OpenAIは、新世代モデル「GPT-6 Astra」を発表しました。Astraは、質問に答えるだけでなく、パソコンやブラウザを使った作業、資料作成、ソフトウェア開発、科学分野の調査など、複数の手順が必要な仕事を進める力を高めています。さらに、途中で指示が変わった場合にも目的を保ちながら対応しやすくなりました。Codexでは、長い開発作業で過去の情報を探し直すための新しい仕組みも実験的に用意されています。
一方、高い能力を安全に使うため、利用範囲の管理や監視も重視されています。ChatGPT Plus、Pro、Business、Enterpriseに加え、OpenAI APIやAWSでも順次提供されるため、本プロジェクトの詳細を考察します。
「答えるAI」から、画面上で仕事を進めるAIへ
GPT-6 Astraの大きな特徴の一つは、文章で答えるだけでなく、実際の画面やソフトを使いながら仕事を進められる点です。OpenAIは、オンラインフォームへの入力、顧客情報を管理するシステムの更新、カレンダー整理、Web調査、メールや文書への要約作成などを具体例として紹介しています。さらに、科学データの確認やソフトウェアの設定、画面上の不具合を調べる作業にも対応します。
これまでの生成AIは、質問に答えたり文章を作ったりする使い方が中心でした。Astraでは、その先にある「必要な操作まで進める」役割が強くなっています。パソコン操作の能力を測るOSWorld 2.0のOpenAIによる評価では、Astraは72.6％を記録し、GPT-5.6 Solの65.7％を上回りました。また、同じ評価を使った作業時間のシミュレーションでは、1件あたりAstraが約40分、GPT-5.6 Solが約75分でした。
もちろん、実際のすべての仕事が同じ割合で速くなるわけではありません。ただ、AIに任せられる作業の範囲が広がっていることを示す結果といえます。今後は、人が一つずつ操作を指示する使い方から、目的や条件を伝え、まとまった仕事を任せる使い方へ変わっていく可能性があります。
参照：OpenAI「GPT-6 Astra: A new generation of intelligence」
専門業務で求められる「完成度」と「判断力」を強化
企業でAIを使うときは、正しい答えを出せるだけでは足りません。社内の資料に合わせたり、途中で条件が変わっても対応したり、長い作業の流れを保ったりする力も必要です。Astraでは、こうした実際の仕事で起こりやすい場面への対応が強化されています。
社内の形式に合わせた成果物を作りやすい
GPT-6 Astraは、文書、表計算、プレゼン資料などを作る際に、用意されたテンプレートや書き方に合わせる力が高められています。企業では、内容が合っていても、項目の並びや文字量、見せ方が社内ルールと違えば、そのまま使えないことがあります。
Astraは、与えられたテンプレートや仕事の前提に合わせながら、必要な情報を選んで成果物へ反映することを重視しています。情報をただ多く詰め込むのではなく、目的に合う内容だけを残すため、確認や修正の負担を減らせる可能性があります。
AIが作ったものを人が一から作り直すのではなく、最後の確認や細かな調整を中心に行う使い方へ近づくことが期待されます。特に、会社ごとに決まった資料の形や表現がある場合には、AIを実務へ取り入れやすくなると考えられます。
情報が足りない場面でも仕事を進めやすい
実際の仕事では、最初からすべての条件がそろっているとは限りません。依頼する側が細かな条件を書き忘れたり、途中で追加の要望が出たりすることもあります。
Astraは、結果に大きな影響がない不足情報は周りの内容から補い、重要な判断につながる部分では質問するように作られています。また、途中で新しい指示を受けた場合も、それまでの目的や条件を保ちながら方向を変えやすくなっています。
これは、変更があるたびに最初から説明し直す負担を減らすことにつながります。人が細かな手順をすべて決めるよりも、「何をしたいのか」「何を守る必要があるのか」を共有しながら、一緒に仕事を仕上げる使い方がしやすくなると考えられます。
長く続く開発でも過去の経緯を探しやすい
ソフトウェア開発など長く続く作業では、「以前どの方法を試したのか」「なぜその修正をやめたのか」といった経緯が重要です。
Astraを使うCodexでは、作業が長くなったときにメモを残し、以前の会話やツールの結果をあとから探せる新しい仕組みが実験的に用意されています。これまでのように長い内容を一つの要約へまとめるだけでは、細かな理由や失敗した方法が抜け落ちる場合があります。
過去の要件やテスト結果を探し直せれば、大きな修正や長期開発でも流れを保ちやすくなります。ただし、この仕組みはAstra公開時点ではCodex向けの実験的な機能として説明されています。Astraを利用するすべての場面で同じように使える機能ではない点には注意が必要です。
数学や科学の研究でも広がるGPT-6 Astraの役割
GPT-6 Astraは、日常業務の効率化だけでなく、数学や科学、生命科学などの専門分野でも高い結果を示しています。特徴は、知識を答えるだけではなく、研究に必要な計算やデータ確認まで支援できる点です。ここでは、研究現場で考えられる使い方を3つの視点から見ていきます。
数学では「答えが分かっている問題」の先へ
Astraは、数学分野で長年研究されてきた問題に関わる成果も示しています。OpenAIは、素数同士の間隔を扱う研究でAstraが証明づくりを支援し、それまで知られていた結果をさらに進めたと説明しています。
また、高度な数学問題を評価するFrontierMath Tier 4では97.6％を記録しました。こうした結果から見えてくるのは、AIの役割が教科書にある問題へ答えるだけではなく、まだ答えが決まっていない研究の支援にも広がり始めていることです。
ただし、数学研究では証明が本当に正しいかを人が確認する作業が欠かせません。そのため、Astraは研究者に代わって結論を決める存在ではなく、新しい考え方の候補を広げたり、確認すべき方向を見つけたりする支援役として活用される可能性があります。
実験データを確認しながら次の調査につなげる
科学研究では、論文を読むだけでなく、実際のデータを確認し、計算やグラフ化を行いながら次に調べることを決めます。Astraは科学的な考え方とコンピューター操作を組み合わせ、専門ソフトの中でデータを確認する用途にも対応しています。
OpenAIが紹介した例では、遺伝子解析に使うデータの品質を調べ、遺伝的な違いを見える形にする作業を進めています。研究では、大量のデータから注目すべき部分を探すだけでも多くの時間がかかります。
こうした準備作業をAIが支援できれば、研究者は結果の意味を考えたり、新しい仮説を立てたりする時間を増やせる可能性があります。Astraは研究者の代わりに判断するのではなく、判断に必要な材料を整理する役割で力を発揮すると考えられます。
生命科学や医療に関わる分野でも性能を向上
Astraの性能向上は、物理や化学だけでなく、生命科学や医療に関わる分野にも広がっています。大学院レベルの科学的な問題を扱うGPQA Diamondでは96.0％を記録し、医療分野を評価するHealthBench Professionalでも63.4％となっています。
さらに、遺伝子、生命科学、医薬品開発に関わる評価でも性能が測られています。ただし、これらの数字は、実際の診断や治療をAIだけに任せられることを意味するものではありません。
一方で、研究資料の整理、専門情報の確認、実験結果を検討する際の補助などでは、活用の幅が広がると考えられます。複数分野の情報を扱う研究では確認作業も増えるため、AIが情報整理を支えることで、研究者が重要な判断へ時間を使いやすくなる可能性があります。
高い能力と同時に重視された安全対策
GPT-6 Astraで見逃せないのが、能力の向上と同時に安全対策も重視されている点です。OpenAIは、Astraのサイバーセキュリティ能力が、自社の安全性を判断する枠組み「Preparedness Framework」で「Critical」の水準に達したと説明しています。
本番向けの安全対策を外して能力そのものを調べた評価では、既知のソフトウェアの弱点を使えるかを測るExploitBenchで100％を記録しました。また、別の評価では、それまで知られていなかったソフトウェアの弱点を見つけたことも報告されています。
こうした能力は、企業がシステムの弱点を早く見つけて修正する防御側の用途で役立つ一方、使い方を誤れば大きな危険にもつながります。そのため、実際に提供されるAstraでは、高度な攻撃手法の作成など一部の依頼を制限し、安全なコード確認や修正といった防御目的の利用を中心にしています。
また、ユーザーから与えられた範囲を越えて動かないかを確認する仕組みも強化されています。OpenAIの内部評価では、Auto-Reviewという安全確認の仕組みで止められた操作をAstraが回避しようとした割合は0％でした。Astraの進化は、AIが高性能になるほど「何ができるか」だけでなく、「どこまで任せるか」を決める仕組みが重要になることを示しています。
今後の展望
GPT-6 Astraの登場によって、生成AIは「便利なツールを使う」段階から、仕事の進め方そのものを見直す段階へ進むと考えられます。今後は性能だけでなく、何を任せるか、成果をどう測るか、費用と安全性をどう両立するかが重要になります。ここでは、Astraの特徴から考えられる今後の活用を3つの視点から考察します。
AIの評価が「回答の良さ」から「仕事を終えられたか」へ広がる
Astraのように複数の手順をまたいで仕事を進めるAIでは、文章が自然か、質問に正しく答えられるかだけでなく、「頼んだ仕事を最後まで終えられたか」がより重要になると考えられます。OpenAIは、実際のソフトを使う複雑な仕事を測るAgents’ Last Examや、パソコン操作を測るOSWorld 2.0などでAstraを評価しています。OSWorld 2.0ではAstraが72.6％、GPT-5.6 Solが65.7％となり、作業時間を比べるシミュレーションでもAstraの方が短い結果になりました。
この考え方を企業のAI活用に当てはめると、今後は「何回AIを使ったか」よりも、実際の仕事がどれだけ早く、少ない手直しで終わったかを見る動きが広がる可能性があります。例えば営業なら提案資料が完成するまでの時間、経理なら1件の処理に必要な確認回数、開発なら修正からテスト完了までの時間を測る方法が考えられます。
さらに、人がどこで手を入れたのかを記録すれば、AIに任せやすい仕事と、人の判断が必要な仕事も見分けやすくなります。例えば毎回同じ部分で人による修正が必要なら、その作業は完全に自動化するのではなく、途中で確認を入れる方が適していると判断できます。
Astraの登場によって、生成AIの評価は「賢い回答を出せるか」から「仕事全体にどれだけ役立ったか」へ広がっていく可能性があります。企業にとっては、AIの性能比較だけでなく、業務時間、修正量、失敗の回数などを組み合わせて見ることが、導入効果を判断するうえで重要になりそうです。
AIに「何を任せないか」を決める仕組みが重要になる
Astraのように、ある程度自分で判断しながら作業を進めるAIが広がるほど、「何を任せるか」と同じくらい「何を任せないか」を決めることが大切になると考えられます。OpenAIは、Astraがユーザーから与えられた範囲を守ることを重視しているほか、Enterpriseでは管理者がAstraを有効にする仕組みを採用し、提供開始時は初期設定でオフにしています。また、安全面で注意が必要な操作については、確認や監視を重ねる考え方も示しています。
企業での活用を考えると、すべての仕事を同じルールでAIに任せるのではなく、仕事の重要度に応じて権限を分ける方法が現実的です。例えば、情報収集や社内資料の下書きはAIが進めても、契約の確定、送金、顧客への正式な回答、重要なデータの削除などは人の承認を必須にする方法です。
金額が大きい処理や大切な情報を扱う作業だけ、さらに上の責任者が確認する仕組みも考えられます。このようにAIが行える操作を段階ごとに分ければ、便利さを保ちながら予想外の動きを防ぎやすくなります。
このような運用が進めば、AI導入は単に新しいツールを追加する話ではなく、会社の仕事の流れや責任分担を見直すきっかけになる可能性があります。AstraのようなAIを安全に使うためには、AIが自由に動いてよい範囲、人に確認を戻す場面、作業を止める条件を先に決めることが重要です。AIが高性能になるほど、人が一つずつ操作を指示する必要は減りますが、その分、組織側のルールづくりが大きな意味を持つと考えられます。
仕事の内容に合わせてAIを使い分ける運用が広がる
Astraは高い性能を持つ一方、企業が実際に使う場合は、すべての仕事に同じAIを使う必要はありません。OpenAI APIでは、GPT-6 Astraの標準料金が入力100万トークンあたり10ドル、出力100万トークンあたり50ドルと案内されています。また、より速く処理するFast modeも用意され、標準より最大2倍の速度になる一方、料金も標準の2倍になります。
こうした選択肢があることから、仕事の内容に合わせて使い方を変える考え方が重要になると考えられます。例えば、短い文章の整理や決まった形式への分類などは、より軽い処理で対応し、複雑な調査、重要な資料作成、大規模な開発などではAstraを使う方法が考えられます。また、通常は標準の処理を使い、急ぎの仕事だけFast modeを選ぶ運用も可能です。
さらに、AstraはOpenAI APIだけでなくAmazon Bedrockでも提供されるため、企業がすでに使っているシステムやクラウド環境へ組み込む選択肢も広がります。会社全体で一つの使い方にそろえるのではなく、部署や仕事ごとに必要な能力を選ぶ方法も考えられます。
今後は「一番高性能なAIをすべての業務で使う」という考え方より、仕事の難しさ、重要度、急ぎ具合、費用を見ながら、その場に合うAIや設定へ振り分ける仕組みが広がる可能性があります。将来的にシステム側が仕事の内容を見て自動的に使い分けるようになれば、費用を抑えながら、必要な場面では高い性能を使えるようになります。Astraの登場は、AIそのものの性能だけでなく、「どう組み合わせて運用するか」が企業のAI活用を左右する段階へ進んでいることを示していると考えられます。
