ChatGPT WorkとCodexを声で指揮

ChatGPT Workは、調査や分析、接続したアプリやファイルを使った情報整理、文書・表計算・プレゼンテーションなどの成果物作成を任せられるAIエージェントです。

一方のCodexは、コードの作成や修正、レビュー、テスト、リファクタリングなど、ソフトウェア開発を支援するAIコーディングエージェントです。

今回の音声対応によって、ユーザーはWorkに「競合3社のサービスを調査して、比較資料を作成して」と話しかけたり、Codexに「このエラーの原因を調べて、修正後にテストも実行して」と指示したりできるようになります。

AIが作業している途中で、「その方向ではなく、価格の比較を優先して」「まず原因だけ説明してから修正して」と声をかけ、進め方を変更することも可能です。

つまり、完成された指示文を最初に用意するのではなく、AIの作業状況を見ながら会話を重ね、リアルタイムで軌道修正できるようになります。

割り込みを可能にする「GPT-Live」

音声操作の基盤となるのが、OpenAIが7月8日に発表したリアルタイム音声モデル「GPT-Live」です。

GPT-Liveは、音声を聞く処理と話す処理を同時に行う「全二重アーキテクチャ」を採用しています。従来の音声AIのように、ユーザーが話し終えるまで待ってから回答を始めるのではなく、AIが話している最中でもユーザーの声を聞き続けられます。

そのため、AIの説明が長すぎると感じた場合には、途中で「そこは省略して」「結論を先に教えて」と割り込めます。AIは発話を止め、新しい指示を聞き取って会話を続けます。

さらに、検索や高度な推論、複雑な作業が必要になった場合は、GPT-Liveが別の高性能モデルに処理を引き継ぎます。その間もユーザーとの会話を続けられるため、重いタスクを実行している最中に進捗を尋ねたり、追加の条件を伝えたりできます。

macOS・Windowsの有料プランから展開

ChatGPT WorkとCodexの音声操作は、macOS版とWindows版のChatGPTデスクトップアプリで順次提供されます。

対象となるのは、「Plus」「Pro」「Business」「Edu」「Enterprise」の各有料プランです。世界の対象ユーザーに向けて段階的に展開されます。

通常のChatGPTとの音声会話はWeb版やモバイルアプリでも利用できますが、WorkとCodexを単独で音声操作する機能は、現時点ではデスクトップアプリが中心です。

これは、ChatGPTのデスクトップアプリが単なるチャット画面ではなく、複数のAIエージェントを動かす「仕事の司令塔」へと変化していることを意味します。

Claudeも音声モードを大幅強化

OpenAIと同じ7月23日、Anthropicも「Claude」の音声モードを強化しました。

Claudeでは、テキストチャットで利用できるSonnet、Opus、Haikuなどのモデルを音声モードでも選択できます。会話中にモデルを切り替えることも可能です。ただし、Claude Fable 5は現時点で音声モードの対象外です。

さらに、音声で会話している途中に、Web検索や接続済みの外部ツールを利用できるようになりました。

例えば、「今日届いた重要なメールを要約して」「次の会議の予定を確認して」「Slackの議論を整理して」と話しかけると、ClaudeがGmail、Googleカレンダー、Googleドキュメント、Slackなどの接続済みサービスを参照して回答します。

Claudeの音声モードは、Free、Pro、Max、Team、Enterpriseの全プランを対象としたベータ機能として、iOS・Androidアプリ、デスクトップアプリ、Web版で提供されます。

一方、Claude CodeやClaude Coworkでは音声入力は利用できるものの、双方向で会話する音声モードにはまだ対応していません。AIエージェントやコーディング作業を声で直接指揮する点では、OpenAIが一歩踏み込んだ形です。

音声AI競争は「会話」から「仕事の実行」へ

これまでの音声AIは、質問に答えたり、文章を読み上げたりする「会話相手」としての使い方が中心でした。

しかし、今回のOpenAIとAnthropicのアップデートによって、音声はAIに仕事を任せるための操作インターフェースへと変わり始めています。

資料を確認しながら調査を依頼する、移動中にアイデアを整理する、複数のタスクの進捗を声で確認する、AIの作業方針を途中で修正するといった使い方が現実的になります。

もちろん、コードや数値を細かく確認する場面では、画面やキーボードが引き続き重要です。それでも、作業の開始、追加指示、方向修正、進捗確認といった場面では、音声のほうが素早く自然に伝えられるケースが少なくありません。

AIは「文字を入力して回答を受け取るツール」から、「話しかけながら一緒に仕事を進める存在」へと変わろうとしています。

ChatGPTとClaudeの音声機能をめぐる競争は、どちらが自然に話せるかだけではありません。これからの焦点は、声による曖昧な指示をどこまで正確に理解し、実際の仕事を安全かつ確実に完了できるかに移っていきそうです。