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。
元記事
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→学習のループを自律的に回せる最初のモデルだと著者は主張する
- 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はメール管理・採用・編集計画・顧客リサーチなど複数の実例で、AI が草案と根拠を提示しユーザーが承認するだけの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はオープンソース実験「Tend」をリリースした。自分のワークループをプロンプトとして構造化し試せるキットだ
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 が候補者ごとに根拠付きの推薦を生成し、担当者は承認/却下だけを行う。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現時点で存在しないことだ。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。