OpenAIは木曜日に、ChatGPT VoiceをコンピューターにもたらすChatGPTデスクトップアプリのアップデートを公開した。この機能により、ユーザーはアシスタントと会話してAIエージェントを起動し、マシン上で直接タスクを実行できるようになる。
この新機能は、同社が月初に発表した音声モデル群であるChatGPT-Live上で動作する。これはモバイル版で使われていたのと同じ基盤であり、今ではより自由に操作できる環境向けに適応されている。
同社によると、ChatGPT VoiceはChatGPT WorkおよびCodexと連携して動作し、さらにコンピューター利用の能力を使ってサイトやアプリを操作する。macOSでは、Appshotsによりプログラムが画面に表示された内容（代替テキストを含む）を読み取ることができる。
前回のリリースとの違いは、その到達範囲にある。スマートフォンでの初公開では、より自然な会話と割り込みへのより良い対応に重点が置かれており、アシスタントが端末上でアクションを実行することはなかった。
一方、デスクトップ版は連続したタスク向けに設計された。ユーザーは複数のステップを含む指示を口述し、アシスタントは先に進むために何らかの定義が必要な場合に質問を返す。
同社が公開したデモ動画では、ある開発者が1つのコマンドだけでChatGPTに新しいthreadを開き、pull requestを行い、bugの根本原因を調査するよう求めている。キーボードに触れることなく、流れ全体が進行する。
OpenAIはさらに、ChatGPT VoiceがiOS向けアプリからリモートアクセスを通じてCodexで起動できると伝えた。実際には、携帯電話がコンピューター上で動く作業のコントローラーになる。
この動きは単独で起きているわけではない。AnthropicもClaudeの音声モードを刷新し、現在ではOpus、Sonnet、Haikuの各モデルを起動して、Gmail、Agenda、Slack、Notion、Canvaなどのツールで作業を完了させる。
応答するだけでなく行動できるアシスタントをめぐる競争は、こうしたほぼ同時のアップデートによって新たな局面を迎えている。