要約:
OpenAI は、ChatGPT モバイル アプリケーションに音声ベースのインテリジェント エージェント機能の追加を開始したと発表しました。将来的には、ユーザーは音声を通じて ChatGPT とチャットできるだけでなく、音声を使用してより複雑な実務作業を実行するよう ChatGPT に直接命令できるようになります。たとえば、ユーザーは ChatGPT にドキュメントの作成、電子メールの下書き、Slack メッセージの要約、さらには複数の手順を必要とする一連のタスクの実行を依頼できます。
このアップデートの核心は、ChatGPT がデスクトップに徐々に追加してきた Agentic Work 機能を携帯電話にも導入することです。 Plus および Pro ユーザーの場合、携帯電話の [仕事] タブを直接使用して、ドキュメントの作成、メールの下書き、Slack メッセージの要約を行うことができるようになりました。また、Web サイトの作成、プレゼンテーションの作成、クラウド ブラウザの使用、財務関連タスクの処理など、より複雑なワークフローを実行することもできます。
Free および Go ユーザー向けに、OpenAI はプラグインと接続されたアプリケーションの使用に重点を置いています。これは、さまざまなサブスクリプション レベルのユーザーが ChatGPT を外部ツールやアプリケーションで動作させることができますが、利用できる機能の具体的な範囲が異なることを意味します。
このアップデートでは、ChatGPT 音声モード自体の動作方法も変更されます。 OpenAIは、音声会話によりリッチなテキスト出力が提供できるようになり、ユーザーはChatGPTで通信する際に、より完全なテキスト情報を同時に確認できると述べた。さらに、ユーザーは現在の会話を終了して最初からやり直すことなく、テキスト モードと音声モードをより簡単に切り替えることもできます。
デバイス間での継続的な動作も、このアップデートの重要な部分です。ユーザーは、外出中に携帯電話を使用して ChatGPT に音声でタスクの処理を開始するように指示し、コンピュータに戻ってタスクの表示と完了を続けることができます。言い換えれば、携帯電話は主に指示を発行し、いつでもタスクを開始する責任を負いますが、デスクトップはより複雑なワークフローを処理し続けることができます。
この変更は、OpenAI による近年の音声インタラクションへの継続的な投資に関連しています。 In July this year, OpenAI launched a new GPT-Live speech model, focusing on improving natural dialogue, interruption processing, and continuous communication capabilities. Subsequently, OpenAI brought this voice capability to desktop applications, allowing users to control the intelligent agent in ChatGPT Work through voice, or complete software development tasks in Codex.
以前のデスクトップ バージョンでは、ユーザーは音声経由で複雑な複数ステップのコマンドを発行できました。 For example, developers can directly tell ChatGPT to create a new code thread, submit a Pull Request, and find the root cause of a program vulnerability without having to step through each operation.このモバイルアップデートは基本的にこのアイデアに従っていますが、音声制御とインテリジェントエージェント機能を携帯電話にさらに拡張します。
OpenAI は、人々が AI と対話して複雑なタスクを完了するために音声が重要な手段になりつつあると考えています。 Instead of having to stop and type text, users can directly tell the AI what needs to be done through voice while walking, commuting, or doing other things, and then let the intelligent agent continue to execute it in the background.
この傾向は、OpenAI の以前の音声テクノロジーの位置付けとも一致しています。 The company has stated that it hopes that as model capabilities continue to improve, voice will eventually become a major computer interaction method, and users can continue to command AI to complete increasingly complex and longer-lasting tasks through natural language.
OpenAI は、今年 7 月に GPT-Live を開始したときにも、この開発の方向性を実証しました。 The new speech model can not only handle user interruptions more naturally, but also call more advanced text models for search, reasoning and agentic tasks during continuous voice communication. In this way, the voice mode is no longer just an interface responsible for "speaking", but has gradually become the entrance to control the entire AI working system.
このモバイル アップデートは、OpenAI が ChatGPT モバイル アプリケーションの位置付けを徐々に変更していることも意味します。これまで、ChatGPT のモバイル版は主に質疑応答、検索、書き込み、音声チャットなどのタスクを担っていました。 Now users can start a complete workflow directly from their mobile phone and let AI complete the actual operation in connected applications and tools.
同時に、OpenAI のアプローチは、競合他社が取っている方向性とも競合します。 Anthropic has also recently been strengthening Claude's mobile and desktop collaboration capabilities, and further integrating the chat interfaces of Cowork and Claude, allowing users to initiate tasks from mobile devices and then transfer them to the desktop to continue processing.ただし、両社の製品構造には依然として異なる選択肢があります。 OpenAI は依然として、通常のチャット インターフェイスを Work などの作業スペースから分離しています。
OpenAI の現在の製品ロードマップから判断すると、音声、インテリジェント エージェント、およびクロスデバイスの作業が徐々に統合されています。 In the future, users will not necessarily need to open a specific application, find specific buttons, and then operate the software step by step. Instead, they can directly state their goals, and ChatGPT will be responsible for understanding the task, calling tools, and executing multiple steps.
This mobile update does not just add a voice chat function, but also allows ChatGPT on the mobile phone to begin to have the ability to "voice command work". As OpenAI continues to improve products such as GPT-Live and Work, ChatGPT's voice mode is gradually transforming from a simple conversation tool to a portal connecting users with AI agents, external applications, and actual digital workflows.
コメント