室崎敬太が思う『GPT-6 Astra』高性能すぎるAIを使える時代に企業はどうするべきか

GPT-6 Astraで何が変わる？ 誰もが高性能AIを使える時代に企業はどうするべきか

「また新しいAIが出たらしい」そんなニュースを見ても驚かなくなった経営者の方も多いのではないでしょうか。

ChatGPTが登場してから、文章作成、要約、調査、画像生成、プログラミングなど、AIができることは急速に増えてきました。
そして2026年9月3日、OpenAIは新モデル「GPT-6 Astra」を発表しました。

GPT-6 Astraは、単に質問へ答える能力が高くなったモデルではありません。

Webを調査する。
資料を読む。
パソコンを操作する。
CRMの情報を更新する。
文書や表計算、プレゼンテーションを作る。
プログラムを書く。
複数の工程をまたいで仕事を進める。

OpenAIはGPT-6 Astraを「最も困難なエンドツーエンドの仕事」のためのモデルと位置づけています。

相変わらず・・・難しい言葉選び。
最も困難なエンドツーエンド・・・
これを研修で説明しないといけない私はまたしばらく頭を抱えることになりそうです。

簡単に言えば最初の依頼から最終的な成果物や処理完了まで、複数の工程をまたいで進める難しい仕事ができるよ。という認識からスタートすれば良いかと思います。

＊「エンドツーエンド（end-to-end）」は、途中の一作業だけではなく、仕事の最初から最後までという意味で使われます。
2026年9月7日時点では限定的な組織から段階的に提供が始まっており、より広い提供が予定されています。

ここまで来ると、AIについて考える問いそのものを変える必要があります。
「GPT-6 Astraで何ができるのか」だけではありません。

これから企業が考えなければならないのは、「これほど高性能なAIを、多くの人が使える時代に、私たちはどう仕事を設計するのか」という問題です。

私は、GPT-6 Astraが象徴しているのは、単なるAIの性能向上ではないと考えています。

これから始まるのは、AIの性能競争よりも、AIをどこに使い、どこでは使わないかという経営と業務設計の競争なのではないでしょうか。

GPT-6 Astraで、AIは「答えるもの」から「仕事を進めるもの」へ

これまで企業での生成AI活用というと、
「メールを書いて」
「この議事録をまとめて」
「企画書の案を作って」
「Excel関数を教えて」
といった使い方が中心でした。

つまり、人間が仕事全体を進めながら、その途中の作業をAIに手伝ってもらっていたわけです。
GPT-6 Astraが示している方向は少し違って、たとえば営業の仕事なら、

顧客企業を調査する。
過去の商談情報を確認する。
提案書を作る。
メールを作成する。
CRMへ記録する。
次回予定を整理する。

こうした複数工程を、より連続した「一つの仕事」としてAIが扱えるようになってきています。

OpenAIも、オンラインフォームへの入力、顧客情報の更新、カレンダー整理、オンライン調査、文書作成など、実際のコンピューター操作能力をGPT-6 Astraの大きな特徴として説明しています。

つまり、「AIに聞く」から「AIと働く」、そして一部では「AIに仕事を任せる」ステージに上がったと言えます。
これがGPT-6 Astraのポイントであり大きな変化です。

本当に大きな変化は「高性能AIを多くの人が使えること」

私はGPT-6 Astraそのものより、もう一つ重要な変化があると思っています。
それは、高度な知的能力を利用するためのハードルが下がっていることです。

以前なら、高度な調査、データ分析、プログラミング、資料作成には、それぞれ専門的な知識や経験が必要でした。
もちろん専門家が不要になるわけではありません。

しかし、その能力の一部をAIが補えるようになると、これまで専門家にしかできなかった仕事に、より多くの人がアクセスできるようになります。

これは非常に大きな社会的メリットです。
一方で、企業経営という視点では少し違う問題も出てきます。
自社だけが高性能AIを持っているのであれば、それは競争優位になります。
しかし競合企業も同じAIを使える。

取引先も使える。
個人でも使える。

そうなれば、「最新のAIを導入しています」だけでは差別化になりません。

自社独自のデータ、
顧客との関係、
現場で蓄積された経験、
業務ノウハウ、
判断基準、
組織文化、
仕事の進め方

むしろ重要になるのはこのような部分になります。
私は今後広がるのは、単純な「AI格差」ではなく、「業務設計格差」だと考えています。

同じGPT-6 Astraでも、使い方によって大きな差が生まれる

たとえば、同じ業界にA社とB社があったとします。

A社はGPT-6 Astraを使って、「このメールを丁寧にしてください」「この資料を要約してください」と利用しています。
もちろん、それでも十分便利です。

一方B社では、

問い合わせを受ける
↓
内容を分類する
↓
過去案件を検索する
↓
回答案を作成する
↓
担当者が確認する
↓
顧客へ送信する
↓
対応履歴を記録する

という業務そのものを整理した上で、その一部にAIを組み込んでいる。
同じGPT-6 Astraを契約していたとしても、生産性への影響はまったく違います。

つまり、AIの能力が標準化されればされるほど、「会社が自分たちの仕事をどれだけ理解しているか」が差になります。

「誰でも使える」GPT-6 Astraは、メリットだけではない

高性能AIの民主化には、もう一つ考えなければならない側面があります。
それがリスクです。

GPT-6 AstraについてOpenAIは、自社のPreparedness Frameworkにおいて、サイバーセキュリティ能力が初めて「Critical」の基準に達したモデルだと説明しています。

適切なツールやアクセス権が与えられた場合、人が一工程ずつ指示しなくても、未知のセキュリティ上の欠陥を発見し、それを悪用する方法を開発できる能力が確認されたとして、従来以上の安全対策を導入しています。

もちろん、一般利用者がそのまま自由に危険な行為を実行できるという意味ではありません。
OpenAI側でも強い制限や監視が行われています。

しかし、重要なのは、AIの能力向上は、防御する側だけを強くするわけではないということです。

• 詐欺。

• なりすまし。

• フィッシング。

• サイバー攻撃。

• 大量の偽情報。

高度なAIが社会へ広がるほど、悪意を持った人が利用する可能性も考えなければなりません。

会社の中にも「AIリスク」はあります

リスクは外部からの攻撃だけではありません。
むしろ中小企業にとって身近なのは、社員による悪意のないAI利用かもしれません。

「この契約書をチェックして」
「この顧客一覧を整理して」
「この社内資料を要約して」
と、個人情報や社外秘情報をAIサービスへ入力する。

本人には悪意がありません。
むしろ仕事を早く終わらせようとしています。

しかし会社側が、どのAIを利用してよいのか。
何を入力してよいのか。
どの情報は禁止するのか。
誰がどの機能を利用できるのか。
というルールを決めていなければ、便利さがそのままリスクになります。

会社が把握していないAI利用、いわゆる「シャドーAI」への対応も、今後さらに重要になるでしょう。

AIを禁止するだけでは、おそらく解決しません。
便利であれば、人は使います。

必要なのは、「使わせない管理」ではなく「安全に使える設計」だと思います。

AIが優秀になるほど「AIを信じすぎる」問題も起こる

もう一つ見落としやすいのが、人間側の心理です。
心理学や行動科学では、自動化されたシステムの判断を過度に信用してしまう傾向を「自動化バイアス」と呼びます。

AIがよく間違うのであれば、人は疑います。
ところがAIが非常に優秀になり、ほとんどの場合正しい回答をするようになると、

「AIが確認したから大丈夫だろう」
「Astraが判断したなら間違いないだろう」
という感覚が生まれやすくなります。

ここに別の危険があります。
経営で重要なのは、AIが99回正しかったことだけではありません。
100回目に間違ったとき、会社として止められる仕組みがあるか。

こちらの方が重要です。

• 契約。

• 採用。

• 与信。

• 送金。

• 重要顧客への連絡。

• 法務判断。

こうした仕事まで、AIができるからという理由だけで完全自動化する必要はありません。
AIの能力と、AIへ与える権限は別に考えるべきです。

「何でもGPT-6 Astra」を使うのは、良いDXではない

GPT-6 Astraが非常に高性能なのであれば、「会社のAIを全部Astraにすればいい」と考えたくなるかもしれません。

私は、それも違うと思っています。

• 住所から都道府県を抜き出す。

• 決められた文章を分類する。

• 数字を転記する。

• 固定された計算をする。

• 定型的な通知文を作る。

こうした仕事に、毎回最上位のAIが必要でしょうか。
場合によってはExcelで十分です。
普通のプログラムの方が確実な場合もあります。
小型AIで十分な仕事もあります。

そもそもAIを使わない方が速い仕事もあります。

一方、大量の資料を読み、複数の条件を整理し、過去の経緯を踏まえ、例外まで考えながら判断材料を作る。

そのような仕事なら、GPT-6 Astraのような高性能モデルを利用する意味が大きくなります。

つまり、最高性能のAIを使えることと、最高性能のAIを使うべきことは同じではありません。

API使用料を考えても「適材適所」が必要になる

この問題は経営コストにも直結します。
GPT-6 AstraのAPI料金は、2026年9月7日時点で100万トークンあたり入力10ドル、出力50ドルとされています。
※トークンとは、AIが文章を処理する際の文字や単語を細かく分けた単位です。文章量が増えるほど、基本的には利用するトークンも増えます。

社員がChatGPTの画面で数回使う程度なら、API料金を意識する機会は少ないでしょう。
しかし企業の業務システムへAIを組み込み、1日1万回、月に数十万回。複数部署で常時処理する。という状態になれば話は変わります。

1回あたり数円、数十円の差でも、年間では大きな金額になります。

簡単な処理はルールベースのプログラム。
少し曖昧な処理は小型AI。
高度な推論が必要な仕事は高性能AI。
重大な意思決定は人間。

システムを設計するときには、振り分ける考え方が必要になります。

私はこれを、「AIを使いすぎないAI活用」と考えています。

環境負荷まで考えれば「大きなAIを全部に使う」は再検討する価値がある

もう一つ、今後企業が無視できなくなるのが環境負荷です。
AIは画面上では非常に軽く見えます。
文字を入力すると数秒後に答えが返ってきます。
しかし、その裏ではデータセンターが動いています。

半導体が動き、
電力を使い、
設備を冷却し、
ネットワークや電源インフラが支えています。

国際エネルギー機関（IEA）は、世界のデータセンターの電力消費について、2030年には約945TWhまで増え、現在の約2倍になると予測しています。

また、その増加の主要因としてAIを挙げています。
もちろん、だから「AIを使うのをやめましょう」という話ではありません。

AIによって移動を減らす。
在庫を最適化する。
無駄な作業を削減する。
エネルギー利用そのものを効率化する。
そうしたプラスの効果もあります。

重要なのは、AIを使うこと自体を目的にしないことです。
「AIでできるからAIを使う」ではなく、「この仕事に、その計算資源を使う価値があるのか」まで考える。

コストだけではなく、社会や環境まで考えれば、これは今後もっと重要になると思います。

日本企業はすでに「AIを入れる」次の段階に入り始めています

IPAの「DX動向2026」では、日本企業でAI導入が着実に広がっている一方、その効果は業務効率化や迅速化に集中しており、新たな価値創出や企業変革への展開はまだ限定的だと報告されています。

これは非常に示唆的です。
AIを導入する会社は増えています。

しかし、「AIを使っています」と、「AIによって会社の仕組みが良くなりました」は違うと考えます。

メール作成が5分短くなる。
議事録作成が20分短くなる。
それも立派な効果です。

ただ、その先には、
そもそもこの会議は必要なのか。
なぜ同じ情報を3回入力しているのか。
なぜ承認に5人必要なのか。
なぜベテラン社員しか判断できないのか。
という業務そのものの問題があります。
AIが高性能になるほど、こうした問題が逆に浮き彫りになります。

GPT-6 Astra時代に企業がやるべき5つのこと

では、企業はどうすればよいのでしょうか。
私は5つに整理しています。

1．AIを入れる前に、仕事を整理する

最初から製品を選ばないことだと考えます。
誰が、何のために、どの情報を使い、何を判断し、誰へ渡しているのか。
まず業務を見ます。

2．「AIを使わない仕事」も決める

Excelでいいものや既存システムでいいもの。
小さなAIでいいものや人がやった方がいいもの。
それぞれを分けます。

3．AIに任せる範囲を段階的に決める

いきなり完全自動化する必要はありません。
最初は調査まで。次は下書きまで行う、その次に提案まで。
十分検証できてから実行まで。
小さく始めて、現場で検証します。

4．人が止める場所を作る

AIが実行できるからといって、すべて実行させる必要はありません。
重要な契約、送金、採用、顧客対応など、人が確認する場所を明確にします。
これはAIへの不信ではなく、内部統制です。
※内部統制とは、会社がミスや不正を防ぎながら適切に業務を運営するための仕組みのことです。

5．「AIを何回使ったか」ではなく、経営成果を見る

月1万回AIを使ったことや社員の80％がAIを利用しているだけではDXの成果とは言えません。

• 残業時間は減ったのか。

• ミスは減ったのか。

• 顧客への対応は早くなったのか。

• 社員の心理的負担は減ったのか。

• 利益につながったのか。

• 離職につながるような負担を減らせたのか。

こちらを見る必要があります。

GPT-6 Astra時代に必要なのは「AIファースト」ではない

私は、これからの会社に必要なのは単純な「AIファースト」ではないと考えています。何でもAIへ置き換えることが正解ではありません。

人がやる方がよい仕事があります。
AIがやる方がよい仕事があります。
既存システムで十分な仕事があります。

そして、本当はやめてしまった方がよい仕事もあります。

この4つを見極めることがDXです。
人をAIに合わせるのではありません。
人が無理なく働けるように、AIと業務の方を設計する。

私はそこを大切にしています。
AIを導入した結果、管理するシステムが増えて覚える操作が増えてしまい確認作業が増えたため現場がさらに忙しくなって仕舞えば本末転倒です。

コスト負荷。
運用負荷。
心理負荷。
環境負荷。

そこまで含めて持続できる仕組みなのかを見る必要があります。

GPT-6 Astraが変えるのは、AIではなく「仕事」の方かもしれない

GPT-6 Astraの登場を見て、「うちもすぐ最新AIを導入しなければ」と焦る必要はないと思います。

むしろ一度、自社の仕事を見てみていただければと思います。
これは本当に人がやるべき仕事なのか。
AIに任せられる部分はどこか。
逆にAIに任せてはいけない部分はどこか。
最上位AIを使う必要があるのか。
もっと小さな仕組みで十分ではないか。

そもそも、この業務自体が必要なのか。
ここから始めればよいのです。
誰もが高性能AIを使えるようになれば、「最新AIを使っていること」自体の価値は小さくなっていきます。
そのとき差になるのは、自社の仕事を理解し、適切に設計できる会社かどうかです。

私は、GPT-6 Astraの時代に広がるのは、これまでお話せいたAI格差（AIデバイド）ではなく、業務設計格差だと考えています。

そして、最も高性能なAIを最も多く使う企業が、最もDXが進んだ企業とも限りません。
必要なところに、必要なだけ使える会社。
人にしかできない仕事には、人の時間を戻す。
単純な作業は機械に任せる。
高性能AIが必要な仕事には、高性能AIを使う。
AIが不要なら、使わない。

そこまで判断できることが、これからの企業に必要なデジタル活用ではないでしょうか。
DXは、大きなシステム導入から始めなくても構いません。

まず一つ、「なぜ、この仕事はこんなに大変なのだろう」と現場が感じている業務を選び、仕事の流れを整理してみてください。

人がやること。
AIに任せること。
システムに任せること。
やめることを分けていく。

それだけでもDXは始まります。
GPT-6 Astraが示しているのは、AIがさらに賢くなった未来だけではありません。
私たち自身が「仕事とは何か」を、もう一度設計し直す時代が来た。
私は、そこに今回の変化の本質があると思います。

参考資料

・OpenAI「GPT-6 Astra: A new generation of intelligence」（2026年9月3日）
・OpenAI「Safety overview: GPT-6 Astra」（2026年9月3日）
・OpenAI「Path to Astra: critical capabilities and frontier safeguards」（2026年9月1日）
・OpenAI API Documentation「GPT-6 Astra Model」
・独立行政法人情報処理推進機構（IPA）「DX動向2026」（2026年7月）
・International Energy Agency（IEA）「Energy and AI」

室崎 敬太　【Linkedin】【E-mail】
馬車馬テクノロジーズ　業務執行社員/Chief Strategy Officer
その他DX関連の顧問を複数社請け負わせていただいております。
著書2026年９月１日発売
『AI・DX経営論――断絶の時代に、日本企業がどう生き残るか』

17歳で学生起業家として活動を開始し、事業の立ち上げと運営を経験。その後、ファーストリテイリンググループに入社。 三井住友海上火災保険株式会社にて法人営業やリスクマネジメントに従事し、金融・保険分野における専門性を確立。 独立後は室﨑総合保険／MKエージェンシーを創業。不動産会社との業務提携を経て役員に就任。 コロナ渦以降にAIやDX、プログラミングを学び現在は企業のDXおよびAX戦略の立案から実行までをリード。AI・LLMを活用した業務改革や新規事業開発を中心に、複数の企業において顧問として参画している。 国内上場企業から外資系企業まで、繊維、小売、自動車、金融、不動産、建設、サービスなど多岐にわたる業界での実務経験を有し、業界横断的な知見と実行力を兼ね備えたDXに強みを持つ。