図面を読み取って立体のモデルを作る。請求書を見て、会計ソフトに内容を入力する。OpenAIが10月26日に発表したGPT-6.1 Terraは、画面を見てパソコンを操作する仕事に力を入れたAIだ。
文章だけでなく、画像やアプリの画面を読み、次の操作へ進む。公式の試験では、建築図面からの立体モデル作りや、映像を場面ごとに調べて記録する課題に取り組んだ。成績や速さは同社の評価結果で、すべての仕事で同じ成果が出るという意味ではない。
ChatGPT WorkとCodexの対象プラン、開発者向けのAPIで提供を始めた。APIの通常料金は、前のTerraやGPT-6.1 Solの半額。繰り返し発生する入力や確認の作業へ使いやすくする狙いがある。
発表直後、開発者掲示板Hacker Newsでは342票・203件のコメントを確認した。Redditでも、速さや得意な仕事、他のモデルとの使い分けが議論されている。
今日のTerraで目に留まるのは、請求書を読んだあと、その内容を会計ソフトへ入力するところまでが利用例になっていること。
読み取った答えが、そのまま次の操作につながる。
これ、毎日の画面の使い方を変えていく。資料を開く。必要な情報を探す。別の画面へ写す。その小さな往復を、一つの依頼として渡せるようになる。
GitHubのTeams更新も近い。会話に届いた不具合の通知から、調査と修正案の作成へ進める。OpenAIのDecisions APIは、アプリの中で次に何をするかを選ぶ判断を支える。
人が伝えるのは「この情報を、この仕事に使いたい」という意図。AIは画面や資料を読み、必要な操作をつないで、確認できる結果まで返す。そういう受け渡しを、いつもの仕事の中に増やせる。
情報を見つけるところから、入力を終えるところまで。それが、AIに頼む一つの仕事になっていく。
AIプロダクトアーキテクト
25年以上にわたり、UI/UXデザイン、プロダクト開発、事業開発に携わる。自身でも会社を創業し、100人規模の組織を経営。
現在は、AIを活用した新しいプロダクトの企画・設計・開発に取り組む。
AI Signalでは、最新のAI技術を実際に試しながら、新しいプロダクトの開発を通じて見えてきた発見や、AIが切り拓く未来の可能性を発信しています。
プロフィール・実績・お問い合わせ ↗