AIエージェント
GPT-5.6はナレッジワークをどう変えるのか ― 「ループを回す人」から「ループを育てる人」への役割転換
情報収集→判断→実行→学習のループをAIが自律的に回す時代、人間の仕事はループの設計と育成に移る——採用・メール管理など実例つきで示した論考だ。
原題
“How GPT-5.6 Changes Knowledge Work” （「仕事をする」から「ループを管理する」へ — GPT-5.6 が変えるナレッジワークの構造）
原文からの引用
“Instead of using AI to complete one task at a time, you build a system that scans the available information, turns it into proposed decisions, and carries out the ones you approve.”
日本語訳 AIで1タスクずつ片付けるのではなく、利用可能な情報をスキャンし、それを意思決定案に変換し、承認したものを実行してくれるシステムを構築するのだ。
要点
- GPT-5.6 Sol は「1タスクずつ手伝う AI」を超え、情報収集→判断→実行→学習のループを確実に回せる、著者が使った中で最初のモデルだと述べる
- ナレッジワーカーの役割は「ループを自分でこなす人」から「ループを設計・育てる人（Tend）」へシフトする
- Dan Shipperは、自身が回すメール管理・採用・Every の運営・家具探しの例と、編集計画・顧客リサーチなどの例で、AI が草案や根拠を提示し、ユーザーが承認または修正するワークフローを紹介する
- ChatGPT Work（旧 Codex）は Chronicle（定期スクリーンショットによる個人学習）や Computer Use を備え、ループの精度が使うほど高まる設計
- Dan Shipperらはプロンプトとオープンソースのリポジトリからなる実験「Tend」を公開した。自分の仕事のループを作って試せるが、アプリとしてのサポートや安定性の保証はないとされる
編集部の考察
「ループを育てているメンバー」と「承認ボタンを押しているだけのメンバー」を人事評価でどう区別するか——その基準を誰がいつ定めるかが、この記事から今決めるべき問いだ。記事が具体例として挙げる「採用ワークフロー」（要点3）では、AI が応募書類や候補者の公開成果を調べ、有力な候補者を根拠と次の一手の案つきで提示する。これを自分の組織に当てはめると、採用責任者の実質的な仕事は「選考の正確さ」から「どういう人材を推薦するよう AI に教えたか」の設計品質に移る。問題は、そのループ設計の精度を測る評価指標が自分の組織にあるかどうかだ。さらに記事が紹介する Chronicle（定期スクリーンショットで個人の作業パターンを学習する機能）により、ループは使うほど精度が上がる設計になっている。つまり半年後には、この2種類のメンバーが同一ポジションに混在し始める。「ループ所有者」に評価基準と責任範囲を与えた組織が、AI 活用第2フェーズで人材の引き留めと成果の可視化で先行する。
本記事は海外記事の独自キュレーション・考察であり、原文の翻訳ではありません。引用部分の著作権は原著者に帰属します。
この記事の調査と下書きにはAIを使っています。数値や事実は出典と照合し、公開するかどうかは運営者が判断しています。（制作方針）