AIはもうあなたの質問を待たない:ChatGPT Dotsはどのように1つのエージェントに24時間あなたの代わりに働かせるのか?

著者注:ChatGPT Dots は、ユーザーが許可した作業を長期的な目標に沿って進めます。継続的に実行できるのは、タスクの状態、コンテキスト、ツール、スケジューリングの仕組みが連携しているからです。

結論から述べます:OpenAI が 2026 年 9 月 29 日に発表した ChatGPT Dots は、AI を「質問を待つ Q&A ツール」から「委任を受け、継続的に推進する実行エージェント」へと変えました。各 Dot は独自のクラウドコンピュータとブラウザを持ち、プロジェクトのコンテキストを保持し、許可された情報源に対して能動的にリサーチを行い、時間またはイベントに応じて作業を開始します。判断や承認が必要な事項に直面すると、決定権をユーザーに返します。タイトルにある「24 時間」は、ひとつの働き方を指しています。エージェントはあなたが離れた後も、目標、イベント、時間、タスクの状態に基づいて次のステップを決められる、ということです。ただし、無限ループやリアルタイム監視、ゼロコストでの運用を約束するものではありません。現在 Dots は、ChatGPT Pro 100/200/500 の個人ユーザー、および資格を満たす Business Premium、Enterprise、Edu、Healthcare ワークスペース向けに提供されています。

以下ではまず、Dots と通常の ChatGPT、Cron スクリプト、従来のワークフローとの違いを比較します。続いて、タスク状態、記憶、能動的リサーチ、スケジュールされたタスク、バックグラウンド Agent の関係など、Dots が継続的に動作する内部メカニズムを分解して解説します。その後、公式デモ、メディアによる実測、ユーザーの体験談に登場するユースケースを整理し、3 種類の証拠を分けて提示します。最後に、OpenAI Agents SDK と Microsoft Research の SentinelBench を参照しながら、継続型 Agent に必要な技術コンポーネント、コストとリスク、そしてどのような作業を任せる価値があるのかを説明します。

知っておきたい:ChatGPT Dots の関連用語

用語 説明
常駐エージェント(Always-on Agent) ユーザーがメッセージを送っていない合間にも、委任された作業を進められる AI システム
Cron 決まった時間ルールでプログラムを起動するスケジューリング方式。たとえば「毎日9時に1回実行する」など
イベントトリガー 指定した変化が起きたときだけ処理フローを起動する方式。たとえば Slack チャンネルに新しい Bug レポートが現れた場合など
タスク状態 ある作業がどこまで進んだか、結果はどうか、まだ何を待っているかを記録する情報
長期記憶 タスクをまたいで保存されるユーザーの好み、プロジェクトの決定事項、背景情報
ツール呼び出し モデルが外部プログラムを呼び出して情報を照会したり、操作を実行したりすること
プロアクティブリサーチ(Proactive Research) Dot が新しいメッセージを受け取っていないときに、許可されたデータソースに対して行う読み取り専用のバックグラウンド調査
バックグラウンドエージェント Dot が並行処理のために派遣する、作業の一部を担当する子エージェント
Human-in-the-loop/人間の介入 タスクの中で、人が判断・承認・修正する必要がある工程
誤報率 本来対応不要な通知が、全通知に占める割合
プロンプトインジェクション Web ページやメールなど外部コンテンツに悪意ある指示が隠され、エージェントの動作をハイジャックしようとするもの
Token モデルが入出力を計量する基本単位で、呼び出しコストを直接左右する

chatgpt-dots-always-on-agent-24-hours-ja-image-0


1 「質問を待つ」から「自らタスクを担う」へ:ChatGPT Dots が変えたもの

1.1 ChatGPT Dots の公式位置づけ

OpenAI が公開した記事「Introducing dots」とヘルプドキュメントによると、Dots は常駐型のパーソナルAIエージェント(Personal Agent)です。公式に説明されている主な機能は次のとおりです。

  • Always-on での常駐稼働:ユーザーが新しいメッセージを送っていない間も、委任された作業を続けて処理できます。
  • 専用のクラウドコンピューター:各 Dot は独立したクラウドコンピューターとブラウザを持ち、ユーザーのコンピューターの電源を切ってもクラウド上のタスクは通常どおり進みます。
  • 永続的なコンテキスト:ChatGPT のメモリ、過去の会話、接続済みアプリの情報を活用できます。
  • 能動的リサーチ:許可されたデータソースに対してバックグラウンドでリサーチを行い、注目すべき情報を見つけます。
  • 複数プロジェクトの同時実行:複数のプロジェクトを同時に進め、タスクを分割してバックグラウンドのエージェントを起動し、並列処理できます。
  • クロスプラットフォームでのコミュニケーション:ChatGPT Web、デスクトップ、モバイル、Slack、Microsoft Teams から同じ Dot に連絡できます。
  • 人とAIの協働:ユーザーの判断や承認が必要な事項は、積極的にユーザーへ戻します。

公開時点で公式は、Dots が OpenAI のプラグインエコシステムに接続しており、連携できるアプリが 4,000 以上あることも述べています。この数字はエコシステムの規模を示すもので、アカウントごとに実際に利用できるアプリと権限は、ユーザー自身の接続状況と認可によって決まります。

1.2 ChatGPT Dots がもたらした人とAIの役割分担の変化

通常の ChatGPT を使う場合、ユーザーはタスクの調整役です。各ステップを人が開始し、進捗も人が覚えておき、さらに複数の会話を行き来する必要があります。Dots は調整責任の一部をエージェントに移しました。ユーザーが「この顧客プロジェクトをローンチまでフォローする」といった長期的な目標を渡すと、Dot が進捗を記憶し、変化に目を配り、次の一手を段取りし、重要な節目でだけ人の判断を仰ぎます。

こうして人の役割は「一つずつ指示を出す」ことから「委任し、監督し、承認する」ことへ変わります。この変化の価値は、作業を継続的に担ってくれることにあり、削減されるのは、人が複数のシステム間で進捗を追い、情報を突き合わせ、次のアクションを促すといった調整コストです。単にフローへ自動化ステップをいくつか追加するだけでは、得られる効果は限定的です。


2 なぜ従来の自動化は ChatGPT Dots のようなエージェントを完全に置き換えられないのか

2.1 Cron、ワークフロー、常駐型エージェントの技術比較

従来の自動化は、あらかじめ記述されたフローを実行するのが得意です。一方、常駐型エージェントは、現在のタスク状態や新しい情報に応じて次のステップを決められます。3つは重要な観点で次のように異なります。

観点 Cron定時スクリプト 従来のワークフロー 常駐型エージェント(Dotsなど)
トリガー方式 固定時刻 固定時刻またはイベント 時刻、イベント、タスク状態
実行ロジック 事前に記述 事前にノードを編成 コンテキストに応じて動的に決定
情報の理解 プログラムによるコーディングが必要 ノードと条件に依存 モデルを呼び出して内容を理解
例外処理 事前定義ルール 事前定義の分岐 状況を分析して解決策を提案
タスク間の記憶 独自開発が必要 ワークフロー設定に依存 長期プロジェクトのコンテキストを維持
調整方法 コードを変更 ワークフローを変更 自然言語で調整
運用コスト 主にインフラ ソフトウェアとインフラ モデル、ツール、インフラ
予測可能性 高い 比較的高い モデル出力の影響を受ける

たとえば、Cronスクリプトは10分ごとにメールボックスをチェックし、特定のキーワードを含むメールを転送できます。エージェントは、特定の目標を中心にメールを監視し、重要なメールを受け取ると、それがどのプロジェクトに関連するか、フォローアップが必要か、どのような返信を下書きすべきかを判断します。

chatgpt-dots-always-on-agent-24-hours-ja-image-1

2.2 ルールが固定されたタスクには依然として従来の自動化が適している

明確で反復的、かつルールが固定された作業、たとえば毎晩のデータベースバックアップや、毎週月曜日の固定レポート出力では、Cronやワークフローのほうが制御・検証・保守が容易で、コストも低くなります。エージェントの強みは、新しい情報の理解や動的な調整が必要なタスクに集中します。より合理的なアーキテクチャは両者の共存です。決定論的な部分はスクリプトに、判断を要する部分はエージェントに任せます。


3 ChatGPT Dots はどのように継続的に動作するのか

3.1 タスク状態が Dots の次のアクションを決める

OpenAI の Tasks and memory に関するドキュメントでは、Dot がタスク状態に応じて作業の一時停止や再開を自律的に判断でき、ユーザーが各ステップに固定の時間を設定する必要はないと説明されています。いつ続行すべきかを認識し、外部条件の変化を待ち、適切なタイミングで再開し、新しい情報に基づいて後続のステップを調整し、判断が必要なときにはユーザー入力の提供を自ら求めることができます。

したがって、Dots の「継続的な動作」は、目標・イベント・時間・タスク状態によって駆動される意思決定プロセスであり、毎分むだに空回りするものではありません。この設計により、Agent は新しい状況がないときは静かに待機し、リソースを本当に行動が必要な瞬間のために温存できます。

chatgpt-dots-always-on-agent-24-hours-ja-image-2

3.2 長期記憶とプロジェクトのコンテキスト

Dots のコンテキストは 4 層のデータで構成されています:

  1. ChatGPT Memory:Dot は ChatGPT の関連する記憶と直近の会話コンテキストを取得できます。
  2. Dot 自身のノート:ユーザーの好み、仕事の習慣、プロジェクトの決定事項、長期的に担う責務を蓄積します。
  3. 現在のタスクコンテキスト:現在の会話の指示、ファイル、検索結果、ツールの実行結果。
  4. 接続済みアプリのデータ:許可されたアプリ内の情報を読み取り、適切な条件下でそのデータを調査して、独自の記憶を形成します。

これら 4 層は互いに独立しています。Dot の記憶は整理された関連コンテキストとノートであり、チャット履歴の全文そのものではありません。新しいタスクを作成しても、ユーザーと Dot のすべての履歴が自動的に引き継がれるとは限らず、Dot は必要に応じて過去の会話を検索して背景を補います。

3.3 能動的リサーチ、定時タスク、イベント監視の違い

これら 3 つの仕組みはいずれも、ユーザーがメッセージを送らなくても Dots に作業を継続させるものですが、トリガー方法と権限の境界はそれぞれ異なります。

  • 能動的リサーチ:新しいメッセージがないときに、許可された情報源に対してバックグラウンドで調査を行います。たとえば、プロジェクトファイル内の価格とメールの内容が一致しないことや、重要な期限が変更されたことを発見できます。権限は読み取り専用です。他人にメッセージを送ることはできず、プラグイン経由で内容を変更することも、ブラウザやコンピューターを操作することもできません。後続のアクションは、通常の権限確認、承認、安全チェックを経る必要があります。
  • 定時タスク(Scheduled Tasks):設定した時刻に実行されます。たとえば、毎朝カレンダーを確認する、毎週月曜日にプロジェクトの進捗を整理する、といった用途です。作成時には、何を確認するか、実行時間、タイムゾーン、終了日、どの変化を通知するか、結果をどこへ送るかを明確にする必要があります。
  • イベント監視(Event Monitoring):接続されたサービスが該当するイベントをサポートしている場合に、特定の種類のイベントを監視します。たとえば、Slack で新しいバグが発生した場合などです。ユーザーは Dot に何を監視するのかを明確に伝える必要があります。Dot をチャンネルに追加しても、チャンネル全体を自動で監視することはありません。

定時タスクは時間に従って実行されるあらかじめ決められたアクションであり、能動的リサーチはコンテキストに基づいて判断しながら行う発見です。両者は本質的に異なります。また、実行中のタスクを停止することと、周期的な計画をキャンセルすることは別個の操作であり、それぞれ確認する必要があります。

3.4 バックグラウンド Agent と委譲タスク

Dots は複雑なタスクを分解し、バックグラウンド Agent を起動して並列処理させ、最後に結果をまとめることができます。さらに、ChatGPT Work タスク(独立した複雑なワークフロー)や Codex タスク(ソフトウェア開発とテスト)を作成することもできます。ユーザーがローカルコンピューターを Dot に接続すれば、Dot はタスクをローカル環境へ送って実行させることもできます。ローカルアクセスはデフォルトで無効になっており、ChatGPT デスクトップアプリを通じて許可する必要があります。また、Revoke access でいつでも取り消せます。

4 ChatGPT Dots に任せられる長期的な作業

4.1 ユーザーが語った事例

以下の事例は、2026年10月に Reddit コミュニティで個人ユーザーが共有したものです。ユーザー自身の証言であり、独立した検証はなく、正確率や統計データも示されていません。あくまで個人の体験を代表するものにすぎません。

事例 入力情報 Dot の行動 ユーザーが述べた結果 人間の関与
メールの見落としリマインド メールボックスへのアクセス許可、プロジェクトのコンテキスト メールを確認し、忘れられた事項や漏れた事項を特定 漏れた事項の処理をユーザーに能動的にリマインド ユーザーが返信するかどうか、どのように返信するかを決定
システム横断のプロジェクトフォロー Cloudflare、CRM、Gmail(Composio MCP 経由で連携) システムをまたいでプロジェクトを推進し、カスタム MCP を構築・テストし、顧客情報収集ポータルと Chrome 拡張機能を作成し、チームのメールとカレンダーを監視 未処理事項を能動的にリマインド ユーザーが成果物と重要判断をレビュー
業務レポート 顧客の財務データ 顧客の財務ダッシュボードを作成 ユーザーによれば約1時間で完成。過去の同様の作業は4〜5日必要だった ユーザーがデータと表示内容を確認
定期的な運用 スケジュール調整+Google Sheets アドオン 日次・週次のタスクを実行し、業務用スプレッドシートを更新 Cron では柔軟に対応しにくい一部の作業を処理できるとユーザーは考えている ユーザーがルールを設定し、結果を抜き取り確認

もう一人の Reddit ユーザーは、約1日かけて仕組みのテストを行いました。数百件のPDFと数千ページの資料を Dot にレビューさせ、タスクが数日にまたがっても進捗を保持できました。途中で追加の質問をすると、Dot はレビューを一時停止し、資料を探して回答したうえで、元のタスクに戻りました。さらにこのユーザーは、Dot のクラウドコンピュータ、接続済みの Linux マシン、バックグラウンドのリサーチエージェントが同時に動作しているのを観察しました。本人も、これらの実行経路のクォータがどのように計算されるかはまだ確認していないと指摘しています。

4.2 メディア実測:Axios による Dots と Meta Muse の比較

Axios 記者の Ina Fried は2026年10月20日、Dots と Meta Muse の比較テストを公開しました。タスクは WNBA ファイナル観戦の旅行を中心に展開されました。

  • 多段階の計画:両者とも、試合日程が前倒しになっていること、チケットがまだ販売されていないことなどを発見しました。Dots はさらに、旅行日程とユーザーの既存スケジュールとの衝突も発見しました。
  • ドキュメント生成:Dots は8ページのパーティー資料パッケージと38ページの記念プログラム冊子を作成し、Muse のプログラム冊子は35ページでした。どちらのプログラム冊子にも疑わしい統計データが含まれていました。
  • 写真記念アルバム:Dots は47秒で12ページの記念アルバムを作成しましたが、これは今回のテストでの結果にすぎません。
  • 実際の購入:Dots はユーザーを Target アプリへ誘導し、保存済みのアカウントで操作を続行しましたが、購入プロセス全体が完全に自動化されたわけではありませんでした。

筆者の結論は、この種のエージェントは調査や準備作業を担うのに適しているものの、結果には依然として人間による編集とファクトチェックが必要であり、アカウントや資金に関わる操作では最終判断を人間に委ねるべきだ、というものです。

公式に紹介されているシナリオには、会議準備、売上データ監視、顧客フィードバック追跡、コンテンツ制作、GitHub プロジェクト管理、旅行手配などもあります。これらは製品の例であり、能力の方向性を示すものであって、毎回の実行で達成できる成果を保証するものとして扱うことはできません。


5 Agent を24時間稼働させるために必要なもの

5.1 Agents SDK の基礎構成要素

OpenAI の「Building Agents」ガイドでは、Agent システムをいくつかの基本概念に整理しています。これらは継続稼働の各プロセスに対応させることができます。

  • Agent:モデル、指示、ツールの組み合わせで、理解と実行を担当します。
  • Handoff:作業を別の Agent に引き渡すこと。Dots がバックグラウンド Agent を派遣する処理に対応します。
  • Guardrail:入力、出力、実行時の動作を制約するもの。承認と安全チェックに対応します。
  • Session:実行をまたいだ対話履歴を維持するもの。タスク状態とコンテキストの継続に対応します。
  • Tracing:実行プロセスを記録し、トラブルシューティングや監査を容易にします。

継続的に稼働できる Agent は、実際には「ツール呼び出し + 状態管理 + イベント監視 + 長期記憶 + 実行スケジューリング + セキュリティ機構」という6つのコンポーネントの組み合わせであり、どれが欠けても安定した動作は難しくなります。

5.2 SentinelBench の研究から得られる示唆

Microsoft Research は 2026 年 6 月に SentinelBench を公開しました。これは、外部状態の変化を長期間にわたって注視する必要があるモニタリング型エージェントを、専門的に評価するためのベンチマークです。100 件のタスクを設計し、メール、カレンダー、金融、ビジネス向けソーシャル、エンターテインメントなど 10 種類の模擬 Web 環境をカバーしています。評価項目はタスク完了率、応答時間、リソース消費の 3 つです。

この研究が示す主なポイントは、「長期間のモニタリングタスクでは、環境への注意を保ち続け、本当に行動する価値のある変化が現れたときに初めて動くことが重要であり、動作をひたすら実行し続けることは必ずしも有効ではない」という点です。これは、タスクの状態に応じて一時停止と再開を行う Dots の設計方針と一致しています。なお、SentinelBench は独立した研究ベンチマークであり、Dots の具体的な成功率を推定するために用いることはできない点にご留意ください。

5.3 自前で構築する継続型Agentの設計案

開発者が自身のシステムで同様の「状態駆動」ワークモードを実装したい場合は、OpenAI互換インターフェースを使ってプロトタイプを構築できます。以下のコードは設計案の例で、判断ステップの書き方を示したものです。実行結果は掲載していません。

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI の OpenAI互換インターフェース
)

# 新しいメールについて、ユーザーへの通知が必要かどうかをモデルに判断させる
resp = client.chat.completions.create(
    model="gpt-4.1",
    messages=[
        {"role": "system", "content": "你是项目跟进助手,只输出 JSON:{\"action\": \"ignore|remind|ask_human\", \"reason\": \"...\"}"},
        {"role": "user", "content": "项目:官网改版,截止 11 月 30 日。新邮件:设计方说交付推迟到 12 月 5 日。"}
    ]
)
print(resp.choices[0].message.content)
完全な設計案を見る:時間 + イベント + 状態駆動の Agent ループ
import json
import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

# タスク状態:継続稼働の中核であり、次に何をするかを決める
task = {
    "goal": "跟进官网改版项目直到上线",
    "status": "waiting",          # waiting / judging / awaiting_human / done
    "memory": ["截止日期 11 月 30 日", "发送邮件前必须人工确认"],
    "next_check": time.time(),     # 定期的なフォールバックチェック
}

def fetch_new_events():
    """イベントソース:メール/IM の webhook または増分APIに接続し、ここではプレースホルダーとして残す"""
    return []

def judge(event: str) -> dict:
    """モデルを呼び出して判断する:無視するか、通知するか、人間の判断を求めるか"""
    resp = client.chat.completions.create(
        model="gpt-4.1",
        messages=[
            {"role": "system", "content": "根据目标与记忆判断新事件,只输出 JSON:"
             "{\"action\": \"ignore|remind|ask_human\", \"reason\": \"...\"}"},
            {"role": "user", "content": json.dumps(
                {"goal": task["goal"], "memory": task["memory"], "event": event},
                ensure_ascii=False)}
        ]
    )
    return json.loads(resp.choices[0].message.content)

def run_once():
    events = fetch_new_events()
    # イベントがなく、かつ定時チェック時刻に達していない場合は、そのまま待機して無効なポーリングとトークンの浪費を避ける
    if not events and time.time() < task["next_check"]:
        return
    for ev in events:
        decision = judge(ev)
        if decision["action"] == "ask_human":
            task["status"] = "awaiting_human"   # 人間による承認ノード:Agent は勝手に実行しない
            print("需要你决定:", decision["reason"])
        elif decision["action"] == "remind":
            print("提醒:", decision["reason"])
        task["memory"].append(f"已处理事件:{ev[:50]}")
    task["next_check"] = time.time() + 3600     # 1時間ごとに定期的なフォールバック

# 実運用では、スケジューラまたはイベントコールバックによって run_once をトリガーし、while True で空回ししない

この設計案は3つの設計原則を表しています。イベント優先と定時フォールバック、状態が動作を決めること、高リスクの動作は人間の承認を経ることです。

🚀 クイックスタート:自前のAgentプロトタイプを構築する際は、APIYI apiyi.com 経由で1つのAPIキーを使ってOpenAI、Claude、Geminiなどのモデルを呼び出し、「行動すべきかどうか」といった判断タスクでモデルごとの性能を比較できます。新規ユーザーには無料のテスト枠があります。


6 ChatGPT Dots が継続稼働するうえでの境界:信頼性、コスト、権限

6.1 誤検知・判断ミス・無駄なポーリング

公式のプライバシーとセキュリティに関するドキュメントには、Agent がタスクを誤って理解したり、資料を誤って判断したり、誤ったデータを生成したり、Web サイトへのログインを完了できなかったり、実行環境が利用できない状況に遭遇したりする可能性があり、実行結果は人による確認が必要だと明記されています。Axios のテストで見られた疑わしい統計データは、こうしたリスクが実際の利用場面で確かに存在することを示しています。

長期間の稼働には、見落とされがちなコストもいくつか伴います。タスクの実行時とイベント待機時ではリソース消費が異なること、モデルがコンテキストを復元する際に資料を重複して読み込むことでトークンのコストが発生すること、不要なポーリングが重複実行を招くことです。SentinelBench が応答時間とリソース使用量をあわせて評価に取り入れているのは、まさにこのためです。長期モニタリングには速さと同時に省資源性も求められるからです。

6.2 権限と人手による承認

Dots では Custom Rules を使って、行動ごとに実行要件を設定できます。レベルは四段階で、確認なしで直接実行、事前承認後に実行、実行前に確認、ユーザーに返す、という区分です。たとえば、指定したフォルダの整理は自動で許可しつつ、メール送信前には確認を求め、購買には必ず承認を必要とし、ソーシャルメディアへの投稿は一律禁止、といった設定が可能です。

アカウントに影響を与える可能性のある操作や、外部に情報を開示する操作の前には、Auto-review の仕組みが、その行為が指示・ルール・セキュリティ要件・権限の範囲に適合しているかをチェックします。パスワードの変更や資金の移動といった操作はユーザー自身が引き継ぐ必要があり、データの完全削除やソフトウェアのインストールは毎回承認が必要になる場合があります。プロンプトインジェクションに対しては、OpenAI は指示の出所を区別すること、ツールを制限すること、承認と継続的な監視といった対策を講じていますが、同時にこれらの対策ではすべてのリスクを排除できないと明言しています。

6.3 費用:個人向け Pro と企業向け Dots

  • 個人ユーザー:Pro 100(月額 $100)、Pro 200(月額 $200)、Pro 500(月額 $500)のいずれも Dots の利用資格を持っています。個人向け Pro の Dots に関する説明では、Dot 単体の月額料金は記載されていません。個人向け Pro は 18 歳以上が対象で、現時点では欧州経済領域、英国、スイスは含まれず、権限は段階的に配信されます。
  • 委任タスク:Dot が起動した ChatGPT Work や Codex のタスクは、対応する製品の枠や課金ルールに基づいて別途計算され、消費量はモデル、コンテキスト、推論、ツール呼び出し、検索によって変わります。
  • 企業ワークスペース:Enterprise、Edu、Healthcare は 2026 年 11 月 4 日から 18 日までが無料の管理者向けプレビュー期間で、11 月 18 日以降、条件を満たすワークスペースではデフォルトで開放され課金が始まります。企業は作業タイプごとの固定料率か従量課金を選べ、Work や Codex に委任したタスクは別途課金されます。具体的な金額は、ワークスペースに実際に適用される見積もりに従います。メンバー 1 人につき個人用 Dot を 1 つ作成できます。

6.4 継続型 Agent を評価する 5 つの指標

ある Agent が本当に「あなたの代わりに働いている」かを判断するには、定量化できる指標が必要です。

指標 計算方法 着目点
タスク完了率 正常に完了したタスク / 全タスク 実際に成果を届けられるか
平均応答時間 イベント発生から有効な応答までの時間 業務の要求を満たす即時性があるか
誤検知率 アクション不要なのに発火した回数 / 全発火回数 通知が人を邪魔していないか
人手介入率 ユーザーの介入が必要だったタスク / 全タスク 実際にどれだけ人手を削減できたか
タスク単価 モデル・ツール・サーバー費用 / 正常完了タスク数 経済的に見合うか

💰 コスト最適化:自前でモニタリング型 Agent を構築する場合、「アクションが必要かどうかの判断」が最も呼び出し頻度の高いステップになるため、モデルを階層的に使い分けるのが適しています。軽量モデルで一次スクリーニングを行い、高性能モデルで深い分析を行います。APIYI apiyi.com なら従量課金で複数のモデルを呼び出せるので、上表に沿ってタスク単価を試算できます。


7 ChatGPT Dots のような Agent に任せる価値が本当にある仕事とは

ある仕事を常駐型 Agent に委任すべきかどうかは、次の5つの観点から判断できます。

判断軸 Agent に向いている 従来の自動化や人手に向いている
ルールの明確さ ルールが曖昧で、意味の理解が必要 ルールが明確で完全にコード化できる → スクリプト
情報の変化頻度 情報源が多く、変化が不規則 変化が固定的・予測可能 → 定時スクリプト
タスクの継続期間 日単位・週単位にまたがる長期プロジェクト 一度きりの短いタスク → 通常の対話
意思決定のリスク 低リスク、または承認ステップを設けられる 資金・パスワード・取り消せない操作が絡む → 人手
人的調整のコスト 複数システムをまたいで進捗や情報を追う必要がある 単一システム内の簡単な操作

これらを踏まえると、委任する価値が高い仕事には次のようなものがあります。長期のテーマ研究や資料の追跡、複数システムにまたがるプロジェクトのフォロー、抜け漏れのリマインド、定期的なレポート更新、会議の準備と会後のアクション整理です。振込、パスワード変更、外部への公開などの高リスク操作は、人手に残すか、少なくとも「実行前に確認」に設定すべきです。

💡 選択のヒント:チームが Dots とは別に Agent ワークフローを自前で構築したい場合、モデルごとにツール呼び出し、長いコンテキスト、判断の安定性に違いがあります。まず APIYI apiyi.com で同じコードを使ってモデルを切り替え、小規模な比較を行い、そのうえで本番環境でどれを使うかを決めるとよいでしょう。


よくある質問(FAQ)

Q1:ChatGPT Dots とは?

Dots は、OpenAI が 2026 年 9 月 29 日に発表した常駐型のパーソナル AI エージェントです。独立したクラウド上のコンピューターとブラウザを備え、プロジェクトのコンテキストを保持し、許可された情報源を主体的に調査し、時間やイベントに応じて作業を進めます。判断が必要なときには、その事項をユーザーに戻します。

Q2:Dots は本当に 24 時間連続で稼働できるのか?

「24 時間」は動作モードを表しています。ユーザーが離席した後も、Dot は目標、イベント、時間、タスクの状態に基づいて、いつ続行するか、いつ待機するかを判断できます。ただし、接続済みのアプリ、対応しているイベントの種類、利用枠によって制約を受けます。無限ループにはならず、すべての情報源をリアルタイムで監視することもできません。

Q3:Dots のプロアクティブ調査と定時タスクの違いは何ですか?

定時タスクは、設定した時刻に指定された動作を実行します。プロアクティブ調査は、新しいメッセージがないときに、コンテキストに基づいて許可されたソースを読み取り専用で調査し、注目に値する情報を見つけるものです。プロアクティブ調査そのものは、メッセージ送信、内容の変更、コンピューターの操作はできません。その後のアクションには権限と承認が必要です。

Q4:Dots の利用に追加料金は必要ですか?

個人向け Pro 100/200/500 のユーザーには利用資格があります。公式に Dot 単体の月額料金は記載されていません。Dot が委任する Work/Codex タスクは、対応する利用枠またはルールに従って別途計算されます。エンタープライズワークスペースは 2026 年 11 月 18 日から課金対象となり、作業タイプごとの固定料金または従量課金を選択できます。金額は実際の見積もりによって決まります。

Q5:開発者は Dots のような継続型エージェントをどう自作できますか?

OpenAI Agents SDK の Agent、Handoff、Guardrail、Session、Tracing などの概念を参考に、状態管理、イベントトリガー、定時フォールバック、人による承認などを組み合わせることができます。モデル呼び出しの部分は、APIYI(apiyi.com)の OpenAI 互換インターフェースに接続できます。`base_url` を `https://api.apiyi.com/v1` に設定し、1つのAPIキーで複数のモデルをテストできます。

Q6:Dots にはどのような既知の制限がありますか?

エージェントがタスクを誤判定したり、誤ったデータを生成したりする可能性があります。ログインの段階で止まる可能性もあり、完了した操作は必ずしも取り消せません。プロンプトインジェクションのリスクも完全には排除できません。現時点では、ユーザーは Dot の独立したメモリを1件ずつ確認したり削除したりできません。また、プラグインを切断しても、取得済みの情報は自動的に消去されません。自社の業務でエージェント方式を検証する際には、まず APIYI(apiyi.com)の無料枠で小規模サンプルのテストを行い、誤検知率と人手介入率を集計してみてください。


ChatGPT Dots の核心ポイント

  • 位置づけの転換:Dots は AI を、受け身の Q&A から、委任を受け、継続的に推進する実行者へと変えます。
  • 継続稼働の本質:目標・イベント・時間・タスク状態によって次の一歩が決まるのであり、無限ループに頼るわけではありません。
  • 3 つのメカニズム:能動的な調査は読み取り専用、定期タスクは時間どおり、イベント監視はオンデマンドで、これらは分けて理解する必要があります。
  • エビデンスの階層:公式が示す能力、Axios の実測、ユーザーの自己申告という 3 種類のエビデンスは、それぞれ信頼度が異なります。
  • 境界が明確:高リスク操作は人の手による引き継ぎが必要で、結果も依然としてファクトチェックが欠かせません。
  • 費用は 2 層構造:Pro サブスクリプションの資格と委任タスクの消費量は別々に計算され、企業は見積もりに応じて課金されます。
  • 自前構築の道筋:Agents SDK を参考に状態と承認を設計し、APIYI apiyi.com の統一インターフェースで複数モデルを検証します。

まとめ

ChatGPT Dots の核心的な価値は、1 つのエージェントに長期的に仕事を担わせることにある。独立したクラウドコンピュータが実行環境を提供し、長期記憶がコンテキストを提供し、能動的な調査・定期タスク・イベント監視がトリガーを提供し、Custom Rules と Auto-review が権限の境界を定めます。システムをまたぎ、時間をまたいで、新しい情報を理解する必要があるタスクに向いており、ルールが固定された仕事は従来の自動化に任せるほうが依然として割安で、高リスクの判断はなお人間が行うべきです。

こうしたエージェントを評価するときは、タスク完了率・応答時間・誤検知率・人による介入率・1 タスクあたりのコストという 5 つの指標で、本当に自分の時間を節約できたかを測ることができます。自社プロダクトに同様の継続稼働能力を実装したい場合は、まず APIYI apiyi.com で素早く効果を検証するのがおすすめです。1 つの APIキーで複数の主要モデルに接続でき、従量課金なのでプロトタイプの比較に適しています。


📚 参考資料

  1. OpenAI:Introducing dots:Dots の発表アナウンス。製品の位置づけとエコシステムの規模を収録
  2. リンク: openai.com/index/introducing-dots
  3. 説明: 公式の機能説明を確認する際の第一情報源

  4. ChatGPT Learn:Meet dots / Tasks and memory:製品概要、タスク、メモリ、能動的リサーチ、定期タスク

  5. リンク: learn.chatgpt.com/docs/dots
  6. 説明: 継続的な動作の仕組みを理解するための中核ドキュメント

  7. OpenAI Help Center:Getting started with your dot:開設、PC との接続、ルール管理

  8. リンク: help.openai.com/en/articles/20001530-getting-started-with-your-dot
  9. 説明: 実際の操作手順と制限事項

  10. OpenAI Help Center:Dots privacy, security, and safety FAQs:権限、承認、Prompt Injection、データポリシー

  11. リンク: help.openai.com/en/articles/20001529-dots-privacy-security-and-safety-faqs
  12. 説明: セキュリティ境界を評価するうえで必読の資料

  13. Dots Enterprise 管理者ガイドと Pro サブスクリプションの説明:企業向けの課金方式と Pro の価格

  14. リンク: learn.chatgpt.com/docs/enterprise/dots-admin-guide
  15. 説明: 費用に関する情報はこちらを基準とする

  16. OpenAI Building Agents ガイド:Agents SDK の基本概念

  17. リンク: developers.openai.com/tracks/building-agents
  18. 説明: 自前で Agent を構築する際の技術リファレンス

  19. Microsoft Research:SentinelBench:長期監視型 Agent のベンチマーク研究

  20. リンク: microsoft.com/en-us/research/publication/sentinelbench-a-benchmark-for-long-running-monitoring-agents
  21. 説明: 継続監視における効率とリソースのトレードオフを理解するために

  22. Axios:I tested Dots and Muse:第三者メディアによる実機テスト

  23. リンク: axios.com/2026/10/20/battle-of-bots-openai-meta-ai-agents-test
  24. 説明: 実際のタスクでの性能と操作上のつまずき

著者:APIYI 技術チーム
技術交流:APIYI(apiyi.com)のサイトトップページからお気軽にお問い合わせください。接続に関する資料は docs.apiyi.com のドキュメントセンターもご覧いただけます。

コメントする