OpenAI DevDay 2026まとめ。常時稼働エージェント「Dots」は、経営判断としてどう扱うか

01何が発表されたか

OpenAIは2026年9月29日、DevDay 2026で20件超の発表をしました。その中には新モデルGPT-6.1 Solと常時稼働エージェントDotsが含まれます。発表はChatGPT、Codex、モデル、新しい働き方の4領域にまたがっており、公式のリキャップ記事にまとまっています。

Dotsはタスクを割り当てると人の介在なしに動き続ける常時稼働型のエージェントです。「人がプロンプトを打つたびに動く」従来のChatGPTの使い方とは前提が異なります。

▶

02料金と提供範囲

料金面での最大の変化は、新モデルGPT-6.1 Solの入出力トークン価格が、旧モデルAstraの標準価格の1/5に下がったことです。GPT-6.1 SolはAPI、Plus、Pro、Business、Enterprise、Eduの各プランで利用できます。

処理速度を優先する有料ティアUltrafastも新設されました。Codex利用時で最大8倍速（300 tok/s）、API利用時で最大6倍速という公式の性能値が出ています。個人向けには月額500ドルでPlus比25倍の利用枠を持つPro 500プランも新設され、Ultrafastティアが利用枠に含まれます。これらはいずれも公式発表時点の数値で、日本での提供時期や為替を反映した現地価格は別途公式ページでの確認が必要です。

03業務での使いどころ

Dotsのような常時稼働エージェントは、継続的な監視が要る業務との相性がよいと考えられます。経理では、未確認ですが、請求書の受領状況や入金消込の照合を定期的に回すタスクへの割り当てが考えられます。営業では、提案資料の下調べや競合情報の定期収集を任せる使い方が想定されます。

人事では問い合わせ対応のログ整理、企画部門では市場動向の定点観測といった、「毎回人が思い出して実行する」業務をエージェントに渡す動きが広がると考えられます。ただし、これらはいずれも想定される使い方からの推測であり、OpenAIが業種別の活用事例を公式に出しているわけではありません。

生成AIを業務フローに組み込む設計の考え方は、生成AIを組み込んだ次世代の社内ワークフロー構築手法で扱っています。現場主導でAX（AIトランスフォーメーション）を進める際の条件は、現場主導のAXを成功させる3つの条件にまとめています。

常時稼働エージェントのような仕組みを経理業務に当てはめる際は、属人化していた確認作業がどう変わるかも論点になります。経理の属人化を解消する：統制強化とAIエージェント導入のロードマップでは、統制とエージェント導入を両立させる進め方を扱っています。

• 経理: 請求書照合や入金消込の定期実行（未確認、推測）
• 営業: 提案準備のための調査資料の定期収集（推測）
• 人事: 問い合わせ履歴の整理と要約（推測）
• 企画: 市場動向や競合情報の定点観測（推測）

04統制とデータの取り扱いで確かめること

Dotsを含むAgents APIの導入を検討する際は、CDO Magazineが報じているとおり、Dotsの展開がデータガバナンス上の論点として取り上げられています。自社での導入検討にあたっては、保存先の地域がEnterprise契約における既存のデータ管理方針と整合するかを個別に確認することが望ましいと考えられます。

加えて確認すべき点として、Enterprise版では管理者による明示的な有効化が必須であることが報じられています。未確認ですが、常時稼働という性質上、誰がどの権限でタスクを割り当てたかの監査ログが、人が都度操作する従来のChatGPTよりも重要になると考えられます。

経理領域における内部統制の論点整理は、経理でAIを使う前に、統制まわりで整理しておく論点でも扱っています。また、現場で作成した業務資料が使われなくなる背景には統制とは別の要因もあり、属人化対策で作った資料は、なぜ使われなくなるのかで取り上げています。

• データレジデンシー: 保存先の地域がEnterprise契約のデータ管理方針と整合するか個別に確認が望ましい（CDO Magazine報道を踏まえた推奨、未確認含む）
• Enterprise版の有効化: 管理者による明示的な設定が必須
• 監査ログ: タスク割り当ての記録方法を導入前に確認（未確認、推測含む）

05次の一手

今週やるべきことは、自社の業務一覧から「継続的な監視や定期実行が要る業務」を洗い出し、それぞれで扱うデータのデータレジデンシーがEnterprise契約の既存のデータ管理方針と整合するかを一つずつ確認することです。DotsやAgents APIを使うかどうかの判断は、速度や価格の魅力ではなく、扱うデータの機微度から逆算して決める必要があります。

価格が下がったことや処理が速くなったことは歓迎すべき変化ですが、統制の確認を飛ばして導入を進めるべきではありません。 下のpromptは、自社の業務一覧から常時稼働エージェントへの委譲候補を洗い出すために、そのまま使えます。

削減効果の試算そのものが社内で通らないケースも見られます。見積もりの出し方については「で、いくら？」で潰される削減見積もりの直し方で扱っていますので、あわせてご確認ください。製造業など現場オペレーションでのAI活用を検討する場合は製造業におけるAI伴走型オペレーションモデルへの転換も参考になります。

以下は私の部署が担当している業務の一覧です。

[ここに業務名と頻度、扱うデータの種類を箇条書きで貼り付ける。例: 請求書照合、毎日、取引先名と金額]

この一覧から、次の条件に当てはまる業務を抽出してください。
1. 人が毎回思い出して実行している定期業務であること
2. 判断の多くが過去の基準やルールに沿って機械的に行えること
3. 扱うデータが自社のデータ管理方針上、委譲しても業務影響が出ないこと

抽出した業務ごとに、委譲した場合のリスク（データの機微度、誤りが起きた場合の影響範囲）を3段階（高/中/低）で評価し、理由を1文で添えてください。