2026年9月上旬、立て続けに2つの発表がありました。
OpenAIの「GPT-6 Astra」（9月3日）と、Anthropicの「Claude Fable 5.1」「Claude Mythos 5.1」（9月1日）です。
どちらも性能向上そのものより、経営者として見るべきはAIが担える工程の範囲が変わったという点です。以前の記事で「業務を型がある作業／判断が必要な作業／やめられる作業に切り分ける」という話をしましたが、この切り分け線自体が動き始めています。組織設計を、後追いではなく先に見直す必要が出てきました。
何が変わったのか、2つの発表を経営目線で読む
GPT-6 Astraは、PC操作（Computer Use）、ソフトウェア開発、文書・表計算・プレゼン資料の作成などを横断し、依頼の途中で要件が変わっても対応しながら、最初の依頼から完成物までを自律的に進める設計です。抽象推論のベンチマークで99.9％を記録する一方、既知の脆弱性からエクスプロイトを作成する能力が「Critical」水準と判定された、OpenAIとして初めてのモデルでもあります。
Claude Fable 5.1は、コーディングや専門知識業務、長時間にわたるエージェント型の問題解決を主な用途とし、前モデル比でコストを最大45％抑えながら性能を上げています。一般に使えるのはこのFable 5.1で、Pro・Max・Team・Enterpriseの各プランやAPIから利用可能です。
なお、同じタイミングで発表された「Claude Mythos 5.1」は、Fable 5.1と中身は同一のモデルです。違うのは適用される安全対策の水準だけで、Mythosはサイバーセキュリティやライフサイエンス分野の審査を通過した組織にのみ限定提供される、いわば安全対策を絞った上位アクセス版という位置づけです。「新しいから上位」ではなく「同じモデルの、審査制で制限を外した版」がMythosであり、多くの企業が実際に検討・利用するのはFable 5.1の方になります。
共通しているのは次の2点です。
-
「答える」から「一連の仕事をやり切る」への移行。依頼を分解し、必要な操作を自分で実行し、完成物まで持っていく。
-
能力が上がるほど、安全対策と提供範囲を切り分けるという運用が標準になった。強い能力ほど、誰にでも渡すものではなくなっている。
これは、現場の工程設計だけでなく、組織の権限設計そのものに関わる変化です。
これまでの切り分けが、そのままでは通用しない
以前整理した「型がある作業→AIに渡す」「判断が必要な作業→人が持ち続ける」という切り分けは、AIが単発のタスク（下書きを作る、まとめる）を得意とする前提に立っていました。
今回の2モデルが得意とするのは、その前提を越えた領域です。複数工程にまたがる一連の仕事を、人の介在なしに最後まで進める。以前の分類でいえば「2. 社内の誰に確認すべきか判断する」「5. この内容で送っていいか判断する」に近い部分にまで、AIが手を伸ばせるようになってきています。
ここで経営が誤りやすいのは、「性能が上がったのだから、任せる範囲を広げればいい」という発想です。実際に問われているのは逆で、能力が上がった分だけ、どこで人の承認を挟むかを意図的に設計し直す必要がある、ということです。GPT-6 Astraのサイバー能力が「重大」水準と判定されたという事実は、能力の高さと、渡していい権限の広さが別問題であることを示しています。
AIありきの組織構造で、経営が決め直すべき3つの層
これからの組織設計は、業務を「AIに渡すか、人が持つか」の二択ではなく、次の3層で考えるほうが実務に合います。
層1：AIが完結させてよい仕事
定型的な文書・資料作成、コードの実装、情報の整理・要約など、成果物の良し悪しを後から人が検証できる仕事です。ここは自律的なエージェント型の運用に任せ、事後チェックの体制を整えます。
層2：AIが原案を作り、人が承認する仕事
対外的な返信、契約や金額に関わる判断、顧客対応の方向性など、失敗した際の影響が社外に及ぶ仕事です。ここでは「AIが最後までやり切れる」能力があっても、あえて承認のステップを外さないという経営判断が必要になります。
層3：人だけが持つ仕事
例外対応、優先順位づけ、責任の所在が問われる意思決定です。ここにAIの提案を混ぜること自体は構いませんが、最終判断のオーナーは常に人間であると、組織として明文化しておく必要があります。
重要なのは、この3層の線引きをツールの初期設定やベンダーの推奨に委ねないことです。線引きは経営が決める仕事であり、情報システム部門やAI担当者だけに任せる話ではありません。
権限設計は「誰が使うか」から「誰が権限を渡すか」に変わる
GPT-6 AstraのようにPC操作を自律的に行うモデルが一般化すると、これまで「誰にアカウントを配るか」だった論点が、「AIエージェントに、どのシステムへの、どの範囲の操作権限を渡すか」という論点に変わります。
これは情報セキュリティの話であると同時に、組織のガバナンスの話です。
-
どの業務システムへのアクセスを、AIエージェントに恒常的に許可するのか
-
権限を渡す・止めるの承認者は誰か、どのくらいの頻度で見直すのか
-
AIエージェントが誤った操作をした場合の責任の所在と、ロールバックの手順は決まっているか
こうした問いに答えを持たないまま導入範囲だけを広げると、便利さと引き換えに、誰も全体像を把握していない権限の集合体ができあがります。以前の記事で触れた「属人化が人からプロンプトへ移るだけ」という現象と同じ構造が、今度は権限管理の領域で起きます。
評価と育成の設計も、前提が変わる
以前、「評価すべきは使えることではなく、止められること」だと整理しました。この前提は変わりませんが、AIが担える範囲が広がったことで、何を止めるかの判断そのものが難しくなっているという点は付け加える必要があります。
AIが一連の仕事をやり切れるようになるほど、「ここは人が確認すべきだ」という判断は、業務知識だけでなく、AIの能力範囲と限界についての理解も必要になります。管理職自身が、今使っているモデルで何ができて何ができないかを大まかにでも把握していなければ、部下の「どこで止めたか」を正しく評価できません。
管理職の育成項目に、担当業務の知識と並んで「自組織が使うAIツールの能力範囲の理解」を加えることは、来期の評価制度を考えるうえで検討に値します。
経営が決めるべきことは、まずはこの4つ
-
層1・層2・層3の境界線を、どの業務についてどこに引くか
-
AIエージェントに恒常的な操作権限を渡す対象と、その承認・見直しの体制
-
権限や運用ルールの置き場所と、更新の責任者
-
管理職の評価・育成項目に、AI能力の理解をどう組み込むか
モデルの性能比較や料金比較は、この4つが決まったあとの検討事項です。ここを飛ばして「高性能だから導入する」と進めると、権限だけが先に広がり、後から回収するほうがずっとコストのかかる仕事になります。
AIありきの組織構造をどう見直すかは、結局のところ「うちは今、どの工程を誰が持っているか」を正確に把握できているかどうかにかかっています。ここが曖昧なままモデルの性能比較だけを進めても、議論は前に進まないのではないでしょうか。
出典
-
OpenAI「GPT-6 Astra」発表（2026年9月3日）関連報道
-
Anthropic「Claude Fable 5.1」「Claude Mythos 5.1」発表（2026年9月1日）関連報道
