**99% の人が気づいていないが、OpenAI は AI エンジニアリングでまた一つ大きなブレイクスルーを起こした
**
- 完全に新しく（Grokbot、こんにちは）、人生を変えるようなローンチについて、この記事で解説する：それらが何なのか、なぜ重要なのか、そして効果を 100% 引き出すための設定方法 まずは Dots から始めるのが一番面白い。 専用のクラウドコンピューターを備え、バックグラウンド作業を委任できるパーソナルエージェントが手に入る。Dots を使ってみる。
DevDay では、新モデル、共有ドキュメント、コーディング関連のアップデート、プラグイン、そして自社製品にエージェントを組み込むためのツールも発表された。
最新アルファ情報より前に — もっと新鮮なアルファ情報を得るには僕の Substack を登録して - https://substack.com/@0xcodila
1. Dot を作成し、仕事を任せる
https://x.com/OpenAI/status/2104980481876070819
デスクトップ版 ChatGPT で Dots を開き、イントロダクションに従う。連携はセットアップ中に追加することも、後から戻って設定することもできる。
ローンチ時点では、Pro 100、200、500 を利用する成人ユーザーに向けて順次提供されている
とはいえ、この機能のためにプランを購入する前に、必ず現在のアクセス要件を確認してほしい！
まだあなたのアカウントで Dots が使えない場合でも、ステップ 5〜8 はプランに応じて役立つ出発点になる。
Dots のローンチバージョンは
GPT‑6 Astra 上で動作する
そしてここが、Dots が GrokBot を打ち負かす瞬間だ Grok 4.6 は本当に弱く、改善する唯一の方法は GPT や Claude を直接接続することだけだ
https://x.com/0xCodila/status/2104634929518641487
Sol は Work、Codex、API 向けの独立したモデル選択肢だ
次に、あなたの Dot に責任を与えよう。「生産性を上げて」という指示では、ほぼ何も定義されていない。
ここから始めよう：
[日付] に [プロダクト] をローンチするための調整を手伝って。私が明示的に共有したローンチ概要、チェックリスト、会話内容を使って。要件の変更、ブロッカー、担当者が未定の箇所、そして私が必要とする意思決定を洗い出して。最初のタスクとして、ソースリンク付きのローンチ状況レポートを作成して。アクセス権がない場合は質問して。メッセージを送ったり共有ファイルを変更したりする前に、提案のドラフトを作って私の承認を得て。
最初のレポートをじっくり読んでほしい。正しいローンチ日を把握しているか？ソースを開けるか？提案と合意済みの決定を混同していないか？
定期的な仕事を任せる前に、こうした誤解を修正しておこう。
最初の成功は「正確な概要書」を作ることだ。 他のすべてはその上に成り立つ。
2. 必要なアプリとコンピューターを接続する
メッセージングについては、Dot のプロフィールを開いて Add を選択する。
チャネルガイドには、Slack や Microsoft Teams を含む対応オプションが記載されている。
今回のローンチ作業では、タスクに必要なソースドキュメントとコミュニケーションツールを接続しよう。その後、実際にどのリソースにアクセスできるか Dot に確認させる。
私が共有したローンチ概要とチェックリストを探して。そのリンクと最新の関連変更点を教えて。要求したソースのうち、どれが読めないかも報告して。
ログインが必要なウェブサイトの場合は、Dot プロフィールの Computers からクラウドコンピューターを開く。ブラウザハンドオフまたはプライベートサインインフローを使う。
- ブラウザのセッションは独立している。個人のノート PC でログインしていても、自動的に Dot がログインされるわけではない。
サインイン画面で認証情報を入力する。アカウント確認を完了したら、Dot が作業を続けられるように制御を戻す。
クラウドでの作業は、ノート PC を閉じても続行できる。 自分のパソコン上での作業は、そのパソコンが起動していてアプリが動いている必要がある。環境は accordingly に使い分けよう。
よくある間違い：Slack を接続しても、チャンネルを監視し続ける常設指示にはならない。それはステップ 4 で明示的に設定する。
3. 成果物を委任し、コンテキストを保つ
ローンチの更新は複数のソースにまたがる。Dot には「完了」の明確な定義とともに、完全な成果物を渡そう。
Dot はバックグラウンドタスクを委任できる。それらのタスクには関連する指示とコンテキストが渡されるが、すべてのワーカーが会話全体を見ていると思い込んではいけない。
連携がうまくいったら試してみてほしい：
現在のローンチ概要、チェックリスト、選択した Slack の議論を比較して。次の 4 つのセクションからなる 1 つの更新レポートを作成して：変更点、ブロックされていること、次のアクションの担当者、そして私が必要とする
意思決定。各事実の主張をソースにリンク して。ソース間で矛盾がある場合はその矛盾を示して。誰かがタスクを引き受けていない限り、提案された担当者は「提案」としてラベル付けして。
最後の一文が重要だ。美しく整形されたリストは、推測をこっそり他人の責任に変えてしまうことがある。
Activity を使って、委任した作業とその出力を確認しよう。実際の成果物を開き、指示に答えているかチェックする。
- Dots はメモリやノートを通じて有用なコンテキストを保持できる。ただし、だからといってあらゆる会話の詳細をすべて保存してくれるわけではない。
重要なプロジェクトの決定事項はアクセスしやすいソースドキュメントにまとめ、今後のタスクでそれを参照させよう。
クラウドに委任するコーディング作業の場合は、まず Codex Cloud 環境をセットアップする。前提条件はステップ 7 で説明する。
ここで得られる価値あるアウトプットは、すぐに対応できる 1 つの更新レポートであり、証拠も確認しやすい距離にあることだ。
4. 定期実行にして、コントロールを手放さない
単発のレポートが役に立ったら、スケジュールを依頼しよう。
平日の毎日 09:00（Europe/Sofia）に、確認済みのソースを使ってローンチ更新レポートを作成して。[終了日] まで続けて。[対応している送信先] に届けて。前回のレポートからの変更点と、私待ちの意思決定を含めて。保存されたスケジュール、タイムゾーン、送信先を確認して。
Scheduled の項目を確認する。実際に作成されたか、タイミングが要望通りかをチェックしよう。
- イベント駆動の監視は別物だ。接続したサービスが何をサポートしているか尋ね、頼りにする前にイベントとレスポンスを検証しよう。
例：ローンチチャンネルで要件が変更された → Dot が更新された概要書を用意する。チャンネルを接続しただけでは、このルーティンは確立されない。
次に、Settings → Personalization → Permissions の下にあるカスタムルールを確認する。
どのアクションをそのまま実行させ、どれに明示的な依頼を求め、どれに承認を求め、どれを自分に差し戻すかを指定できる。
このローンチにおける私の初期ルールはこうだ：
私が許可したアクセス範囲内で調査し、ドラフトを作成して。メッセージの送信、共有プロジェクト記録の編集、お金の使用、何かを公開する前には確認して。
これらのルールは挙動を導くものであり、不足しているアプリ権限を付与したり、すべてのアクションが完璧に処理されることを保証したりするものではない。
また、作業を停止できる場所は 3 か所ある：
- Pause - Activity - Scheduled
メインエージェントを一時停止しても、他の 2 つは自動的にはキャンセルされない。ワークフローを止める際は、3 か所すべてを確認しよう。
5. GPT‑6.1 Sol を働かせる
次に向かうべきはモデルピッカーだ。
GPT‑6.1 Sol は、Plus、Pro、Business、Enterprise、Edu の Work と Codex で利用できる。ワークスペース管理者が有効化を必要とする場合がある
https://x.com/thsottiaux/status/2105007628460109953
チャットのモデルピッカーにも登場する
OpenAI は Sol を「Astra に近い性能を低コストで提供する」と説明している。デフォルトを決める前に、馴染みのある重いタスクで両者を比較することをおすすめする。
コンポーザーの下にあるモデルセレクターを開き、Sol を選んで、デフォルトの推論設定から始めよう。
評価しやすいアウトプットが出る仕事を任せてみてほしい：
このローンチ概要と現在のランディングページを読んで。根拠がない、曖昧、または矛盾している主張を見つけて。正確な修正案を提示し、それぞれの変更にどんな証拠が必要か説明して。
API ユーザーの場合、モデル ID は gpt-6.1-sol だ。
標準的なトークン価格の比較は以下の通り：
つまり、Sol の標準入力・出力の単価は 80% 安い。最終的なタスクコストは、トークン使用量、ツール、価格条件によって変わる。
Sol は 105 万トークンのコンテキストウィンドウをサポートしている。入力トークンが 272,000 を超えるリクエストはレートが高くなるので、巨大なコンテキストを安易に「安い」と決めつける前にモデルページを確認しよう。
次に、モデルの選択と速度の選択を切り分ける。
標準の Astra と比較して、Astra Ultrafast は Codex において最大 8 倍速くトークンを生成する。
https://x.com/sama/status/2104994601140711896
ブラウザの待機、ツール呼び出し、長い推論を含むタスクは、自動的に 8 倍速く 終わるわけではない
スピードガイドには、Pro 500 および対象となる Enterprise/Edu のアクセスが記載されている。Ultrafast は使用量も早く消費する。
新しい Pro 500 プランは月額 $500 だ。Pro 100 や 200 で追加クレジットを購入しても Ultrafast は解放されない。
最後に、Sign in with ChatGPT を使うと、対象の Plus/Pro ユーザーが参加サードパーティアプリで自分のプランの使用枠を適用できるようになる。
ChatGPT サインインオプションを選び、提供されている場所でプラン使用を有効にする。ログインサポートとプラン使用サポートは別物であり、使用枠はあなたの割り当てを共有するもので、アプリ側の料金が別途発生する場合もある。
6. 作業を ChatGPT Space に持ち込む
**非常に興味深いパート
ここまでで、ローンチにはレポート、決定事項、ドラフトが揃った。チームが最新版を見つけられる場所を用意しよう。*
https://x.com/thsottiaux/status/2104983716049379472
ローンチ時点では、Space と Pages は Pro、Business、Enterprise で利用できる。
Space を開き、New page を選んでローンチページを作成する。概要書、関連ファイル、ソースリンクを追加しよう。
ページの横で ChatGPT を使ってドラフト作成や修正ができる。Space ガイドでは、ページの作成、スペースの整理、アクセス共有について説明している。
これらのローンチ資料を、現在のスコープ、承認済み主張、未決定事項、担当者、日付付き変更履歴を含む実務ページに変換して。ソースリンクは保持して。
ここで Pages が真価を発揮する：合意済みのバージョンに戻って更新できる「ホーム」ができるのだ。
チーム用スペースを作る場合は、All → New → Space で名前を付け、共同作業者を招待する。機密性の高い資料を追加する前にアクセス権を確認しよう。スペースのメンバーシップは、その中の全ページに適用される。
Collaborative Slides も DevDay で発表されたもう一つの機能で、今後数週間で利用可能になる予定だ。このワークフローの将来の構成要素として捉えておこう。
共有自動化については、Teams と Team Tasksが、設定済みのチーム連携とサービスアカウントを使ったスケジュール実行やイベント駆動の作業を提供する。
- このセットアップにはワークスペース管理者を巻き込もう。チームワークフローは、1 人のメンバーがサインアウトしたり退職したりしても維持されるアクセス権が必要だ。
OpenAI は @ChatGPT in Slack and Microsoft Teams も発表した。管理者が統合と、許可されるツール・チャンネルを設定する。
- Slack 内の個人用 Dot と、ワークスペース共有の @ChatGPT 統合では、セットアップとアクセスルールが異なる。ワークフローがどちらのソースを使うべきか決めておこう。
さらに Meetings プラグインがある：Plugins からインストールし、オーディオ設定を完了させて、会議で Take notes を使う。
録音前に参加者に伝え、同意を得ること。その後、要約と提案されたアクションを確認してからコミットメントに落とし込もう。
ローンチ時点では、Meetings は Pro と Business 向けの macOS デスクトップベータで、Enterprise はアルファ版だ。カレンダー連携により、リマインダーなどの利便性が追加される。
7. Codex で構築・レビュー・リリースする
ローンチレポートで実際の問題が見つかったとしよう：モバイルでサインアップページが壊れている。
https://x.com/OpenAIDevs/status/2104996045482778973
コーディングタスクには、再現可能なターゲットを与えよう。
まず、Codex Cloud を設定する：Work in → Cloud を選び、環境を作成して、必要な GitHub リポジトリを接続する
セットアップにプロジェクトを検査させ、依存関係をインストールさせる。レポートを確認し、不足を解消してから、タスク開始前に環境を公開しよう。
[issue] に記載されたサインアップ失敗を再現して。原因を特定し、最小限かつ適切な修正を行い、関連するチェックを実行して。差分、結果、残っている不確実な点を返して。
刷新された Codex CLI も別の入り口になる。インストールガイドに従い、サインインして、プロジェクトディレクトリで開く。
Sol で始めるには：
1codex --model gpt-6.1-sol
このアップデートでは音声操作と、委任した作業を追跡する /agents ビューが追加された。
- CLI にはモデル選択、権限、レビュー制御も含まれる。エージェントが実際に必要とするリポジトリとツールを与えられる環境を選ぼう。
次に、デスクトップサイドバーで Code Review を開き、プロバイダーを接続してプルリクエストを選択する。
レビューガイドには、GitHub サポートと GitLab プレビューが記載されている。設定すれば、自動レビューがクラウドで一次チェックを行える。
マージ前に、変更内容とテストの証拠を並べてレビュー結果を確認しよう。
セキュリティ作業の場合は、Codex Security Cloudをインストールし、New scan を選んでリポジトリとクラウド環境を設定する。
必要に応じて継続的なコミットチェックを有効化し、各指摘事項の証拠を確認しよう。
- Fix with Codex はパッチを用意できるが、ドラフト PR を作成する前にそのパッチをレビューすること。
ここでの私のルールはシンプルだ：変更を受け入れるために必要な証拠を求め、そして実際にそれを読むこと
8. Sites と Plugins で独自のツールを作る
何度かローンチ更新をやっていると、繰り返される手順に気づくはずだ：同じ入力、同じフォーマット、同じチェック。
それはプラグイン化の絶好の候補だ。
利用可能な環境では、@Plugin Creator に言及し、ワークフローを説明しよう。作成ガイドで、洗練・テスト・インストールの方法がわかる。
Launch Update プラグインを作成して。入力：ローンチ概要、現在のチェックリスト、日付付きの変更点。出力：ソース、ブロッカー、担当者、意思決定を含む更新レポート。不足しているソースがあれば質問して。確定した事実と提案を区別して。レビュー用のドラフトを用意して。添付したこの更新レポートをフォーマットの参考にすること。
不完全な情報や矛盾する日付でテストしよう。完璧なサンプルでしか動かないワークフローでは、あまり時間は節約できない。
DevDay のプラグイン発表には、提出と発見（ディスカバリー）、さらにサイドバーアプリ、会話パネル、ファイルエディタといったリッチなインターフェースを実現する Extensions も含まれている。
プラグインにカスタムインターフェースが必要かどうか決める前に、公式の Extensions サンプルを見てみよう。
次に、Sitesを使ってローンチダッシュボードを構築する。ユーザー、ソースデータ、各ユーザーが実行できるアクションを説明しよう。
新しい Sites with plugins 機能は、接続されたツールやデータを利用できる。ローンチ時点では、これらのサイトはワークスペース内プライベートであり、ワークスペースでの有効化に依存する。
訪問者はそれぞれ自身の接続アカウントと権限を使用する。サイトを共有しても、全員にあなたの連携が渡るわけではない。
許可された実際のデータでプレビューしよう。繰り返し作業中はバージョンを保存し、デプロイするとライブ URL が生成されるため、公開は意図的なステップとして扱うこと。
MCP Events はもう一つのピースを追加する：対応サーバーは、サブスクリプションと Webhook を使ってエージェント作業を開始するイベントを配信できる。
たとえば、新しいローンチのブロッカーがドラフト更新をトリガーできる。イベントガイドには必要なサーバーサポートが記載されている。通常の連携コネクタが自動的にイベントソースになるわけではない。
最後に、Shareable Profilesを使えば、選んだ Sites を紹介する場ができる。
自分のプロフィールを開き、表示するものを選んで共有設定を確認しよう。個人プロフィールは初期状態で非公開だ。利用可否やワークスペース制御は異なり、Enterprise サポートは近日公開とされている。
9. 自社製品にエージェントを組み込む（Jev の競合）
https://x.com/thsottiaux/status/2104986448269279399
開発者にとって次の疑問は、顧客がすでに使っているアプリケーション内で、こうしたワークフローをどう提供するかだ。
Agents API は 9 月 10 日にローンチされた。DevDay では computer use でストーリーが拡張されたが、これらは別々のマイルストーンだ。
公式クイックスタートから始めよう。必要な権限を持つプロジェクト API キーを作成し、SDK をインストールして、提供されているサンドボックスサンプルを実行する。
キーはエージェントのサンドボックス外に保管すること。最初の目標は、セッションを作成し、進捗を観察し、実際の結果を確認することだ。
次に、ワークフローで必要ならブラウザベースの computer useを追加する。ガイドにはウェブサイトのアクセス要求、サインイン、ブラウザ操作、セッションクリーンアップが記載されている。
今回のローンチでは、狭いタスクから始めよう：公開サインアップフローを確認し、最初に壊れるステップを報告して。認証が必要な場合はテストアカウントを使うこと。
- Decisions API は、テキストや画像のコンテキストを使って事前定義された回答から選択する。分類、ルーティング、類似の意思決定に焦点を当てている。
設計例：受信したローンチ課題を copy、engineering、human_review にルーティングする。本番に組み込む前に、ラベルと評価サンプルを合意しておくこと。
限定プレビューとしてローンチされ、その後数日でより広いアクセスが計画されている。依存関係を作る前にアクセス状況を確認しよう。
AWS チーム向けには、Bedrock Managed Agentsが OpenAI のエージェントハーネスとモデル推論を Amazon Bedrock に持ち込む。
実行、認証、サポートサービスは OpenAI ホスト型 API と異なる。このデプロイパスでは IAM を含む AWS 固有のセットアップを使用すること。
Private Intelligence の発表も注意深く読む必要がある。
Private Safety Processingは、OpenAI が対象のプロンプトと応答を保持せずに自動安全性レビューを行う仕組みだ。暗号化された安全性記録は、文書化された保持設定のもと、顧客管理のストレージに残る。
Private Inference は今秋のプレビューが発表された。デプロイを計画する際は、将来の利用可能マイルストーンとして扱おう。
最後に、OpenAI Marketplace では、対象企業が OpenAI コミットメントの一部を承認済みパートナーソフトウェアに使えるようになる。アクセスはエンタープライズ向け関心登録プロセスを通じて行われる。
これらのローンチ状況は 公式 DevDay まとめに記録されている。
10. 実際に動かす：4 つの実践的セットアップ
初日からこれらすべてを組み立てる必要はない。
今週あなたにとって役立つものを生み出すワークフローを 1 つ選ぼう。以下は出発点となる設計で、それぞれ前述のアクセスと連携に依存する。
A. ローンチコーディネーター
Dots にローンチ概要、チェックリスト、選択した議論、検証済みスケジュールを与える。現在の計画は Space ページに保持する。
今日のローンチ更新レポートを作成して。変更点、証拠、ブロッカー、私が必要な意思決定を示して。フォローアップメッセージのドラフトがあれば承認用に用意して。
チェック： 重要な主張をすべてソースまで遡れるか？レポートは最新の合意済み変更を捉えているか？
B. クリエイターの調査デスク
スケジュールされた Dot タスクで、定義したソースリストから変更点を収集する。Sol を使って、検証済みノートをドラフトに変換する。
[日付] 以降の更新について、これらの公式ソースを確認して。リリース済み機能とプレビュー・発表を分けて。事実の主張にはすべてリンクを付けて。記事の切り口を 3 つ提案して。
チェック： ソースを開き、日付を確認し、自分が使ってもいないものを個人的にテストしたかのように読める文は削除する。
C. 開発者の Issue→PR ワークフロー
Codex に再現可能な Issue と設定済み環境を与える。結果の変更をレビューし、必要に応じて Code Review とセキュリティツールを使う。
この Issue を再現し、修正案を提示して、関連チェックを実行して。差分と実際の結果を見せて。検証できなかった点はフラグを立てて。
チェック： 元の障害は消えたか？テストは適切か？レビュアーが変更内容と残存リスクを理解できるか？
D. チームのフォローアップデスク
Meetings で議事録を取り、Space で合意記録を管理し、共有アクセス設定後に Team Task でフォローアップする。
これらの議事録から、決定事項、提案アクション、担当者、日付を抽出して。不確かな点はマークして。フォローアップを送信前にレビュー用に用意して。
チェック： 各担当者はアクションを引き受けたか？仮の日付は明確に示されているか？チームはリンク先の記録を開けるか？
シフト
Dot が GrokBot に対して本当に優位性を持つのは、モデルの部分だ。
しかし、それが本当に多くの人を OpenAI に引き寄せるのだろうか？
つまり、あなたが成果を定義し → エージェントが作業を進め → あなたが意思決定する。
本当のアルファ（価値ある情報）は、これらのリリースを「明確な責任、有用なコンテキスト、検証可能な結果」を持つワークフローにつなげることだ：
- Dots に継続的な仕事と明確な権限境界を与える。
- Sol と Codex を使って調査、構築、レビューを行う。
- 共有作業は Space に置く。繰り返される手順はプラグインやスケジュールタスクにする
これであなたは「仕事がどう進むか」を設計できるようになった。
何が起点になるのか？どのソースを使うべきか？完了とはどういう状態か？どの意思決定が自分に返ってくるか？
セットアップ、プロンプト、そして 4 つの実践的ワークフローが揃った。定期的な仕事を 1 つ選ぼう。節約できた時間と必要な修正回数を測定し、そこから広げていく。
磨くべきスキルは、あなたがクリックごとに指示しなくてもエージェントが作業を進められるほど、仕事を明確に定義することだ。
このプレイブックをブックマークして — あなたの Dot に最初の「本物の仕事」を与えよう
