ChatGPT のデスクトップアプリ上で、ブラウザやローカルファイルを直接操作できる新機能が案内されています。OpenAI が発表した「ChatGPT Work」は、チャット画面の外に出て実際にクリックやファイル移動を行うエージェント（自律的にタスクを進めるAIの実行主体）を含む仕組みです。ローカル環境での自動操作を業務に組み込むか検討しているエンジニアやチームリーダーに向けて、技術的な変更点と確認すべき設定を整理します。
これまでの ChatGPT は、ユーザーがコピーした情報をプロンプトに貼り付け、結果を手動で次のアプリに運ぶという「対話の外側は人間任せ」の設計でした。ChatGPT Work はこの前提を変えるものです。デスクトップアプリ内で Chat・Work・Codex（コーディング支援機能）が統合され、組み込みブラウザとローカルコンピュータ操作機能が同じ画面の中で完結します。
何が技術的に変わったのか
中心となるのは Computer Use と呼ばれる機能です。これはエージェントがマウスクリックやキー入力を模倣し、ローカルアプリケーションやブラウザコンテンツを直接操作する仕組みを指します。OpenAI の公式発表ではこの名称が使われており、一部の海外ソースで見られた「Computer History」という呼称は公式名ではありません。用語を確認する際は OpenAI の公式アナウンスページを一次情報として参照するのが確実です。
段階的に見ると、この仕組みは三層で構成されています。1つめはチャットによる指示層、2つめはローカル環境でアプリやファイルを操作する実行層、3つめは Plugins・Workflows・Scheduled Tasks（定期実行タスク）による自動化層です。従来のチャットボットは1層目だけで完結していましたが、ChatGPT Work は3層すべてを1つのデスクトップアプリに収めています。
具体例で考えると分かりやすくなります。たとえば「このフォルダ内のレポートを読み、ブラウザで最新の統計を調べて反映し、更新版を保存する」という一連の作業を、エージェントがバックグラウンドで実行できる想定です。従来であれば人間がファイルを開き、ブラウザで検索し、コピーして貼り付けるという3つの操作をまたいでいた部分が、1つの指示に集約されます。
ブラウザ拡張・RPAとの違い
この種の「画面操作を自動化する」発想自体は新しいものではありません。Selenium や Playwright によるブラウザ自動化、UiPath のような RPA（ロボティック・プロセス・オートメーション）ツールは既に広く使われています。違いは操作の指示方法です。
既存の RPA ツールは、事前に定義された操作フロー（クリック座標やセレクタ）を厳密に実行します。一方 ChatGPT Work のエージェントは自然言語の指示から操作内容を都度推論して実行します。これは柔軟性が高い反面、意図しない操作を実行するリスクも伴う設計です。Web アプリのテスト自動化でよく知られる「セレクタが変わると壊れる」問題は起きにくくなりますが、代わりに「AIが指示を誤解釈する」という別のリスクが生じます。
メモリ機能も合わせて押さえておく必要があります。OpenAI のメモリ・パーソナライゼーション機能は、過去のチャットやアプリ経由で取得した情報を参照し、以降の応答に反映する仕組みです。ただしこれはエージェントの操作能力とは別の機能です。エージェントがコンピュータを操作する能力と、メモリが文脈を保持する能力は、組み合わさって使われますが技術的には独立した機能として区別して理解しておくのが安全です。
導入前に確認すべき設定と判断基準
実際に検証や導入を検討する場合、次の3点を確認しておくと判断がしやすくなります。
- 対象プランとリージョン: メモリやデータ保持に関する具体的な制御項目はプランや地域によって異なります。ChatGPT のアカウント設定内「Personalization」または「データコントロール」の項目を開き、記憶の保存範囲とオプトアウト可否を確認してください
- 権限の粒度: デスクトップアプリの設定画面で、ローカルファイルアクセス・ブラウザ操作・アプリ連携のうちどこまで許可するかを個別に確認できるかをチェックしてください。全許可か全拒否かの2択しかない場合は、業務データを扱う前に慎重な検証が必要です
- タスクの可逆性: エージェントに任せる作業が「ファイルの削除」「送信」「決済」など取り消しにくい操作を含むかどうかを洗い出してください。可逆性が低い操作は自動実行の対象から外し、人間の承認ステップを挟む設計が無難です
| 比較軸 | 従来のChatGPT対話 | ChatGPT Work（Computer Use） |
|---|---|---|
| 操作範囲 | チャット内の応答生成のみ | ローカルアプリ・ファイル・ブラウザを直接操作 |
| 指示形式 | 都度のプロンプト入力 | Scheduled Tasksによる定期自動実行も可能 |
| 失敗時の影響 | 誤った回答文を読むだけ | ファイル変更や誤操作が実環境に反映される |
チームで導入を検討する場合は、まず影響範囲の小さいタスク（ローカルの下書きファイル整理など）から試すのが現実的です。可逆性の高い作業でエージェントの挙動を観察し、誤操作のパターンを把握してから、権限範囲を段階的に広げる進め方が安全です。
Codex がこのデスクトップアプリに統合されている点も、開発者にとっては見逃せない変更です。コーディング支援とファイル操作・ブラウザ操作が同一アプリ内で行えるようになることで、ドキュメント参照からコード修正、ローカルでの動作確認までの往復がアプリ内で完結する可能性があります。ただし現時点でどこまでの操作が実際にサポートされるかは、利用しているプランのリリースノートで個別に確認するのが確実です。
まとめ
ChatGPT Work は、チャットの応答生成からローカル環境での実操作へとAIの役割を広げる変更です。核となる Computer Use はブラウザ自動化やRPAと似た発想を持ちますが、自然言語での指示から操作を推論する点が異なります。
導入を検討する際は、権限設定画面でファイル・ブラウザ・アプリ連携の許可範囲を個別に確認し、メモリ機能とエージェントの操作能力を別物として扱うことが判断の出発点になります。まずは可逆性の高い小さなタスクで試し、誤操作のリスクを見極めてから範囲を広げる進め方が無理のない検証方法です。