GPT-5.6の業務活用では「最も賢いモデル」を選ぶだけでは不十分
2026年7月9日、OpenAIはGPT-5.6モデルファミリーの一般提供を開始しました。GPT-5.6には、最上位モデルのSol、日常業務向けのTerra、速度とコスト効率を重視したLunaが用意されています。
同時に、ChatGPTの業務環境も大きく変わりました。新しいデスクトップアプリでは、質問や相談を行う「Chat」、調査や資料作成を進める「Work」、ソフトウェア開発や自動化を担う「Codex」が一つのアプリに統合されています。
選択肢が増えたことで、利用者は「どのモデルが一番高性能か」だけで判断できなくなりました。
実際の成果は、次の組み合わせによって変わります。
・何を完成させたいか
・どのモデルを使うか
・どこまで深く考えさせるか
・どのファイルやアプリを利用できるか
・ブラウザ、デスクトップ、スマホのどこで作業するか
・どこまでAIに変更権限を与えるか
添付の業務ガイドでも、成果は「モード×モデル×思考量×道具」で決まり、モデル名だけを比較しても実務上の生産性は判断できないと整理されています。
GPT-5.6を選ぶ前に仕事の「終点」を決める
最初に決めるべきなのはモデルではありません。
質問に対する回答が欲しいのか、編集可能な完成物が欲しいのか、それとも繰り返し動く仕組みを作りたいのかを明確にします。
仕事の終点によって、Chat、Work、Codexを使い分けます。
回答や相談が目的ならChat
Chatは、質問への回答、アイデア出し、文章の下書き、翻訳、要約、簡単な調査などに向いています。
たとえば、次のような業務です。
・取引先に送るメールを整える
・会議メモから要点を抜き出す
・企画の方向性について相談する
・社内通知を分かりやすく書き直す
・専門的な内容を簡単に説明する
一つの回答を得ることが目的で、複数のファイルを横断した調査や完成資料の作成まで必要としない場合は、Chatから始めるのが効率的です。
編集可能な完成物が必要ならChatGPT Work
ChatGPT Workは、長時間かかる複雑な業務を複数の手順に分け、調査、分析、作成、修正を進める業務エージェントです。
接続したファイルやアプリから情報を集め、文書、表計算、プレゼンテーション、レポート、Webアプリなどの成果物を作成できます。利用者は作業途中で進捗を確認し、質問へ回答したり、方向を修正したり、重要な操作を承認したりできます。
たとえば、次のような業務に向いています。
・複数のPDFから提案書を作る
・売上データから月次報告書を作る
・既存資料を基に研修スライドを作る
・顧客調査から販促企画書を作る
・社内資料を整理してマニュアルを作る
単なる回答ではなく、社内で編集、共有、提出できる完成物が必要なら、ChatよりもWorkが適しています。
コードや自動化の仕組みを動かすならCodex
Codexは、プログラム開発、コード修正、ターミナル操作、テスト、差分確認などに向いています。
新しいデスクトップアプリでは、複数リポジトリを一つのプロジェクトで扱う機能、コード差分内での編集、プルリクエストのレビュー、Computer Useなどが利用できます。
たとえば、次のような業務です。
・商品データを変換するスクリプトを作る
・定期レポートの集計を自動化する
・Webサイトの表示不具合を修正する
・大量のファイルを決められた形式に変換する
・テストを実行してエラーを修正する
WorkとCodexは、どちらも複数工程を実行できますが、同じものではありません。
Workは文書、表、スライドなどの一般業務を中心に扱い、Codexはコードやシステム開発を中心に扱います。
Sol・Terra・Lunaは仕事の難しさと曖昧さで使い分ける
GPT-5.6にはSol、Terra、Lunaという3つのモデルがあります。
OpenAIは、Solを複雑なコーディング、調査、コンピューター操作、セキュリティなどに対応する最上位モデル、Terraを能力とコストのバランスに優れた日常業務向けモデル、Lunaを最も高速で低コストなモデルと位置づけています。
重要なのは、高性能なモデルをすべての仕事に使うことではありません。
業務の曖昧さ、重要性、反復性に応じて選びます。
Solは曖昧で重要な仕事に向いている
Solは、正解が一つに決まっていない仕事や、複数の資料を読み比べて判断する仕事に向いています。
・経営方針や新規事業の検討
・複数資料を統合した提案書作成
・行政マニュアルや契約内容の分析
・市場調査と競合比較
・重要な研修資料の設計
・複雑なシステムや業務フローの構築
初めて取り組む仕事、完成度を重視する仕事、誤りによる影響が大きい仕事では、Solから始めるのが基本です。
ただし、Solを選んだからといって自動的に正しい成果物が完成するわけではありません。参照資料、判断基準、禁止事項、確認項目を具体的に伝える必要があります。
Terraは日常実務の標準モデルとして使う
Terraは、一定の判断力が必要でありながら、日常的に繰り返す業務に向いています。
・定例レポートの作成
・表やデータの整理
・社内文書の初稿作成
・既存資料の更新
・会議内容の構造化
・一般的な業務フローの処理
最初の設計をSolで行い、作業手順が固まった後の運用をTerraへ移す方法が有効です。
複雑な初回設計と、毎月の定型更新を同じモデルで処理する必要はありません。
Lunaは明確な反復作業や大量処理に向いている
Lunaは、判断ルールが明確で、大量に繰り返す作業に向いています。
・商品情報の分類
・データ形式の変換
・文章から決められた項目を抽出する
・問い合わせ内容を振り分ける
・一定の形式で要約する
・大量のファイル名や項目を整理する
Lunaを活用する場合は、良い完成例、表記ルール、判定条件、例外処理を事前に用意します。
曖昧な指示をそのまま大量処理させるのではなく、最初にSolでルールを設計し、検証済みの定型作業をLunaに任せる方法が安全です。
思考量は高くすればよいとは限らない
GPT-5.6では、モデルだけでなく、どの程度の計算資源を使って考えさせるかも選択できます。
軽い確認や形式変換に、常に最大の思考量を使う必要はありません。思考量を増やすほど、複数の可能性や手順を検討しやすくなる一方、処理時間や利用量も増える可能性があります。
目安として、次のように使い分けます。
軽い設定が向いている業務
・誤字脱字の確認
・文章の言い換え
・決められた形式への変換
・短いメールの下書き
・明確なルールによる分類
標準的な設定が向いている業務
・一般的な企画書の作成
・月次レポートの分析
・複数案の比較
・会議資料の構成
・業務改善案の検討
高い設定が向いている業務
・複数資料を横断した分析
・重要な契約書やマニュアルの確認
・難しい経営課題の整理
・複雑なプログラム設計
・間違いによる影響が大きい業務
OpenAIの公式ガイドでは、標準のPower設定はSolと中程度の推論を組み合わせる構成とされています。
添付資料でも、迷った場合は「Work＋Sol＋Medium」から始め、明確な反復作業だけをTerra、Luna、軽い思考量へ移す方法が示されています。
GPT-5.6を業務別に使い分ける実践例
メールや社内文章
短いメール、文章修正、翻訳、要約はChatを使います。
通常は高速な設定で十分です。重要な対外文書や複数資料を基にした文章では、Solを使い、事実関係、固有名詞、日付、金額を人が確認します。
文章が自然であることと、内容が事実であることは別です。読みやすい文章が生成されても、数値や契約条件まで正しいとは限りません。
提案書や研修資料
提案書や研修資料は、Workを中心に進めます。
最初に目的、対象者、完成形、参考資料、禁止事項を伝え、Solで全体構成を設計します。その後、Workで文章、表、図解、スライドなどを作成します。
毎月内容を更新する定例資料であれば、型が完成した後はTerraへ移すことで、品質と処理時間のバランスを取りやすくなります。
月次レポート
月次レポートでは、初回設計と定常運用を分けます。
初回はSolを使い、集計対象、各列の意味、計算方法、判定基準、例外処理、確認方法を設計します。
運用が安定した後は、TerraやLunaでデータを分類、集計、要約し、異常値や例外だけを人へ戻す仕組みにします。
商品データの更新
商品名、説明文、カテゴリー、サイズ、素材、JANコードなどを更新する場合は、最初に表記ルールを統一します。
単純な分類や形式変換はLuna、説明文の作成や情報整理はTerra、処理ルールの設計や例外判断はSolという分担が考えられます。
商品データでは、一つの誤りが複数の販売チャネルへ広がる可能性があります。更新前後の差分を確認し、価格、在庫、規格、商品コードなどは人が最終確認します。
Webサイトや業務自動化
Webサイト制作や業務自動化ではCodexを使います。
ただし、生成されたコードをそのまま本番環境へ反映するのは避けます。
テスト環境で動作を確認し、変更差分、表示崩れ、エラーログ、リンク、入力フォーム、バックアップを確認したうえで公開します。
AIに作業を任せる範囲と、公開や削除など人が承認する範囲を分けることが重要です。
デスクトップ・ブラウザ・スマホの役割を分ける
GPT-5.6の業務活用では、どの端末を使うかも重要です。
同じモデルでも、アクセスできるファイルやアプリ、与えられた権限によって実行できる仕事が変わります。
デスクトップ版は社内PCの作業環境を扱う
新しいChatGPTデスクトップアプリでは、利用者の許可を得たうえで、ローカルファイルやデスクトップアプリをWorkから利用できます。Codexでは、コード、リポジトリ、ターミナルなどの開発環境も扱えます。
デスクトップ版を使う際は、次の項目を確認します。
・正しいフォルダを開いているか
・読み取りだけか、書き込みも許可するか
・削除や上書きを許可するか
・外部通信を許可するか
・公開や送信の前に承認を求めるか
高性能なモデルでも、誤ったフォルダに書き込めば問題が起こります。モデルの賢さと、権限管理は分けて考えなければなりません。
ブラウザ版はクラウド資料と共同業務に向いている
ブラウザ版は、クラウド上のファイルや接続アプリを利用した調査、分析、資料作成に向いています。
Google Driveなどに保存された資料を集めて提案書を作る、複数の情報源からレポートを作るといった業務では、ブラウザ版のWorkが利用しやすいでしょう。
一方で、ブラウザ版から社内PC内のファイルへ無条件にアクセスできるわけではありません。
クラウド上のデータと、ローカルPC内のデータを分け、どの環境で作業するかを決めます。
スマホは指示・確認・承認に活用する
スマホは、大量の編集を行う作業端末というより、外出先から作業を開始し、進捗を確認し、方向修正や承認を行う端末として使うと効果的です。
Codexでは、スマホから接続中のPCやリモート環境の作業状況を確認し、テスト結果、差分、スクリーンショットなどを見ながら指示や承認を行えます。ファイルや認証情報、ローカル環境はCodexが動いている端末側に残ります。
外出先では確認と判断を行い、細かな編集や最終確認はPCへ戻って行うという役割分担が現実的です。
GPT-5.6を安全に社内導入する5つの手順
業務の終点を決める
回答だけでよいのか、資料を完成させるのか、自動化するのかを決めます。
Chat、Work、Codexの選択は、仕事の終点から逆算します。
初回設計と定常運用を分ける
初めて行う業務と、毎月繰り返す業務を同じ設定で処理しないことが重要です。
初回はSolで慎重に設計し、完成例と失敗例を確認します。ルールが固まった作業だけをTerraやLunaへ移します。
参照情報と権限を決める
AIが何を読めるか、どのファイルを変更できるか、どの外部サービスへ接続できるかを明確にします。
必要以上に広い権限を与えず、業務に必要な範囲へ限定します。
人が確認する項目を決める
数値、出典、計算式、固有名詞、契約条件、個人情報、公開範囲など、必ず人が確認する項目を決めます。
作業前に、次のような条件を伝える方法も有効です。
「資料にない内容は推測しない」
「不足情報は要確認と表示する」
「元の表や様式を勝手に変更しない」
「削除、送信、公開の前に承認を求める」
成功した手順をテンプレート化する
安定して成果が出た指示、確認項目、完成例をテンプレートやSkillとして残します。
担当者ごとに異なる使い方を続けるのではなく、組織で再利用できる手順へ変えることで、生成AI活用の属人化を防ぎます。
GPT-5.6導入で注意したいよくある誤解
GPT-5.6を導入する際は、モデル、モード、端末、権限を混同しないことが重要です。
よくある誤解には、次のようなものがあります。
・Solを使えば何でも正しく処理できる
・WorkとCodexは同じ機能である
・思考量は高いほどよい
・プラグインを接続すれば全データを扱える
・ブラウザからPC内の全ファイルを操作できる
・スマホだけでPCと同じ作業ができる
・生成されたファイルは確認不要の完成品である
添付の技術レポートでも、業務運用では「仕事の終点」「曖昧さと価値」「作業場所」「安全性と整合性」の4段階で判断し、人が最終確認する必要性が示されています。
生成AIの出力は、見た目が整っているほど誤りを見落としやすくなります。
文書では出典、数値、固有名詞を確認し、表計算では数式と参照セルを確認します。スライドでは文字切れやレイアウト崩れを確認し、プログラムではテスト結果と変更差分を確認します。
まとめ｜迷ったらWork・Sol・標準的な思考量から始める
GPT-5.6を業務で使い分ける際は、最初に「回答」「完成物」「仕組み」のどこまで必要なのかを決めます。
回答や相談ならChat、編集可能な資料を完成させるならWork、コードや自動化を動かすならCodexです。
モデルは、曖昧で重要な仕事にはSol、日常実務にはTerra、明確な反復処理にはLunaを選びます。
導入初期は、Work、Sol、標準的な思考量から始め、完成例と確認ルールを作る方法が安全です。その後、手順が定型化できた作業だけをTerraやLunaへ移すことで、品質を保ちながら処理時間と利用コストを抑えられます。
今後の生成AI活用では、モデルの性能比較だけでなく、ファイル、接続アプリ、端末、権限、人による承認を含めた業務全体の設計が重要になります。
コメント