OpenAIがChatGPTデスクトップアプリにVoice機能を統合したことで、声ひとつでCodexの複数エージェントに並行指示を出せるようになった。Mac・Windowsの両プラットフォームで7月23日から順次展開されている。
GPT-Liveが実現する、中断できる音声インターフェース
今回の機能を支えるのは、7月8日に公開されたGPT-Liveだ。このモデルの特徴は全二重通話（Full Duplex）で、相手が話し終えるのを待たずにユーザーが割り込める。従来の音声AIは一問一答に近い構造だったが、GPT-Liveは会話を止めずに指示を追加・修正できる。重い推論処理はバックグラウンドのモデルへオフロードされるため、音声の応答を止めずにエージェントが動き続けられる仕組みになっている。モバイル・ウェブに続き、デスクトップが対応したことで、GPT-Liveはアクティブな作業環境の中心に入り込んだ形だ。
一声で複数のCodexエージェントが起動する
デスクトップ版のChatGPT WorkおよびCodexに直接統合されていることが、今回のポイントだ。「このリポジトリのバグを調べながら、Slackの未読も確認して」と一言伝えると、複数のエージェントが並行して動き始める。エージェントが作業を終えると音声で報告してくれるため、画面を離れた状態でも進捗を把握できる。
macOSでは「Appshots」と呼ばれる画面コンテキスト機能も使える。アクティブなウィンドウ・ローカルファイル・コードベースの構造を読み取った上で応答するため、「今開いているコードのどこがボトルネックになっている？」といった問いかけにも対応できる。
AIエージェントの操作が「タイプ」から「声」へ
これまでAIエージェントへの指示はテキスト入力が前提だった。プロンプトを書き、送信して、結果を待つという手順が標準的な使い方だったが、Voiceが加わることでその前提が変わる。コーディング中に別タスクのエージェントを起動したり、会議から戻ってすぐ「さっきの調査どうなった？」と確認したりする場面で、キーボードから手を離さずに済む。
OpenAIがエージェントの企業向け本番展開を加速させている流れと合わせて見ると、Voice・テキスト・APIの複数経路から同じエージェントを操作できる環境が整いつつある。エージェントを呼び出す手段が増えるほど、日常の作業への溶け込み方も深くなる。
対応プランはPlus・Pro・Business・Edu・Enterprise。iOSのRemote機能経由でも利用でき、デスクトップアプリをビルド26.715以降に更新することで利用開始できる。
FREE DOWNLOAD
実務で使えるお役立ちコンテンツを無料で見る
無料会員登録で、実務で使えるAIテンプレート・プロンプト・PDFを受け取れます。
全PDFにアクセスする（無料）
無料会員登録して受け取る
音声でAIを動かせると聞いても、「実際どう使うの？」と思っていた方もいると思います。
今回はじめて、Voiceがエージェントを動かす手段になりました。複数の仕事を声で投げて、戻ってきた報告を聞くだけ——その使い方は、思っていたより地に足がついています。
対応プランの方はデスクトップアプリのバージョンを確認してみてください。