OpenAIの常時稼働エージェント『Dots』で仕事の単位が変わる──「会話→依頼しっぱなし」時代に備える3つの実務シフト

「朝に頼んで、夕方には完成してる」──そんな仕事の仕方が、もう現実になっています。

OpenAI DevDay 2026で発表された常時稼働型AIエージェント『Dots』の話です。

従来のChatGPTは「聞いたら答える」仕組みでした。ぼくたちが質問を打ち込んで、回答を受け取る。言ってみれば「毎回、自分から話しかけないといけない相手」です。

Dotsは違います。バックグラウンドで勝手に動き続ける。「月末の営業レポートをまとめておいて」と朝に頼めば、データの収集から集計、図表化まで、夕方には完成版がメールで届く。人間は「待つ」のではなく「任せる」側に回る。

トヨタで24年、現場にいたぼくが正直に言うと──これ、工場の自動化ラインが事務仕事に来た感覚に近いです。「人が手を動かす仕事」と「機械が回し続ける仕事」の境界線が、ホワイトカラーの領域にも引かれ始めた。

この記事では、Dotsがもたらす3つの変化──業務設計・権限委譲・監視体制──を、「明日から何を準備すればいいか」という視点で書きます。「AIは便利らしいけど、うちの会社でどう使えばいいかわからない」と感じている経営層・管理職の方に、読んでもらいたいです。

Dots とは何か──「話しかける AI」から「働き続ける AI」へ

OpenAI の Dots は、公式には「Autonomous Agent Operating at Scale」と定義されています。難しく聞こえますが、要するに「人間の指示を待たず、バックグラウンドで自律的にタスクをこなし続けるAI」です。

従来の ChatGPT や Claude は「リアクティブ型」──ユーザーが話しかけて初めて動きます。たとえるなら、「このラーメン、温めてください」と毎回声をかけないといけない電子レンジみたいなものです。

Dots は「プロアクティブ型」。朝に「月末締めの営業レポートをまとめておいて」と一度だけ言えば、その後の営業データ収集・集計・図表化・フォーマット整形を自分で進める。夕方には完成版が届く。

OpenAI の2026年9月の発表資料では、Dots の稼働時間が「従来型の最大20倍」と明記されています。チャットボットが「1日に数分だけ使う」とすれば、Dots はほぼ常時、割り当てられたタスクの中で動き続ける。

この違いが、管理職の仕事の中身そのものを変えていきます。

上司の仕事が根っこから変わる──「段取り指示」から「ゴールと制約」へ

Dots が入ってきたとき、最初にぶつかるのは「上司は部下に何を指示するのか」という問いの変化です。

トヨタにいたとき、現場の班長は「ステップAが終わったらBをやれ、結果はここに記録しろ」という段取りをひとつひとつ指示していました。それが管理職の仕事でした。部下はそれに従う。上司が「段取り」の責任を持つ構造です。

でも Dots に「営業成績ランキングを作ってくれ」と頼んだら、エージェントは自分で「データの確認→取得→整理→ビジュアライズ→配信」を判断して動きます。段取りをいちいち言う必要がない。

代わりに何が要るかというと、「何が成功なのか」と「何をしてはいけないのか」の明確化です。

トヨタ生産方式に「仕様と制約の明確化」という考え方があります。品質基準と禁止事項をはっきり決めないと、ラインは止まる。Dots の時代は、これがマネジメントの基本になります。

具体的には、こんなふうに変わります。

• 「どうやるか」より「何がゴールか」を言語化する: 「レポートはこのテンプレートで、このフォーマットで」という細かい指示から、「営業データを役員向けに可視化。ただし個人情報の抽出は禁止」というレベルの指示へ。
• 「してはいけないこと」を先に書き出す: エージェントが制約を知らなければ、想定外の動きをします。「顧客情報へのアクセスは営業部門のみ」「承認なしに社外へ発信しない」──こういった境界線を、導入前に明文化しておく。
• ゴールをあいまいにしない: 「売上を増やす」は曖昧すぎます。「Q4の新規顧客獲得件数を20%増やし、かつ顧客満足度スコアを80ポイント以上に維持する」くらいまで落とし込む。

最初は「そんな細かくゴールを定義するのか」と感じるかもしれません。でもこれ、やってみると気づくことがあります。「うちの会社、ゴールがあいまいなまま仕事していたな」って。Dots の導入準備が、組織の言語化を一段進めてくれます。

「任せる」の意味が変わる──判断は人間、実行はエージェント

Dots が来ると、権限委譲のかたちも変わります。

これまでの「仕事を任せる」は、「判断と実行をセットで渡す」でした。売上予測を営業企画担当に任せたら、その人が「どの手法を使うか」も「いつ完成させるか」も考えて動く。

Dots の時代は、ここが分かれます。「判断」は人間（管理職）、「実行」はエージェント。この役割分担が明確になります。

たとえば、営業報告書の作成を考えてみましょう。

今は営業事務が「どの営業から情報を集めて、どのフォーマットにまとめるか」を判断して動いています。Dots が入ったら、管理職が「毎週金曜18時までに、このテンプレートで、このメンバーから自動抽出」と一度設定すれば、エージェントが実行する。営業事務の仕事は「エージェントの動きを監視して、おかしければ人間に知らせる」に変わります。

ホワイトカラーの仕事が「定型判断」から「例外対応」へシフトする、ということです。

「自分の裁量が減る」と感じる管理職もいると思います。ぼくも最初そう感じました。でも実際は逆です。細かい実行業務から解放された分、戦略や人材育成など、本当に頭を使うべきことに時間を使えるようになる。

ただし、この転換は「監視と介入の枠組み」がないと機能しません。エージェントに丸投げして放置、では危険です。次のセクションで詳しく書きます。

「放置」は禁物──常時稼働だからこそ、監視体制が先

Dots が常時動くからこそ、監視の仕組みが必要です。

従来は「仕事が完成したら報告を受けてチェック」という事後確認が標準でした。でも Dots が予期しない判断をして、大量のタスクをすでに実行してしまっていたら──巻き戻しが難しくなります。

工場のラインをイメージしてください。CNC工作機械が自動で部品を加工しているとき、管理者はモニターを見ています。異常を検知したら赤ボタンを押して止める。AIエージェントも同じです。

必要なのは「リアルタイム監視」と「動作途中の中断権」です。

具体的に見ておくべきポイントはこの4つです。

• リソース使用量: 予期しない大量のAPIコールや計算が走っていないか。月のコスト予算を超えていないか。
• データアクセス: 決めた権限の範囲内だけにアクセスしているか。個人情報や機密情報に触れようとしていないか。
• 出力品質: 生成されたレポートに虚偽や矛盾がないか。定期的にサンプルを人間の目で確認する。
• タスクの逸脱: 指示した範囲外に踏み込んでいないか。「営業レポートを作れ」と言ったのに「営業戦略を変えろ」と勝手に動いていないか。

これらを自動で検知して、問題があれば警告・停止する仕組みを先に作っておく。ippo のエージェント構築事業では、この監視レイヤーをSlack通知・メールアラート・ダッシュボードと組み合わせて既存システムに組み込むことで、運用の安心感をつくっています。

導入前にやること3つ──「入れてから考える」は失敗パターン

Dots を入れる前に、組織側を整えておかないといけません。「権限が曖昧なまま動かす」「プロセスがバラバラなまま任せる」──これをやると、エージェントが混乱します。

1つ目：権限のルールを文章にする。誰がどのデータにアクセスしていいのか、誰がどの判断をしていいのかを、組織全体で言語化する。これまで「なんとなく」で回っていた部分を可視化する作業です。やってみると、「うちの会社、権限がふわっとしたままだったな」と気づくことが多い。それ自体がガバナンスの強化につながります。

2つ目：業務プロセスを標準化する。Dots が自律的に動くには、プロセスがはっきり決まっている必要があります。営業報告書の作り方が営業所ごとに違っていたら、エージェントは動けません。Dots の導入を機に、全社でプロセスを統一するチャンスです。

3つ目：監視体制を先に決める。月1回の後追い確認では足りません。リアルタイムダッシュボード・異常検知のルール・中断権の担当者──これを導入前に決めておく。「入れてから考えよう」は、ラインを立ち上げてから安全基準を決めるようなものです。

この3つの準備に、だいたい3〜6ヶ月かかります。今から動けば、2027年Q1には試験運用に入れます。

投資の目安と、回収までの感覚

Dots の導入コストは企業規模で変わりますが、中堅企業（従業員200〜500名）の場合、こんなイメージです。

• ライセンス費: 月額5,000〜15,000円/エージェント × 5〜10エージェント = 月25,000〜150,000円
• 構築・カスタマイズ: 初期50〜200万円
• 運用人員: 専任は不要、兼任で対応できるケースが多い

一方、効果はこう見込めます。

• 業務時間の削減: 定型業務が月間100〜200時間分ほど減る
• 人件費換算: 時給2,000円で計算すれば、月20〜40万円分の工数削減
• ミスの減少: 人的ミスが減って、修正対応や顧客への謝罪コストが減る
• スピード: レポートが半日以内に完成、営業判断が早くなる

初期投資の回収は、導入後6〜12ヶ月で見えてくる事例が多いです。2年目以降は、コストより効果が上回る構造になります。

特に「定型性が高く、判断ポイントが明確な業務」から始めると、効果が早く出ます。営業事務・企画調査・財務報告・在庫管理あたりが取り組みやすいです。

「便利」の裏側にあるリスクを、先に知っておく

Dots の常時稼働には、リスクも伴います。正直に書いておきます。

データセキュリティ。エージェントに多くの権限を与えれば、データ漏洩のリスク範囲も広がります。エージェント自体のセキュリティと、組織側のアクセス制御を二重に構築しておく。

判断ミスの連鎖。Dots が学習データのバイアスに基づいて判断すると、組織全体で同じ誤りを繰り返すことがあります。たとえば「顧客Aは優良客だから優先」という判断が強化されすぎると、新規顧客対応が後回しになる。定期的に出力をチェックして、偏りを修正する仕組みが要ります。

依存による判断力の劣化。「エージェントが決めたから」という思考が組織に広がると、管理職の判断力が落ちていきます。Dots は「定型業務の効率化」に使うもの。「判断を全部任せるもの」ではないと、チームに繰り返し伝えていく必要があります。

ippo では「エージェント監査レポート」を月1回提供して、こうしたリスクの早期発見を支援しています。

業界ごとに使い方は変わる──製造業はここから始めるといい

Dots の使い方は、業界によって全然違います。

製造業:製造リードタイムの予測・在庫の最適化・品質データの日次分析。従来は夜間バッチ処理で翌朝に結果を受け取っていた仕事が、常時リアルタイムで更新されます。異常検知が数時間単位で早くなる。

営業・流通:顧客データの日次更新・営業提案の自動生成・競合情報の継続監視。「顧客Aはいま商品Bに関心が高い」という情報を、営業パーソンが即座に受け取れる。

金融・保険:コンプライアンスチェック・不正検知・顧客満足度の継続スコアリング。規制が厳しい業界ほど、監視体制がしっかりしたエージェントを活用するメリットが大きいです。

人事・管理部門:採用パイプラインの自動管理・勤務シフト最適化・人事評価データの集約。定型業務が多い領域だからこそ、工数削減の実感が出やすい。

業界を問わず、「定型性が高い」「判断ルールが明確」「大量データの処理」の3条件が揃った業務が、Dots の入り口として最適です。

2026〜2027年、どう動くか

2026年10月時点で、Dots はまだ発表されたばかりです。導入している企業は数百社程度。ここからの半年が、準備のしどきです。

トヨタ生産方式が製造業に広まった1990年代を思い出します。いち早く取り入れた企業が改善文化を積み上げ、後発企業が追いつけなくなっていった。Dots も同じ構図になると、ぼくは見ています。

「様子見」を続けると、2027年Q2〜Q3に慌てて動き始めることになる。そのころには使い方のノウハウが業界標準になっていて、差をつける余地がなくなっています。

準備のスケジュール感：

• 2026年10月〜12月: 組織内の準備（権限の定義、プロセスの標準化）
• 2027年1月〜3月: 試験的な導入（1〜2部門での小規模運用）
• 2027年4月〜6月: 本格展開（段階的に全社へ）
• 2027年7月以降: 最適化・拡張フェーズ

一歩ずつ、でも確実に進む。これがいちばん安全で、いちばん早い道です。

ippo にできること

「うちの会社でどう使えばいいか、相談したい」という声をよくもらいます。

ippo では、OpenAI Dots や LangChain を使った「業界・企業カスタムエージェント」の構築事業をやっています。「とりあえず Dots を入れましょう」ではなく、御社の業務プロセス・権限構造・リスク許容度に合わせて設計します。

• ヒアリング・診断: 御社の業務フローとデータ環境を整理して、Dots に向いている領域を一緒に特定する
• 設計・カスタマイズ: エージェントの判断ロジック・制約条件・監視ルールを設計する
• 構築・テスト: 実装して試験運用を経て、本番環境へ移行する
• 運用サポート: 月次の監査レポートとパフォーマンス最適化で伴走する

「監視・監査レイヤーの統合」と「既存システムとの連携」は、専門的な知識が必要な領域です。御社の Slack・メール・ダッシュボードと Dots をつないで、無理なく動かせる環境をつくります。

気になることがあれば、気軽に声をかけてください。

まとめ──今日から動ける3つのこと

OpenAI Dots は「便利なチャットボット」ではありません。仕事の単位そのものが変わる話です。

今すぐ動けることは、この3つです。

• 「何がゴールか」「何はダメか」を書き出す: 細かい段取り指示をやめる練習をする。これは Dots 導入の準備であり、組織のガバナンス整備でもあります。
• 「判断」と「実行」を分けて考える: 人間がやるべき判断と、エージェントに任せられる実行を、業務ごとに仕分けしてみる。
• 監視の枠組みを先に決める: 誰がどのアラートを受け取って、誰が止める判断をするか。これを決めずに導入しない。

「全部一度に」は難しい。でも一歩ずつ準備を進めれば、2027年の本格展開に十分間に合います。ワクワクしながら、一緒に取り組みましょう。

ご相談は、いつでも。

出典・参考情報

• OpenAI Research（2026年10月 DevDay 発表資料）
• McKinsey Digital – AI の組織への影響に関する調査（2026年）
• Gartner – AI エージェント市場動向レポート（2026年度版）
• Accenture – エンタープライズ AI 導入のロードマップ（2026年）
• BCG – 常時稼働 AI システムの組織設計ガイド（2026年）

用語集

• エージェント（Agent）: ユーザーの指示をもとに自律的にタスクを実行する AI システム。複数のツール・データベース・外部 API を組み合わせて目標を達成できる点が、従来のチャットボットと違います。
• 常時稼働型（Always-On）: ユーザーの指示を待たず、バックグラウンドで継続的に動作する AI の運用形態。「話しかけたら動く」リアクティブ型の対極です。
• リアクティブ型（Reactive）: ユーザーの入力を待って反応する、従来型のチャットボットやアシスタント。ChatGPT や Copilot がこれにあたります。
• プロアクティブ型（Proactive）: ユーザーの指示を待たず、自ら判断して動くシステム。Dots のような常時稼働型エージェントのことです。
• ガバナンス（Governance）: 組織における権限・責任・ルールの体系。AI エージェントを入れるときは、エージェントの判断範囲と人間の介入権を事前に決めておくことが前提になります。
• ROI（Return on Investment）: 投資に対するリターンの比率。Dots の場合、初期投資がいつ回収されるかを測る指標で、6〜12ヶ月が目安になるケースが多いです。
• API（Application Programming Interface）: ソフトウェア同士が通信するための規格。エージェントが外部のデータベースやサービスと連携するときに使います。
• バイアス（Bias）: AI が学習データの偏りによって、意図しない判断傾向を持つ現象。定期的な監視と見直しで対処します。