OpenAI DevDay Exchange Seoul:AIに仕事を任せた後に必要なこと

著者: Lucy.·2026年10月25日 (日)
OpenAI DevDay Exchange Seoul:AIに仕事を任せた後に必要なこと

10月22日にOpenAI DevDay Exchange Seoulに参加した後、頭に残った問いは「AIに何ができるか」ではなく、「AIに仕事を任せた後、その仕事はどう引き継がれ、誰の責任で完了するのか」でした。

AIエージェント同士の協働、ChatGPTプラグインやSitesによる機能拡張、セキュリティ。一見別々に見えるこれらのテーマは、結局、実際の業務を最後まで遂行できる環境をつくることにつながっています。

OpenAIが描くAIの未来について、簡潔に整理します。

エージェントに仕事を任せるとはどういうことか

「What Comes After Loops?」のセッションでは、2つのエージェントの成果物と制約条件を明確にし、互いの領域に踏み込まないよう責任を分け、一方が結果を取りまとめる方法が示されました。単に複数のAIを同時に動かすのとは違います。

エージェントの調整指針であるManager Skillでは、両方のエージェントが実作業を行い、そのうち一方が全体の結果を取りまとめるよう役割を定めます。担当範囲が重なると、同じファイルを同時に変更したり、同じ問題を重複して解決したりする可能性があります。これを防ぐには、役割に名前を付けるだけでなく、それぞれの成果物、変更できる範囲、共通して守る条件を決める必要があります。

PR、つまりコード変更の提案ごとに別の会話を設け、レビュー、問題解決、安全なマージまで調整するという例が印象的でした。個々のPRを処理するエージェントと、複数のPRの進行を管理する役割を分けるのです。人の役割は、その都度次の指示を入力することから、目標と責任を定め、結果が集まる過程を管理することへと移っていきます。

そこで、むしろ重要になるのが作業ログでした。目標、現在の指示、担当者、未完了の作業、決定事項を一か所に記録し、コンテキストを圧縮した後や引き継ぎ後には読み直すようにしていました。会話が長くなったからといって、すでに下した決定や残っている作業が失われてはならないからです。

協働の単位は、一つひとつの回答ではなく、担当範囲と成果物です。長い仕事をうまく任せるには、エージェントの能力だけでなく、誰が何を担当し、どこまで完了したのかを確認できる仕組みが必要です。


ツールをつなぐことは、作業環境をつくること

プラグインの発表では、エージェント同士が読み書きできるToDoリストをMCPサーバーとして提供し、SitesでデプロイしてCodexプラグインにまとめる構成が紹介されました。MCPは、エージェントが外部のツールやデータを利用するための接続の仕組みです。共有ToDoリストは、人が見る画面にとどまらず、複数のエージェントが現在の作業状況を確認し、更新する場所になります。

この構成では、それぞれのツールの役割が異なります。Codexは実装を支援し、MCPサーバーはリストの読み取りと更新の機能を提供します。Sitesはサーバーをホスティングし、プラグインは接続情報と利用手順をまとめ、ChatGPTやCodexから利用できるようにします。開発者がつくった機能を、エージェントの作業環境に持ち込む過程です。

プラグインのパッケージは、名前やバージョンなどを記載するplugin.jsonと、MCP接続を定義するmcp.jsonで基本情報を構成し、利用手順を説明するskillsや、アイコンなどのassetsも含められます。機能を呼び出せることと、適切に使えることは別です。ツールには入力と出力が必要で、スキルには、いつ、どの順序で使うかを記述します。分子構造を扱うツールであれば、会話の横にビューアーを設け、利用者がテキストの説明と実際の構造を一緒に確認できるようにすることもできます。

インストール後の流れも含まれていました。onboardingSkillは、初めて使う人の設定を案内します。イベント一覧、サブスクリプション、Webhookは、接続先のサービスの変化を受け取り、後続の作業を開始する経路です。利用者から質問されたときだけツールを実行する形から、所定のイベントが発生したときに作業を続ける形へと広がります。どのイベントを購読し、どの作業につなげるかも、プラグインの設計に含まれます。

「Harness-as-a-Service」のセッションでは、その作業を実行する基盤が扱われました。ハーネスとは、モデルに指示とツールを提供し、ツールの実行結果をモデルに返しながら、実行履歴とコンテキストを管理する環境です。Agents APIは、こうした実行基盤をマネージドサービスとして提供するアプローチです。プラグインが外部の機能をChatGPTやCodexに持ち込む方法だとすれば、Agents APIは開発者のアプリケーションにエージェントの実行機能を持ち込む方法です。

航空便を変更するデモでは、個人と家族の予約を別々のセッションで扱い、到着空港、家族が同じ便に乗ること、子どもと保護者の座席といった条件を比較していました。デモの要点は、複数人の条件を分けて検討し、それらを満たす変更案にまとめる実行の仕組みにありました。

ツールを数多く接続するだけでは、作業環境は完成しません。共有して参照する状態、ツールを使う手順、変化を伝えるイベント、実行を継続する基盤がつながる必要があります。共有ToDoリストは作業状況を引き継ぎ、航空便の変更では、その状態と条件を基に次の判断へ進みます。


セキュリティでは、発見する能力と同じくらい検証する姿勢が重要

Codex Securityのセッションで目を引いたのは、文書サービスのアクセス権限の検査でした。ログインしたユーザーの情報が、文書の取得からレスポンスまでどのように渡されるかを追跡し、文書の所有者と所属組織の両方を確認しているかを調べるものでした。漠然と「脆弱性を見つけてほしい」と依頼するのではなく、何を調べ、どのような根拠を残すかを決めています。

ここでは、認証と認可の区別が重要です。認証はユーザーが誰かを確認すること、認可はそのユーザーが対象の文書にアクセスできるかを判断することです。ログイン済みでも、文書番号を変えることで他人の非公開文書を読めるなら、アクセス権限の検査に問題があります。ログインしているかどうかの確認だけでは防げません。

検査には、コードだけでなく、SECURITY.md、システムのアーキテクチャ、Webアプリケーションファイアウォール(WAF)の設定なども使われました。コード上で疑わしい経路を見つけても、実際のサービスでその経路にアクセスできるか、どのデータまで影響するかによって判断が変わるからです。

問題を発見したことと、被害の範囲を確認できたことは同じではありません。深刻度は想定される被害の大きさであり、確信度は判断を支える根拠の確かさです。本番サービスとのつながりや顧客データの露出範囲が確認できていなければ、確認済みの脆弱性と、まだ検証できていない影響を分ける必要があります。

流れは、スキャン → 重複排除 → 脆弱性の検証 → 優先順位の決定 → パッチの生成 → 修正の検証 → コードレビューと続きました。パッチができれば完了、というわけでもありません。他人の文書へのアクセスを遮断しながら、正当なユーザーのアクセスは維持されるかを確認する必要があります。すべてのリクエストを遮断する修正では、セキュリティの問題を覆い隠せても、適切な解決にはなりません。

AIが大量の警告を出すだけでは、セキュリティ業務は終わりません。実際に修正すべき問題を見極め、修正が意図どおりに機能するかを検証する過程までつながる必要があります。


企業のAI変革は、社内の知識をつなぐことから始まる

LG CNSの顧客セッション「AX導入と変革の間」では、AIを使う企業と、AIで動く企業の違いが問われました。現場や工程に蓄積された暗黙知を、AIとどうつなぐかが核心でした。

それを具体化したAI Factoryは、4つの層で構成されていました。

  • Model Layer: GPUやモデル、モデルルーティングなどの実行基盤を整えます。
  • Knowledge Context Layer: ERP、CRM、MES、データベース、文書、知識をつなぎ、企業のコンテキストを提供します。
  • Agent Build Layer: そのコンテキストを活用するエージェントを構築します。
  • Governance & Operation Layer: セキュリティ、コスト、人によるレビューを含めて運用します。

ERPやCRMなどの業務システムが中心に置かれる理由も明確です。一般的な質問に答えるAIが自社の仕事を処理するには、その会社のルールと現在の状態を知る必要があるからです。生産スケジュール、顧客との契約、現場で認められる例外など、業務上の判断に必要な情報は、モデル自体には含まれていません。

知識をつなぐとは、文書を大量に投入することだけを意味しません。どの情報が現在も有効なのか、どのシステムの状態を判断の基準とするのか、誰がアクセスできるのかも整理する必要があります。したがって、データ整備やシステム連携だけでなく、セキュリティとガバナンス、業務の再設計、チェンジマネジメントも併せて扱わなければなりません。

モデルの性能が向上する速度と、企業が実際に活用する速度の差は、一つの技術を導入すれば自然に埋まるものではありません。エージェントの協働やツールの接続を企業の成果につなげるには、社内の知識と仕事の進め方も一緒に設計する必要があります。


おわりに

今回のOpenAI DevDay Exchange Seoulでは、関係者の丁寧な準備が伝わり、半日で多様な概念や事例に触れることができました。MCPとプラグイン、SitesとDots、エージェントの実行とセキュリティまで扱われましたが、それでも、まだAI時代の入り口にいると感じました。

私が業務に取り入れてみたいのは、ツールをもう一つ追加することよりも、すでに任せた仕事が最後まで進む仕組みをつくることです。担当と成果物を決め、共有する状態を残し、結果を検証する過程を、実際の業務につなげていきたいと思います。

業務に合ったAIの選び方や活用方法については、AIBにご相談ください。


参考資料