DocsDigest
Back to listLanguage: JA
OpenAIOpenAI NewsApr 22, 2026, 10:00 AM

Workspace agents

A condensed section focused on the key takeaways first.

Original Post
OpenAIClaude

Quick Digest

Summary

A condensed section focused on the key takeaways first.

openaienmodel: gpt-5-mini-2025-08-07

Workspace agents

agentschatgptworkflowsautomationintegrationsrbactesting

Key Points

  • repeatable structured workflows
  • plain-language builder + preview testing
  • guardrails and rbac for connectors

Summary

Workspace agents in ChatGPT automate repeatable, tool-based workflows by combining a trigger, a process (skills), and integrations. They’re designed for structured, recurring tasks where consistent outputs and system handoffs matter. Unlike deterministic pipelines, agents use models to make bounded decisions within instructions and guardrails — so build with clear rules, human checkpoints, and testing.

Key Points

  • Core components: objective, trigger (schedule or manual), process/skills, approved tools, and governance (stop/escalation rules).
  • Common workflow patterns: briefing, triage & routing, analysis & recommendations, content creation, and planning/coordination.
  • Build process: start in plain language in the agent builder, define success criteria, select connectors, set triggers, and add guardrails (approvals/human-in-loop).
  • Testing and iteration: use preview with realistic examples (including ambiguous inputs), inspect outputs, then refine instructions or coach the agent via the builder chat.
  • Deployment and scaling: share agents with clear usage guidance and example prompts; ensure RBAC and connector permissions are configured for team access.
  • Operational tip: begin with low-risk runs, review behavior, and gradually expand permissions for actions that make real-world changes.

Practical checklist for engineers

  • Define the objective and acceptance criteria before wiring tools.
  • Limit connector scope and add explicit escalation rules for sensitive actions.
  • Create 2–4 realistic test cases (ideal and messy) and iterate in preview.
  • Document intended inputs/outputs and include example prompts when sharing the agent.

Full Translation

Translations

A translation section that keeps the flow of the original article.

openaijamodel: gpt-5-mini-2025-08-07

ワークスペースエージェント

2026-04-22 | OpenAI Academy

ワークスペースエージェント

ChatGPTで繰り返し行う作業のためのエージェントを理解し、構築し、利用する

ほとんどのChatGPTユーザーは、草案作成、要約、ブレインストーミング、質問への応答など、単発のタスクにAIを使う方法を既に知っています。次の段階は、より広範で日常業務に組み込まれた使い方です。単発の瞬間を支援するのではなく、共有システム、標準的な引き渡し、安定した出力、タイミングや精度、プロセスなど現実世界の制約に依存する繰り返しのワークフローをAIが支援するケースが増えています。ここで登場するのが、ChatGPTのワークスペースエージェントです。これらは、毎回手作業で同じ手順を繰り返して情報をツール間でコピペする代わりに、繰り返し行うワークフロー向けに設計されています。

ワークスペースエージェントの詳細は、ブログ投稿をご参照ください。

エージェントとは？

一般的に、エージェントは以下の3つの要素から成るタスクを実行するシステムです：トリガー、（専門スキルを含むかもしれない）プロセス、および接続可能なツール／システム。

  • コンポーネント

    • 説明
    • 例

  • トリガー — エージェントを開始するもの

    • 例: “Every weekday at 9am”（毎週平日午前9時）や手動実行（“Run now”）

  • プロセスとスキル — エージェントがタスクを期待通りに完了するための手順

    • 例: 入力の確認、欠けている情報のチェック、出力の草案作成、引き渡しや次のアクション実行

  • ツールとシステム — 情報を収集し、許可があればアクションを実行するためにエージェントが使用できる承認されたツールや統合

    • 例: Slack、CRM、社内ドキュメント、チケットシステム、共有ドキュメント

エージェントが最も役立つのは、次のような作業です：

  • 繰り返し発生する（同じタスクが定期的に発生する）
  • 構造化されている（出力のフォーマットが明確で、良否を判断できる）
  • 時間ベースまたはイベント駆動（一定の周期で動く、またはイベントでトリガーされる）
  • ツールベース（チームが使うシステムから読み書きが必要）

ブレインストーミングや探索的なライティングなどのオープンエンドな思考には、特に単発タスクでは通常のチャットの方が適しています。

また、エージェントは従来のAPIワークフローとは異なります。従来のワークフローはしばしば deterministic（決定論的）で、各ステップが明示的に定義され、論理を変えない限り毎回同じ経路をたどります。一方、エージェントはより probabilistic（確率的）です。指示、ツール、ガードレールの中で動作しますが、モデルを使って文脈を解釈し、限定的な判断を行い、作業の進め方を調整します。

エージェントの構成要素（アナトミー）

ワークスペースエージェントを設計する際は、パーツに分けて考えると役立ちます。人に作業を渡す前に明確にするであろうことを想像してください：責任範囲、開始条件、停止・エスカレーションする条件、使用可能なツールや情報、従うべきプロセス、守るべきルールなど。

エージェントはアプリへのアクセスを必要とすることがあります。ChatGPTのアプリに関する詳細をご確認ください（別ウィンドウで開きます）。

以下はエージェント分解の例です。

Marketing campaign summary agent

  • Objective: キャンペーンのパフォーマンスを分析し、最適化案を提案する
  • Trigger: Every Monday at 10 AM
  • Process: KPIを取得、トレンドを特定、要約を作成、次のステップと担当者を提案
  • Tools: 分析ツールと共有の要約ドキュメント
  • Governance: 推奨案を草案作成；予算変更は承認が必要

Product feedback triage agent

  • Objective: 新しい製品フィードバックを要約し、適切な担当者に振り分ける
  • Trigger: Slackからのフォーム送信
  • Process: フィードバックをレビュー、関連項目をグルーピング、主要テーマを要約、フォローアップ担当を提案
  • Tools: Slack、チケッティングシステム、要約ドキュメント
  • Governance: チケットを草案作成；高優先度はエスカレーション；提出前に承認が必要

Sales pipeline summary agent

  • Objective: パイプラインの変更を監視し、リスクや機会をハイライトする
  • Trigger: Every weekday at 8 AM
  • Process: パイプラインをレビュー、リスクをフラグ、次のステップを提案
  • Tools: CRM、メールまたはSlack、パイプライントラッカー
  • Governance: インサイトと推奨を草案作成；関係者に通知；承認なしの直接的な外部連絡は不可

エージェントワークフローの例

以下の例は、ワークフロー・パターンとして考えられます：チームや職能を横断して頻繁に現れる共通の、繰り返し可能なパターンです。ツール、データ、出力は異なる場合がありますが、基本的なパターンは一貫しています。

  • Briefing（ブリーフィング）

    • 仕組み: 複数ソースから情報を引き出し、意思決定可能な形にまとめる
    • ステップ:
      1. インプットを収集
      2. 主要なシグナルを比較・抽出
      3. 対象読者向けに要約
      4. ドキュメント、メモ、ブリーフとして共有
    • ユースケース例: 営業はCRM、通話記録、Slack、ニュースからアカウントブリーフを作成。マーケは分析、ソーシャル、ドキュメントからキャンペーンや競合の要約をまとめる。経営は日次の業界ブリーフと推奨を作成。

  • Triage and routing（振り分けとルーティング）

    • 仕組み: 受信アイテムを処理して適切な次ステップに渡す
    • ステップ:
      1. 受信アイテムをレビュー
      2. 分類・優先付け
      3. 次のステップ用アーティファクトを作成またはルート
      4. 担当者と依頼者に通知
    • ユースケース例: サポートはフィードバックをバグや機能要求に変換。IT/OpsはSlackの内部リクエストを受け取り緊急度で振り分け。採用は応募者をスクリーニングして適切な経路へ移動。

  • Analysis and recommendation（分析と提言）

    • 仕組み: データや証拠を解釈して見解を形成し、初期アウトプットにまとめる
    • ステップ:
      1. ソースデータを取得
      2. パターン、ギャップ、トレードオフを分析
      3. 推奨を形成
      4. メモ、デッキ、スプレッドシート、メールに草案化
    • ユースケース例: 財務は予算対実績を照合してマネージャー向けメモを作成。プロダクト/リサーチはユーザーフィードバックを分析して優先順位を提案。調達はベンダー見積りを比較して意思決定マトリクスと発注案を作成。

  • Content creation（コンテンツ作成）

    • 仕組み: コンテンツを生成・更新し、対象チャネル向けに調整して公開する
    • ステップ:
      1. ノートやソースから初稿を生成
      2. トーンや精度を編集
      3. 対象読者・チャネル向けに調整
      4. 公開または送信
    • ユースケース例: マーケはブリーフをキャンペーン資産に変換してフィードバックを回す。マネージャーは会議メモをオンボーディング計画やトレーニングに変換。営業はフォローアップメール、QBR要約、関係者向けレポートを作成。

  • Planning and coordination（計画と調整）

    • 仕組み: 目標をスケジュールされた作業やシステム更新に変える
    • ステップ:
      1. 制約から計画を作成
      2. 依存関係と可用性をチェック
      3. アクションを実行または準備
      4. システムを更新し関係者に通知
    • ユースケース例: PM/Chief of Staffは作業をブロック、会議をスケジュール、トラッカーを更新。イベントはオフサイトや登録、旅行手配を調整。管理はフォーム、リマインダー、注文、予約、フォローアップを管理。

ChatGPTでエージェントを使う

まずは組織が既に構築しているエージェントを使ってみるのが良い出発点です。エージェントが得意とするタスク、依存するツール、出力の種類を理解してください。まずは低リスクなリクエストをいくつか試し、挙動を確認します。簡単な入力から始め、結果をレビューしてタスクへのアプローチを把握しましょう。よく作られたエージェントでも人的判断は有益です。広い文脈やタスクの重要度、良い回答がどうあるべきかをあなたが最もよく知っていることが多いからです。

ChatGPTで自分のエージェントを構築する

基本を理解し、適切なユースケースが見つかったら、自分のワークスペースエージェントの構築を開始できます。すでにChatGPTで構築済みのスキルがある場合、ワークスペースエージェントはそれらのスキルを指示内で利用できます。

注意: ChatGPT Enterpriseでは、エージェントの構築アクセスはワークスペース管理者により制御されます。

  • プレーンな言葉で始める: エージェントビルダーチャットでエージェントが行うべき仕事、成功とみなす基準、守るべき制約を説明します。ビルダーがこれを明確なワークフローに翻訳し、チャット内で洗練するか、ワークフローと指示を直接編集できます。
  • ツールとコネクタを選ぶ: ワークフローを完了するためにエージェントが使える承認済みアプリを選択します。必要なシステムを説明すると、ビルダーが追加と認証の手順を案内します。
  • トリガーを選ぶ: いつエージェントを動かすかを決めます。ワークスペースエージェントのトリガーは、有人トリガー（誰かが実行を依頼）やスケジュールトリガー（設定した時間に実行）などがあります。エージェントビルダーチャットでプレーンランゲージを使って設定できます。
  • ガードレールを追加: 境界、承認の要否、センシティブな操作に対する人間によるチェックポイントを設定します。これらはエージェントビルダーチャットに直接追加できます。

プレビューでのテスト

エージェント構築は反復的なプロセスとして行うのが最適です。ChatGPT内のビルダーはそのループの一部です。エージェントをテストする際は、会話を使って何が起きたかを理解し、問題を見つけ、指示をステップごとに改良します。現実的な例をいくつか用意し、単純なケースと文脈が欠けている、あるいは曖昧なケースの両方を試してください。そうすることで、エージェントの挙動や明確な指示やガードレールが必要な箇所が見えてきます。

エージェントの編集

最初のバージョンが完璧でないのは想定内です。何かが違和感あるとき、改善するための有効な方法は2つあります。

  1. 指示を直接更新する: ステップの明確化、出力フォーマットの調整、制約の追加など、小さく具体的な変更をエディタで行います。
  2. 自然言語でコーチする: 問題がはっきりしない場合は、ビルダーの会話を使って問題点を指摘したり、オープンエンドな質問をしたり、推論を説明させて指示のギャップを浮き彫りにします。

変更後は再度テストして更新が期待通りに機能するか確認してください。

チームへのスケール

ワークスペースエージェントは共有された繰り返し作業向けに設計されています。エージェントを共有すると、チームは毎回プロセスを再考する代わりに一貫した方法でタスクを完了できます。共有する際は、何のためのエージェントかを明確にしてください。説明欄には、処理するタスク、使用するタイミング、提供すべき入力、期待される出力の種類を含めます。1〜2個の例示的なプロンプトも他のメンバーの出発点となり、導入を円滑にします。

ワークスペース管理者はRBAC（ロールベースアクセス制御）を通じてコネクタや機能へのアクセスを管理するため、Slack、Gmailなどのシステムと連携させるには適切な権限が必要になる点に留意してください。

追加の学習リソース（OpenAI Academy）

他にも実践的なAIスキルを構築するためのガイドとリソースがあります。

  • Using custom GPTs — OpenAI Academy — Apr 10, 2026
  • Using projects in ChatGPT — OpenAI Academy — Apr 10, 2026
  • Using skills — OpenAI Academy — Apr 10, 2026

すべてのトピックを表示して学びを続けてください。