワークツリー／チェックアウトの作成、マージコンフリクトの解消、読み取り専用の操作、ドラフトPRの作成）とし、明らかに破壊的・不可逆な操作だけを例外にする。承認を求めるのは、レビュー可能な具体的成果物を用意してから。仮想のリスクに基づく警告・免責・安全チェックリストの自発的な提示はプロンプトから外すよう求めています。
設計思想が読み取れます。人間の承認ポイントを「作業前の確認」から「成果物のレビュー」へ後ろにずらす。これはコードレビューやドラフトPRという、既存のソフトウェア開発の承認モデルにAIを合わせる発想です。
AGENTS.mdが事故の起点になる
見落とされがちなのがここです。Astraは長い指示への追従性が上がった一方で、コンテキストに敏感になりました。AGENTS.mdのようなスキルファイルに曖昧な指示や矛盾した指示があると、作業をブロックしたり予期せぬ方向に逸れたりします。
OpenAIの推奨は2段構えです。まずモデルがアクセスできる全スキルファイルと文脈ドキュメントを棚卸しし、ユーザー指示に明示的な優先権を与えること。次にデバッグ用プロンプトとして、停止や方針転換の原因になったSKILL.mdファイルを特定してリンクし、該当箇所を引用し、それがどう適用されるかを短く説明させ、さらに「スキルの明示的な要件」と「モデル自身のガイドライン解釈」を区別させること。挙動を原因ファイルまで追跡できるようにする仕組みです。
つまり、蓄積したプロンプト資産やAGENTS.mdは資産であると同時に負債になりうる。モデル更新のたびに棚卸しが要るという運用コストが、ここで初めて明文化されました。
文章生成と“slop words”
散文を書かせる場合は、平易な言葉と能動態で簡潔な段落を書くよう明示的に指示し、リストは本当に並列・逐次・比較可能な情報に限り、入れ子のリストは避けるよう推奨されています。
さらにOpenAIは、AI特有の言い回しを“slop words”と呼んでブロックリスト化しました。結論部の「Conclusion:」、「delve into」「promote」「use/leverage」「it’s worth noting」「what’s important is」「Question? Answer」「This isn’t about X. It’s about Y」「really/truly」。加えて「In short:…」「The simplest mental model is:…」のような要約締め、「X, not Y」型の対比表現、やらないことへの言及、曖昧な限定語、定型のつなぎ言葉。「exact-head checks」「editorial-row layouts」のような造語の複合語も禁止で、やらないことを並べるのではなく、やることを直接述べよ、としています。技術文書では専門用語より平易な言葉を使い、技術的詳細は考えや作業の説明に役立つ範囲で触れる、が方針です。
モデル提供元自身が「AIが書いた文章の典型的な臭い」をリスト化して排除しにきた事実は、生成テキストの品質基準が「正しさ」から「読めるか」へ移りつつあることを示します。
テストと委譲の調整
コーディングでは、新たな失敗や未解決の問題がある場合に限りテストを再実行するよう指示することが推奨されています。委譲については、いつ・どの程度サブエージェントに任せるかを明文化する必要があります。エージェント間のメッセージには文法やスペースの誤りが混じることがあるとも明記されています。
より詳細なプロンプト例はGPT-6 Astraのモデルドキュメントページにあり、CodexとOpenAI Docs skillを使えば「$openai-docs migrate this project to GPT-6 Astra」というコマンドで推奨変更を自動適用できます。
💼 事業会社視点：これは自社にどう効くか
日本企業のAI導入で最も見落とされているのが、この「モデル更新に伴うプロンプト資産の棚卸しコスト」です。AGENTS.mdやSKILL.mdに書き溜めた社内ルールが、GPT-6 Astraでは作業停止や方針逸脱の原因になる。バージョンアップが自動的な改善にならず、移行プロジェクトになるという事実を、経営側は予算計画に織り込む必要があります。
受託開発・SIerにとっては商機と地雷が同時に来ます。顧客のリポジトリに散在するスキルファイルの監査、ユーザー指示の優先権設計、SKILL.mdの引用によるデバッグ手順の整備は、そのまま有償の「AIエージェント運用保守」メニューになる。逆に固定価格契約で「AI活用で工数削減」を約束していると、小さな修正で不釣り合いなテストスイートが走る分の実行コストを自社が飲むことになります。テスト再実行条件を契約時の前提として明示すべきです。
SaaS事業者は文章生成機能を持つなら“slop words”リストを即座にシステムプロンプトへ反映すべきです。ユーザーが「AIっぽい」と感じる原因が具体的な語彙として特定された以上、対応の速さがそのまま体験差になります。EC事業者の商品説明文生成も同様で、全商品に同じ言い回しが並ぶ状態はSEO上も不利です。
経営者が今週決めるべきは、AI利用部門に「自社の全スキルファイル・コンテキスト文書の棚卸し担当」を割り当てることです。CodexとOpenAI Docs skillの自動移行コマンドがあるとはいえ、どの社内ルールを残すかの判断は事業側の仕事です。