AIエージェントOperator、米ProユーザーへWebブラウザ操作機能を提供開始

2025年1月23日（米国時間）、OpenAIは、ユーザーに代わってWebブラウザを操作しタスクを実行するAIエージェント「Operator」の研究プレビュー版を発表しました。2025年1月24日現在、米国の18歳以上のChatGPT Proユーザー（$200/月）限定で利用可能です。

Introducing Operator research preview | OpenAI

日本ではいつ公開される？Plusユーザーも使えるようになる？

  • 米国以外の地域（日本を含む）では、「今後数ヶ月以内にProユーザー向けに順次展開」される予定。
  • ただし、EU圏ではGDPR（一般データ保護規則）などの厳格な規制に対応する必要があるため、提供時期が遅れる可能性がある。
  • ChatGPT Plusユーザー（月額20ドルプラン）への開放は、「数ヶ月後」を予定。
  • さらに、TeamやEnterpriseプラン向けにも提供範囲が拡大される見込み。

OpenAI Operator が 200 ドルの Pro プランの一部であることを知った ChatGPT Plus ユーザー。

Operatorの3つの特徴

1. GUIを理解しブラウザを自律操作

Operatorは、GPT-4oの画像認識能力と強化学習を組み合わせた新モデル「CUA（Computer-Using Agent）」を搭載。ウェブページのボタンやフォームを「視覚的」に認識し、クリック・スクロール・文字入力など人間と同じ操作が可能です。

例：旅行サイトで高評価ツアーを検索予約、食料品の定期注文、煩雑なフォーム入力の代行

2. ユーザー主導の安全設計

  • ユーザー制御機能：ログイン情報や支払い情報など、機密性の高い情報の入力が必要な場面では、Operatorはユーザーに操作を引き継ぐよう促します。また、重要なアクションを実行する前には、ユーザーの承認を求めます。
  • タスク制限機能：銀行取引や重要な意思決定を伴うタスクなど、リスクの高いタスクは実行を拒否するように設計されています。
  • 監視モード：メールや金融サービスなど、特に機密性の高いサイトでは、ユーザーがOperatorの動作を監視できるモードが用意されています。
  • 悪意あるサイト対策：プロンプトインジェクション攻撃の検出、不審な挙動の監視、脅威検出パイプラインなど、多層的な防御機能を備えています。

3. プライバシー保護機能

  • 学習オプトアウト：ChatGPTの設定で「すべてのユーザーのためにモデルを改善する」をオフにすると、Operatorのデータもモデル学習に利用されません。
  • 透明性の高いデータ管理：ブラウザデータやログイン情報をワンクリックで削除できる機能や、過去の会話を削除する機能も提供します。

今後数週間から数か月でさらに多くのエージェントをリリース予定

「今後数週間から数か月でさらに多くのエージェントをリリースする予定です」。私のアイデア: Web 検索に加えて、PC 全体を制御するエージェントがまもなくリリースされます。Excel テーブルの作成と評価、フォルダーの作成、Word ファイルの検索と作成を行います。一般的なエージェント

https://x.com/kimmonismus/status/1882504493474222351

まとめ

Operatorはまだ研究プレビューの段階であり、複雑なインターフェースの操作など、改善の余地がある部分も存在します。しかし、OpenAIはユーザーからのフィードバックを基にOperatorを改善し、将来的にはChatGPTへの統合や、Plus、Team、Enterpriseユーザーへの提供拡大を計画しています。

また、Operatorの基盤技術であるCUAモデルは、APIとしても公開予定であり、開発者は独自のAIエージェントを構築できるようになります。

AIエージェントOperatorの登場は、人々の働き方やデジタルライフを大きく変える可能性を秘めた、歴史的な一歩と言えるでしょう。