今朝は10月26日までの公開情報を中心に確認した。今日の主役は、OpenAIの新モデル「GPT-6.1 Terra」。ただし単なる新モデル祭りではない。重要なのは「高性能モデルを毎回使う」から「仕事の種類ごとに安いモデル・専門Skill・MCPを振り分ける」方向がかなり具体化してきたこと。人間が全部部長に頼んだら会社が破産するのと同じで、AIも全部AstraやOpusに投げる必要はない。

1. 画面操作・Excel・帳票処理はGPT-6.1 Terraがかなり有力な“普段使い担当”に

情報の確度：確認済み

何が話題？

OpenAIが10月26日にGPT-6.1 Terraを公開。画像・画面の理解とPC操作を重視した高速・低価格モデルで、ChatGPT Work、Codex、APIで利用できる。標準API料金は入力100万トークン1ドル、キャッシュ入力0.05ドル、出力5ドル。OpenAIによればGPT-5.6 TerraやGPT-6.1 Solより標準API価格が50%低い。

つまり何ができる？

Excelや業務画面を見ながら入力する、請求書を読んで会計ソフトへ転記する、フォーム入力、画像を含む資料確認、ブラウザ操作など「人間が画面を見て手を動かす仕事」を大量処理しやすくなる。

こんな人に役立つ

CodexやChatGPT Workでファイル・ブラウザ・デスクトップ作業を任せる人。APIで定型業務を自動化する人。

具体的な使用例

請求書PDFを読み、会社名・請求日・金額・支払期限を抜き、会計システムへ入力する。高価な最上位モデルを毎回呼ばず、Terraで処理し、曖昧な伝票だけSol/Astraへ回す。

難易度：ChatGPT Work/Codexならすぐ使える。API自動化は少し設定が必要。

試し方

  • ①ChatGPT WorkまたはCodexを開く
  • ②GPT-6.1 Terraを選ぶ
  • ③スクリーンショットや作業ファイルを渡す
  • ④「この画面から○○を確認し、変更前に操作内容を一覧で出して」と依頼
  • ⑤結果を確認してから書き込みを許可する。

料金・制限・罠

Plus、Pro、Enterprise、EduでWork/Codexから利用可能。APIは別課金。速く安いからといって、給与・振込・削除操作まで無確認で任せるのは雑。書き込み系は承認を挟むべき。

検証するとどこまで本当？

価格・提供先はOpenAI公式で確認済み。Astra並みという性能比較はOpenAI自身のベンチマークなので、実業務で完全に同等とは扱わない方がいい。

情報源：OpenAI「Introducing GPT-6.1 Terra」 https://openai.com/index/introducing-gpt-6-1-terra/

結月硝子一言：今日いちばん実用的なのはこれ。最強モデルを使うニュースではなく、「普段の雑務を安いモデルへ降ろせる」ニュースとして見る方が正しい。

2. GitHub CopilotにもGPT-6.1 Terra。Codex専用モデルではない

情報の確度：確認済み

何が話題？

GitHubは10月26日、GPT-6.1 TerraをGitHub Copilotで一般提供開始した。

つまり何ができる？

Copilot利用者も、日常的なエージェント型コーディングやターミナル作業にTerraを選べる。高価なモデルを常用せず、通常修正はTerra、設計や難問だけ上位モデルという分業がしやすい。

こんな人に役立つ

VS Code、Visual Studio、GitHub Copilotを使う開発者。

具体的な使用例

ログ解析、単純な修正、テスト追加、定型リファクタリングはTerraへ。原因不明の複雑な障害だけSol/Astra等へ切り替える。

難易度：すぐ使える。

試し方

  • ①Copilotのモデル選択を開く
  • ②GPT-6.1 Terraを選択
  • ③普段よく行う小さな修正を一件依頼
  • ④速度・使用量・修正品質を普段のモデルと比較する。

料金・制限・罠

Copilot側のプラン・組織ポリシーによって利用可否が変わる。会社アカウントでは管理者がモデルを許可していない場合がある。

検証するとどこまで本当？

GitHub公式Changelogで10月26日の一般提供を確認済み。

情報源：GitHub Changelog「GPT-6.1 Terra in GitHub Copilot」 https://github.blog/changelog/2026-10-26-gpt-6-1-terra-in-github-copilot/

結月硝子一言：モデル選択は「一番賢いやつを選ぶ」ゲームから、仕事単価を考えるゲームになってきた。

3. CodexやClaude Codeへ“専門Skill”を足す方式が急速に広がっている

情報の確度：かなり確からしい。複数の公開リポジトリで実装を確認。

何が話題？

AIコーディング界隈で、巨大な万能プロンプトを書く代わりに、特定作業の手順をSKILL.mdやAGENTS.mdとして持たせる方式が急増している。10月25日のGitHub動向でもSkill集が目立つ。

つまり何ができる？

AIへ毎回「こういう順番で調査して、こう検証して」と長文説明しなくても、作業手順そのものを再利用できる。

こんな人に役立つ

Codex、Claude Code、Cursor、Windsurfを繰り返し使う人。

具体的な使用例

社内のRPG/CL解析なら「①呼出元確認 ②PARM確認 ③DB参照確認 ④戻り値確認 ⑤推測と確定事項を分離」という解析SkillをAGENTS.mdへ保存する。以後、別PGMでも同じ調査手順を使わせられる。

難易度：少し設定が必要。

試し方

  • ①自分がAIへ何度も説明している手順を一つ選ぶ
  • ②Markdownで5〜20行程度の手順にする
  • ③CodexならAGENTS.mdなどプロジェクト指示へ入れる
  • ④同じ種類の別作業を依頼し、手順が再現されるか確認する。

料金・制限・罠

Skillを大量投入すると指示同士が衝突する。何でも一枚の巨大AGENTS.mdへ突っ込むと、AI用就業規則が六法全書になる。

検証するとどこまで本当？

設計Skill集「ai-design-skills」ではClaude Code、Cursor、Codex、Windsurf向けの導入方法が公開され、CodexではSKILL.mdをAGENTS.mdへ組み込む方法が明示されている。

情報源：elayadesign/ai-design-skills https://github.com/elayadesign/ai-design-skills

結月硝子一言：これはしのさんのCodex運用と相性がいい。プロンプトを毎回工夫するより「作業標準」をファイル化する方が長期的には効く。

4. Cloudflareが“AI用セキュリティ監査手順”を公開。Skillは単なるプロンプト集ではなくなってきた

情報の確度：確認済み

何が話題？

Cloudflareがsecurity-audit-skillを公開。コード、API、サービス、CLI、ライブラリなどをAIエージェントに監査させるための段階的な作業手順をSKILL.mdとして定義している。

つまり何ができる？

AIに「脆弱性を探して」と雑に投げるのではなく、信頼境界、影響、再現、証拠、優先順位、最小修正まで一定の型で調査させられる。

こんな人に役立つ

自作ツールや社内プログラムをCodex/Claude Codeでレビューする開発者。

具体的な使用例

Pythonの社内ツールを作った後、通常のコードレビューとは別にセキュリティSkillを読み込ませ、「外部入力→ファイル操作→権限」の経路だけ重点監査する。

難易度：技術者向け。ただしSkill自体を読むだけでも参考になる。

試し方

  • ①GitHubのSKILL.mdを読む
  • ②いきなり全自動監査せず、対象リポジトリのコピーで試す
  • ③AIが指摘した箇所をコード上の証拠と照合
  • ④再現できたものだけ修正候補にする。

料金・制限・罠

AIのセキュリティ指摘は誤検知がある。「重大」と書いてあるだけでは脆弱性ではない。Cloudflare自身も具体的な影響主体・資源・結果がない候補を確定所見として扱わない設計にしている。

検証するとどこまで本当？

Cloudflare公式GitHub上のSKILL.mdを確認済み。

情報源：Cloudflare security-audit-skill https://github.com/cloudflare/security-audit-skill

結月硝子一言：AIの価値が「答えを出す」から「専門家の調査手順を再現する」へ移っている好例。

5. REAが急伸。CodexやClaude Codeから“ソースのないソフト”まで調査できるMCP

情報の確度：確認済み。ただし用途は技術者向けで、法的・契約上の制約に注意。

何が話題？

REA（Reverse Engineer Anything）がGitHubで急速に伸びている。MCPを通じてCodex、Claude Code、Cursor、Gemini CLIなどからJavaScript/Electronアプリ、.NET、ネイティブバイナリなどを解析できる。10月25日時点のGitHubトレンド追跡では一日で数千スター規模の増加が観測されている。

つまり何ができる？

ソースコードがない自分のアプリや許可された対象について「この機能は内部でどう動いている？」とAIへ調査させ、根拠付きで説明させられる。

こんな人に役立つ

レガシーソフト解析、互換性調査、ソフトウェア保守、セキュリティ研究をする技術者。

具体的な使用例

古いElectron製社内ツールについて、検索処理がどのモジュールから呼ばれているかを解析し、移行版の仕様書を作る。

難易度：技術者向け。

試し方

Node.js/npm環境で npx rea-agents setup を実行し、対象エージェントを選ぶ。まず自分が所有するテストアプリで動作確認する。

料金・制限・罠

REA自体はMITライセンスだが、IDA、Hopper等の外部解析ソフトは別ライセンス。解析対象の利用規約・著作権・契約・権限も別問題。解析できることと、解析してよいことは同義ではない。

検証するとどこまで本当？

公式リポジトリでCodex、Claude Code、Cursor、Gemini CLI等へのセットアップとローカル解析を確認済み。

情報源：morluto/rea https://github.com/morluto/rea

結月硝子一言：AS/400の古い資産みたいな「仕様書が死んでコードだけ残ってる世界」に、この系統の道具が成熟するとかなり面白い。

6. GmailのAI Inbox系機能がWorkspaceで本格展開。メールを“読む箱”から“質問するデータベース”へ

情報の確度：かなり確からしい。Googleの展開情報を引用する複数報道で確認。組織・地域・段階配信の差あり。

何が話題？

Google Workspace向けGmailでAI InboxやGmail Liveの展開が進行。Scheduled Releaseドメインでは10月26日から段階展開に入る機能がある。Gmail Liveは受信箱を対象に自然言語で質問し、音声で回答する方向の機能。

つまり何ができる？

「○○社との最後のやり取りは？」「注文番号ABCの現在状況は？」のように、メールを一件ずつ検索する代わりに受信箱全体へ質問できる。

こんな人に役立つ

メール量が多い営業、事務、サポート、管理職。

具体的な使用例

朝一番に「昨日届いたメールのうち、今日返信が必要そうなものを理由付きで整理」と問い合わせる。

難易度：対象アカウントならすぐ使える。

試し方

  • ①会社のGmailでAI Inbox/Gemini関連表示を確認
  • ②まず検索用途だけで試す
  • ③AIが示したメールを原文で確認
  • ④送信や判断は原文確認後に行う。

料金・制限・罠

段階配信なので全ユーザーへ同時には出ない。Workspace管理者設定やプランにも依存。AIの要約だけを根拠に契約・支払・人事判断をしない。

検証するとどこまで本当？

10月26日開始のScheduled Release展開は報道で確認したが、今朝の検索ではGoogle公式一次ページを十分に取得できなかったため「確認済み」ではなく「かなり確からしい」とした。

情報源：WebProNews「Gmail’s AI Inbox and Gmail Live Begin Rolling Out to Paid Google Workspace Users」2026年10月 https://www.webpronews.com/gmails-ai-inbox-and-gmail-live-begin-rolling-out-to-paid-google-workspace-users

結月硝子一言：Gmail検索をAIへ置き換える価値は大きい。ただし「見つける」は任せていいが、「そのメールに何が書いてあったか」は最後に原文を見る。この一手間はまだ捨てない方がいい。

7. Anthropic社内では“同じ作業を2回やったら自動化候補”という運用がかなり現実化

情報の確度：確認済み。ただしAnthropicという特殊なAI企業内部の事例。

何が話題？

Anthropicが自社内のAI利用を調査。2026年3月にはAIエージェントの作業時間が人間の作業時間を上回り、8月には社員が直接使うエージェントだけでも人間の約6倍の稼働時間になったという。コードだけでなく、契約処理、請求書、営業、採用、メール、予定管理へ広がっている。

つまり何ができる？

重要なのは数字より運用思想。ある営業担当者は「同じことを2回やったら、3回目をClaudeにやらせられないか考える」と説明している。これは一般会社員にもそのまま使える。

こんな人に役立つ

毎週・毎月同じExcel加工、メール整理、ファイル確認、報告作成をしている人。

具体的な使用例

毎朝ZIPを開いてExcelを確認し、ファイル名を直して一覧へ記録する仕事なら、1回目は手動、2回目で手順を言語化、3回目からPython＋AIへ移す。

難易度：考え方はすぐ使える。完全自動化は作業次第。

試し方

今日の仕事中、「これ先週もやったな」と思った作業を一つだけメモする。手順を5行で書き、AIへ「このうち判断が不要な部分だけ自動化するとしたら？」と聞く。

料金・制限・罠

Anthropic社員はAI利用環境も技術支援も一般企業より恵まれている。生産性数字を普通の会社へそのまま外挿するのは無理がある。またコード量増加＝事業価値増加ではないこともAnthropic自身が認めている。

検証するとどこまで本当？

Anthropic公式研究で、エージェント利用時間、職種別出力、導入者と非導入者の比較まで公開されている。ただし観察研究なので完全な因果関係の証明ではない。

情報源：Anthropic「How employment is changing at Anthropic」2026年10月 https://www.anthropic.com/research/employment-at-anthropic

結月硝子一言：「AIで何ができる？」と探すより「自分が二度やった作業は何？」から探した方が、だいたい金になる。

8. AIエージェントの料金削減は“全部を生成AIに考えさせない”方向へ

情報の確度：研究段階。かなり興味深いが、そのまま一般導入する話ではない。

何が話題？

10月公開の研究で、複数AIエージェントの「次に誰へ渡すか」「結果を再確認するか」のような単純判断まで大型生成AIへ任せると、かなりのトークンを消費することが改めて示された。Jev-LiteMASでは、こうした判断を軽量モデルへ分離し、生成AIトークンを12.7〜54.6%削減しながら精度差を小さく抑えたと報告している。

つまり何ができる？

実務では「全部Astra/Opus/Solへ投げる」のではなく、分類・振り分け・単純判定は安いモデルや通常コード、難しい処理だけ強いモデルへ送る設計が合理的。

こんな人に役立つ

APIを使って大量処理する人、複数AIを組み合わせる自動化を作る人。

具体的な使用例

1000件の問い合わせメールを、①ルールで明白なものを分類 ②安価なモデルで残りを分類 ③判断困難な数十件だけ高性能モデルへ送る。

難易度：技術者向け。

試し方

API利用者なら、現在の処理を「単純分類」「生成」「難しい判断」に分解し、各段階のモデルと単価を書き出すだけでもいい。いきなり複雑なマルチエージェント基盤を作る必要はない。

料金・制限・罠

研究ベンチマークの削減率を自分の業務へそのまま当てはめてはいけない。モデルを安くしすぎると誤分類で後工程のコストが増える。

検証するとどこまで本当？

論文では複数ベンチマーク・複数モデルで評価しているが、まだ研究成果。実運用では自分のデータで測る必要がある。

情報源：arXiv「Jev-LiteMAS: Separating Decisions from Generation in Multi-Agent Workflows」2026年10月15日 https://arxiv.org/abs/2610.21411

結月硝子一言：AIの節約は「安いモデルを使う」だけじゃない。「そもそも、その判断に生成AI要る？」まで戻るともっと安くなる。

今日の観測

今日の流れはかなり明確。「一番賢いAIを一個置く」時代から、「安い普段使いモデル＋強い難問モデル＋専門Skill＋MCP＋通常コード」を組み合わせる時代へ移っている。

GPT-6.1 Terraはその象徴で、PC操作や日常コーディングを安価に大量処理する層を狙っている。一方、Cloudflareのsecurity-audit-skillやai-design-skillsは「専門家の作業手順」をAIへ移植し、REAはAIへ新しい感覚器官を与える。さらに研究側では、AI同士の振り分けまで高価な生成AIにやらせる必要はないという方向が出てきた。

モデル単体のIQ競争より、「どの仕事を、どのモデル・Skill・道具へ流すか」という配管設計の方が、実際の費用対効果を左右し始めている。

今日ひとつだけ試すなら

今日はGPT-6.1 TerraをCodexで一度使って、普段のモデルとの差を見るのが一番いい。5〜15分で終わる。

  • ①Codexを開く。 ②モデル選択でGPT-6.1 Terraが表示されていれば選ぶ。 ③普段なら上位モデルへ頼んでいる“小さめの実作業”を一件投げる。たとえば「このフォルダのPythonコードを読んで、処理の流れと改善候補だけ出して。まだ変更しない」。 ④速度、使用量、説明の正確さを確認する。 ⑤問題なければ、今後「日常作業＝Terra、難問＝Sol/Astra」の二段構えを試す。

今日の収穫は新モデルそのものより、「高性能モデルを常用しなくてもいい仕事が増えた」こと。AI利用料はモデル会社に寄付するために存在しているわけではないので、安い担当者で済む仕事は安い担当者へ回した方がいい。