AIに「画面を見て、この操作を進めて」と頼む機会が増えている。だが、説明文を書けることと、画面上のボタンを正しく押して作業を終えることは別だ。OpenAIが10月26日に発表したGPT-6.1 Terraは、画像の理解とPC操作に力を入れた新しいモデル。ChatGPT WorkとCodex、開発者向けAPIに提供される。
では、毎日の仕事にどう使えばよいのか。モデルの名前だけで選ぶより、「画面を見て進める作業を、どこまで安心して任せられるか」を小さな課題で確かめる方が実用的だ。公式発表を確認したうえで、試す順番と、人が見るべき点を整理する。
Terraで変わること
OpenAIの発表では、GPT-6.1 Terraは視覚的な理解、PC上の操作、自然な文章作成のバランスを狙ったモデルとされる。図面を読み取り作業へつなげる、フォームを埋める、動画を編集する、といった例が示されている。ここでいう「PC操作」は、答えを文章で返すだけでなく、画面や道具を使って工程を進める種類の仕事を指す。
発表には、前のGPT-5.6 Terraより専門的な操作課題の成績が上がり、低い推論設定での事実誤りも減ったという評価がある。ただし、これはOpenAIが選んだ評価条件での結果だ。自分の会社の画面、資料、手順で同じ成果が出る証明ではない。導入時は、仕事に近い小さな課題で確認したい。
提供先にも注意がいる。公式のモデル案内では、TerraはChatGPTの通常の「Chat」では選べず、ChatGPT WorkとCodexの選択肢になる。Plus、Pro、Enterprise、Eduへの提供が発表され、組織の設定や段階的な反映で表示状況が異なることがある。APIでは別課金で、モデル名はgpt-6.1-terraだ。画面に見当たらないからといって、通常チャットのGPT-6と同じものとして扱わない。
先に選ぶべき仕事
最初の試験に向くのは、手順が短く、間違いに気づけて、元に戻せる仕事だ。例えば公開されている説明ページから「申込条件」と「締切」を読み取り、表にする。あるいは架空の会議メモを、決定事項・担当・期限の3列に整理する。途中で画面やファイルを読む必要があれば、Terraの視覚的な理解と操作を確かめられる。
逆に、いきなり顧客データを外部サービスへ入力したり、本番サイトの設定を変更したり、支払いを確定したりする課題は避ける。失敗時の影響が大きく、モデルの比較に必要な観察も難しくなる。「やり直しやすい仕事で、正しさを測る」のが最初の一歩だ。
15分で試す、同じ課題の比べ方
以下は実際にTerraを操作した測定結果ではなく、読者が自分の環境で試すための手順だ。モデルの選択画面、使えるツール、権限はアカウントによって異なる。表示される機能を確認してから始めよう。
- 課題を固定する。架空の会議メモや公開ページを1つ用意し、「決定事項、担当、期限を表にして。書かれていない事実は補わないで」と依頼する。可能なら画面上の資料を読ませる。
- 同じ条件で2回試す。Terraと、普段使っている別のモデルに同じ入力を渡す。資料と出力形式を変えない。速度だけではなく、根拠の読み違いを比べる。
- 人が採点する。担当者名、期限、未決定事項、根拠の場所を各1点で確認する。合計点に加え、訂正を頼んだときに余計な部分を変えないかを見る。
- 操作が必要なら途中で止める。送信・公開・削除などの直前で確認し、意図した画面と内容かを人が見る。操作ログや最終状態も確認する。
例えばメモに「田中さんが金曜までに画像を用意。公開日は未定」とあるのに、「公開は金曜」と出力したら誤りだ。文章が自然でも、日付の取り違えは実務では致命的になり得る。採点項目を先に決めると、第一印象やモデル名に引っ張られにくい。
PC操作で見るべき4つの点
一つ目は画面の読み取り。見えているボタン、メニュー、注意書きを取り違えていないか。似た名前の別項目がある画面で特に差が出る。二つ目は作業範囲。依頼していない場所へ移動したり、関係ない設定を変えたりしていないかを確かめる。
三つ目は途中の報告だ。困ったときに「できた」と言い切らず、どこで止まったかを示せるか。四つ目は終了後の確認。ボタンを押しただけで成功とせず、公開ページや保存結果を読み直しているか。これらは、どのAIエージェントにも共通する点検表になる。
OpenAIは、Terraが以前のTerraより依頼範囲を守り、制約を正直に伝える傾向が高いと説明している。それでも、画面の表示は変わるし、ログイン期限や権限不足も起きる。だからこそ、人が確認する場所を仕事の手順に組み込むことが重要だ。
どのモデルを選ぶか
Terraを先に試す場面は、画面や資料を読み、決まった範囲の操作を繰り返す仕事だ。一方、複雑な設計、厳しい調査、判断が割れるコード修正などは、OpenAI自身もより強いSolやAstraを選ぶ余地を示している。「軽いモデルを使えば必ず安い」とは限らない。修正回数が多いと、作業全体では時間を失うからだ。
比較するときは、1回の回答の速さではなく「確認を含めて終わるまで」を測る。例として、①作業完了までの時間、②人が直した箇所、③再実行の回数、④最終結果の正確さを記録する。APIを使う開発者なら、さらに入力・出力トークンやツール実行費を見ればよい。一般利用者はまず、自分のプランで使えるか、仕事が楽になるかから判断できる。
使う前に決めておく境界線
小さな試験でも、記録の残し方を決めておくと次に生かせる。依頼文、使った資料の版、モデル名、実行日、うまくいかなかった箇所を短く残す。翌週に同じ課題を試し、改善したのか、たまたま答えが良かっただけかを見る。逆に、資料を毎回変えると、モデルの違いと題材の違いが混ざってしまう。比較に使う材料は固定し、個人情報は架空の名前へ置き換える。
試験の合格ラインも先に書いておこう。たとえば「担当・期限に誤りがなく、根拠を示せたら合格」とする。合格しなければ、その仕事では人の確認を増やすか、別のモデルを選ぶ。発表の数字だけで任せる範囲を広げないことが、長く使うための近道になる。
機密資料や個人情報を含む仕事では、モデルの性能だけでなく、組織の利用ルールと接続先の権限を確認する。どのファイルを読ませるか、どのサービスへ書き込むか、誰が最後に承認するかを先に決める。公開してよい架空データで試してから、必要な範囲だけを広げるのが安全だ。
フォーム入力やファイル整理も、見た目では成功したように見えて、保存できていない場合がある。結果を必ず開き直し、変更前後を照合する。支払い、契約、公開発信など影響の大きい操作は、人が内容を確認して最終判断する。AIに任せる仕事が増えるほど、この「止まって確かめる」設計が効いてくる。
GPT-6.1 Terraの価値は、単に新しいモデルが増えたことではない。読む、考える、画面を動かす、結果を確かめるという一連の仕事を、より軽く試せる選択肢が増えたことだ。まずは15分の小さな課題で、速さよりも誤りの少なさと報告の正確さを見よう。
