dotsは専用クラウドに作業状態を保ち、必要なら利用者の端末とも連携する
最先端AIモデルの市場では、モデル単体の能力だけで製品の違いを示すことが難しくなりつつある。OpenAI、アンソロピック、メタなどは、研究、コーディング、コンピューター操作、複数工程の仕事に対応するシステムを提供している。競争の軸は、研究やコーディングなどの能力を、人が実際に仕事を任せられる製品としてどう提供するかへ移っている。
エージェント型AIには、従業員のコンピューター、業務アプリ、プライベートクラウドなど、企業がすでに所有・管理する環境内で動かす方式がある。dotsは、OpenAIが管理する環境を利用する別の方式を採っている。
各dotはOpenAIが管理する独立したコンピューティング環境で動き、利用者の端末だけに依存せず、専用の作業環境を継続して使える。長時間の仕事を続けやすい反面、エージェントの実行、データ処理、運用管理の多くを顧客自身のIT基盤外で行うことになる。
各dotには、作業状態を保持するクラウドコンピューターがある。作業の間が空いても、ブラウザーセッション、ファイル、ソフトウェアを利用できる状態に保てる。ローカルのファイルやアプリが必要なタスクでは、利用者のコンピューターを別途接続できる。ただし、ChatGPTデスクトップアプリがローカル側で作業している間は、接続した端末をオンラインかつ稼働状態にしておく必要がある。
日本時間2026年10月2日、ある日本の開発者は、接続したMacのフォルダーを調べるようdotに頼み、dotと接続端末を組み合わせる仕事の流れを実演した。dotは作業をOpenAIのコーディングエージェントCodexに委ね、読み取り専用のタスクを実行して正しい結果を返した。開発者が重要だとみたのは、人がCodexを開いて指示する方式から、dotがいつCodexを呼び出すかを判断する方式への変化だ。
別の利用者は、dotsに夜間約8時間分の仕事を任せる使い方を紹介している。エージェントがMac上のアンソロピックのコーディングツールClaude CodeとCodexを連携させ、Slackやスマートフォンで結果を報告するという。
dotsが向くのは、変化を見ながら繰り返す監視や更新の仕事
dotが最も力を発揮しそうなのは、完全な機械作業ではないが、繰り返し発生する仕事だ。例えば、毎週月曜日に報告書を送るだけなら、定期実行のスクリプトで対応できる。定期実行そのものは以前から可能だった。
より有用なのは、継続的な監視や運用を伴う仕事だ。OpenAIはdotsを、研究、データ分析、文書作成、ソフトウェア作業向けだと明確に位置づけている。例えば、製品マネジャーは顧客からのフィードバックを監視し、繰り返される苦情を分類して、傾向が変わったら要約を作るようdotに依頼できる。営業幹部なら、価格、製品情報、顧客からの要望が変わるたびに提案書を最新に保たせられる。研究者は、新しい情報を監視し、関連データが現れたら分析をやり直す仕事を任せられる。
