Ironcladでコンピューター操作を前進させる：OpenAIが契約ワークフローをエージェントの訓練課題に

2026年10月6日、OpenAIは契約管理企業Ironcladとの共同研究の成果を公開しました。表向きは契約ソフトウェアの事例紹介ですが、実際にはOpenAIが次の段階でエージェントをどう訓練するかを示す内容です。問われているのは、モデルがコンピューターを操作できるかどうかではありません。専門ソフトウェアの中で企業のルールを理解し、複数手順の業務を実行し、成果物が当初の要件を満たしているかを自ら検証できるかどうかです。OpenAIによると、GPT-6 Astraの発表時に、文書の作成やウェブサイトのテストといった専門業務でのコンピューター利用能力はすでに示されており、次の目標は、特化したソフトウェアを使って複雑な業務課題をより効率的に解くことです。そのために、こうした業務を最もよく知る少数のソフトウェア企業と直接組む方針で、Ironcladが最初のパートナーになりました。

この取り組みの核心はタスク設計にあります。例として、法務オペレーションのチームがソフトウェア購入の手続きを整える場面を考えます。一定額を超える購入には財務部門の承認が必要で、一部の依頼にはセキュリティ部門の審査が必要で、標準外の条項には法務のレビューが必要です。担当者は、この短いリストを購入依頼フォーム、文書テンプレート、承認ルール、そして最終合意の記録へと落とし込まなければなりません。エージェントが同じ作業をするなら、操作の最後まで要件を保持し続ける必要があります。たとえば金額の閾値を超えた場合に財務承認を設定し、閾値の上下の依頼が正しい経路をたどるかを確認します。個々の手順が正しいだけでは足りず、完成したプロセスが想定されたあらゆる状況で機能しなければなりません。Ironcladの社員と、OpenAI社内でIroncladを使う人々が研究者を支援し、法務、商務、調達にわたる11件のタスクを特定しました。秘密保持契約の設定、調達承認プロセスの作成、依頼者が選んだ法域に応じた再利用可能な法的条項の更新などが含まれます。経験豊富なユーザーでも、1件あたり平均30分から40分かかると見積もられています。

評価と訓練の方法も注目に値します。各タスクは、複雑さに応じて8から50の基準で採点されました。そのため、成功か失敗かの一言で終わらず、モデルがどの部分を正しくこなし、どこで不足したかが見えます。さらにIroncladは、自社製品のホスト型ソフトウェア環境を提供し、モデルがそこで繰り返し練習できるようにしました。OpenAIの研究者は代表的なワークフローに基づく合成の訓練タスクを作り、強化学習によって練習とフィードバックからモデルを改善させました。業務を知る人が選んだタスク、詳細な採点基準、練習の場。この三つを組み合わせることで、顧客にとって最も重要な実世界のタスクで確実に改善が進むと、OpenAIは説明しています。実環境、項目別の採点、強化学習という組み合わせは、公開ベンチマークだけに頼るよりも、企業が実際に行う受け入れ検査に近いと言えるでしょう。

結果を見ます。OpenAIはGPT-6 Astraと GPT-5.6 Solを、それぞれの最高得点が出る設定で比較しました。Astraは Max推論、SolはHigh推論です。11件の研究タスクで、Astraの平均スコアは55.0%、Solは41.6%で、相対的に約32%高い値です。1回の試行にかかる推定平均時間は、Solの37.0分からAstraの19.2分へと、約48%短くなりました。同一タスクを扱ったデモ映像では、Astraは基準の約94%を満たして推定約20分、Solは約85%を満たして推定約32分でした。また、Astraの開発に使われた内部モデルは、これらのタスクで63.7%とさらに高い値を記録しており、OpenAIはこの上積みを今後のモデルに反映させたいとしています。GPT-6 Astraは、Ironcladのタスクで訓練された最初のフロンティアモデルです。

数字は慎重に読む必要があります。対象はわずか11件のタスクで、OpenAI自身の研究用評価であり、独立した第三者のベンチマークではありません。所要時間は推定された模擬時間で、本番環境での実測ではなく、二つのモデルは推論の設定も異なります。したがって、特定のソフトウェアに特化した訓練が完成度と効率の両方を押し上げるという、方向性を示す証拠として受け止めるのが妥当です。Ironcladにとっては、契約プロセスが例外を処理しながら、企業が依拠するルールを守らなければならないという課題が、この協業で試されています。業界にとっての示唆はさらに明確です。最先端の研究機関が垂直領域のソフトウェア企業と組み、専門業務を訓練と採点が可能なタスクへ変えつつあります。質の高いタスク定義と練習環境を握る者が、次のエージェント能力向上の原料を握ることになります。企業がエージェントを評価する際も、最終的な成否だけでなく、同様の項目別基準を求めるべきでしょう。