エンタープライズのAIエージェントは、いよいよ「特定の作業を手伝う道具」から「社内システムを横断して成果物を出す担い手」へと軸足を移しつつあります。homulaが実装現場で感じてきたこの潮目を、OpenAIが7月9日（米国時間）に発表した新しいエージェント ChatGPT Work が、非常に分かりやすい形で示しました。
報道各社によれば、ChatGPT Work は「目標（アウトカム）を受け取り、接続済みのアプリやファイルから文脈をかき集め、仕事を小さなステップに分解して、数時間にわたり自律的に完了させ、完成した文書・スプレッドシート・スライド・レポート・Webサイトを返す」エージェントです（Bloomberg / Forbes）。この記事では発表の要点を分解しつつ、汎用ワークエージェントが標準化する世界で、日本企業が「モデル選び」の先に用意すべきものを整理します。
ChatGPT Work は何を変えるのか
まず事実関係を、複数ソースで裏取りできた範囲で確認します。
- 中身: アウトカム起点で複数アプリを横断し、ステップに分解して長時間タスクを完遂する自律エージェント。1問1答ではなく「完成した成果物」を返すのが売りです。
- モデル: OpenAIの最新モデル GPT-5.6 で駆動されます。
- 接続: 統合された「プラグイン・ディレクトリ」から、会話の中で Slack・Microsoft Teams・Google Drive・SharePoint・Gmail・CRM・社内ナレッジベースなどを
@メンションで呼び出し、データ取得や操作の実行を許可できます（MacRumors）。 - 入れ物: ChatGPTの会話UI・コーディング環境 Codex・バックグラウンド自動化エージェントを、macOS/Windows向けの単一デスクトップアプリに統合。あわせてホスティング機能（hosted sites）も提供されます。
- 展開: Web・モバイルで、まず Pro / Enterprise / Edu から提供開始し、その後 Plus / Business へ順次拡大（BNN Bloomberg）。
注目すべきは「横断性」です。従来の生成AIは、あるアプリの中で使う機能でした。ChatGPT Work はその逆で、あなたの社内システム群の上を移動して回る存在として設計されています。つまり価値の源泉が「モデルの賢さ」から、「どのツールに繋がっていて、どこまで操作を許されているか」へ移り始めている、ということです。
「使い方」も変わる——課金は定額からトークン従量へ
見落とされがちですが、重要なのは料金の考え方です。OpenAIは ChatGPT Work について「通常のチャットより長く手間のかかる作業向けなので、使い方（消費）が異なる」と明言し、Codexと同じ利用構造に従うとしています。つまりサブスクに含まれる定額機能ではなく、消費量に応じた従量的な扱いです。
これは6月末〜7月に相次いだ変化と地続きです。OpenAIは7月6日にワークスペース・エージェントの実行をトークンベース課金へ移行し、7月9日には新フラッグシップ GPT-5.6 を Sol / Terra / Luna の3階層で一般提供しました。報道ベースの価格は100万トークンあたり以下の通りです。
| モデル | 位置づけ | 入力 | 出力 |
|---|---|---|---|
| Sol | 最難関・長時間エージェント向けフラッグシップ | $5 | $30 |
| Terra | 日常用途のバランス型（実効で約半額） | $2.50 | $15 |
| Luna | 最速・最安 | $1 | $6 |
「エージェントが数時間、自律で走る」ことと「トークン従量課金」が組み合わさると、コストは指数的に読みにくくなります。1回の依頼が何ステップ・何トークンに膨らむかは事前に見えづらく、放置すれば請求が跳ねます。汎用ワークエージェント時代のガバナンスは、権限管理と同じ重みで消費の可視化と上限設計を含みます。homulaでは以前、エージェントのメーター課金とFinOpsやGPT-5.6の階層モデルとルーティングでこの論点を扱いました。
汎用エージェントが横断する時代の「本当の争点」
ChatGPT Work のようなプレイヤーが「あなたの社内システムを横断して成果物を出す」なら、企業側の競争優位はモデルそのものからは生まれません。争点は次の3つに移ります。
- 接続（Connectivity）: エージェントが実際に価値を出せるかは、社内のどのツール・データに、どれだけ滑らかに繋がっているかで決まります。連携が細切れなら、どれだけ賢いモデルでも「材料のない料理人」です。
- 統制（Governance）: 横断するエージェントには「誰が・どのエージェントに・どのアプリで・何を許すか」の制御点が要ります。OpenAIのエンタープライズ設定でも、コネクタは既定で無効化され、管理者が必要なものだけ有効化し、コネクタごとに許可するアクションを承認する設計です（OpenAIヘルプ）。RBAC・SSO/SCIM・「既定では顧客データを学習に使わない」といった前提も同様です。
- 監査（Auditability）: 数時間かけて複数システムを触るエージェントは、後から「何を根拠に、どのデータに触れ、何を実行したか」を辿れないと、規制業種では本番に乗せられません。
言い換えれば、モデルとエージェント本体が急速にコモディティ化するほど、企業の差別化は**その周りの「接続と統制のレイヤー」**に凝縮していきます。これはhomulaが繰り返し確認してきた構図であり、MCPの認可をIdP側で管理する動きやエージェント承認の境界設計と同じ方向を指しています。
ベンダーロックインではなく「自社の制御点」を持つ
ここで日本企業が取りがちな早計は、「では ChatGPT Work（あるいは対抗製品）に全部寄せればよい」という判断です。汎用ワークエージェントは強力ですが、特定ベンダーの世界観に接続・統制・監査のすべてを預けると、乗り換え余地とデータ主権を失います。
現実的な勝ち筋は、汎用エージェントは使いつつ、接続と統制の制御点は自社側で持つことです。エージェントの「頭脳」は競争で入れ替わっていきますが、どのツールに繋ぐか・誰に何を許すか・何を記録するかという「制御点」は、自社の資産として残すべきものです。
判断軸はシンプルです。「このエージェントを止めたら、我々の接続資産と監査記録は手元に残るか？」——残らないなら、それはツール導入ではなく依存です。汎用エージェントは道具として歓迎し、制御点は自分で握る。この線引きが、数年単位でのしなやかさを決めます。
homulaの観点——横断エージェント時代の実装順序
homulaは n8n / Dify / LangGraph を活用し、戦略策定→PoC（最短5日）→実装→運用→内製化までを一気通貫で支援するエンタープライズ向けAIエージェント・インテグレーターです。ChatGPT Work のような横断ワークエージェントを自社で活かすとき、勝ち筋はおおむね次の順序になります。
- 接続を土台として整える: どのエージェントを採用するにせよ、社内ツール・データへの接続がボトルネックになります。Agens はMCPを活用し、200以上のツールと構築ゼロで接続できるため、「エージェントに何を触らせるか」の配線を素早く、かつ自社側の資産として用意できます。
- 統制でくるむ: 横断エージェントの実行を、承認フロー・DLP・RBAC・5年分の監査ログでくるむのが Agens Control です。「誰が・どのエージェントに・何を許すか」を制御点として持ち、消費・操作・データアクセスを後から辿れる状態にします。
- 小さく測って広げる: まず1業務で、ベンダーのベンチではなく自社データでの精度・コスト・統制の効きを測る。AIエージェント・ブートキャンプなら、業務棚卸し・プロトタイプ構築・ROI試算を3〜5日で回せます。
順序を誤り、派手なエージェント発表に合わせて「まず全社導入」から入ると、接続の穴とコストの暴走、監査の空白が同時に噴き出します。接続と統制を先に敷いてから汎用エージェントを載せる——これが遠回りに見えて最短です。
まとめ
ChatGPT Work が突きつけているのは、「賢い汎用エージェントは、いずれ誰でも使える」という現実です。だからこそ、企業の勝負どころはモデルやエージェント本体ではなく、その周りの接続・統制・監査へと移ります。横断して成果物を出すエージェントほど、「どこに繋がり、何を許され、何を記録するか」を自社で握れているかが効いてきます。
日本企業に必要なのは、次の目玉発表を待つことではありません。汎用エージェントは道具として歓迎しつつ、接続（Agens）と統制（Agens Control）という制御点を自社の資産として先に用意する——それが、横断ワークエージェント時代を振り回されずに乗りこなす道筋です。
自社のどの業務なら「数時間かけて成果物を仕上げる横断エージェント」を安全に任せられるか、接続と統制の観点で一度棚卸ししてみませんか。