ChatGPTが「タブ横断操作」と「日本語音声」を同時解禁

ChatGPTがChromeの複数タブを横断した操作に対応したと報告されています。Chatモードでは、開いている複数のタブから情報を収集して比較・分析できるようになり、WorkモードではWebページの操作、フォームへの入力、メッセージ送信、ファイルのダウンロードまで自動実行できるとのことです。

これまでAIに「調べて」と頼んでも、実際にブラウザを動かすのは自分でした。情報をコピペして貼り付けて、また別のタブを開いて——という手順が当たり前でした。今回の対応はその前提を崩すもので、「AIが閲覧を補助する」から「AIが代理で実行する」へと役割の境界線が動いています。

Workモードの自動実行範囲については、現時点では公式の詳細ドキュメントの確認が推奨されます。どのサイト・どの操作まで対応しているかは環境や権限の設定に依存するため、使い始める前に動作範囲を確かめておくのが現実的です。

ブラウザ操作の話題と同時期に、ChatGPTの音声会話を支えるモデル「GPT-Live-1.1」がリリースされ、日本語の新しいボイス「ひまり」「りんどう」が追加されました。音声モデルの刷新は会話の自然さに直結するため、日本語話者にとっては実用性が一段上がる変化といえます。

一方、Gemini側では「Gemini 4 Argon」を使ったインタラクティブなスライド作成が注目されています。グラフをクリックすると詳細が展開されたり、背景が動いたりといった、従来のPowerPointやGoogleスライドでは手間のかかった動きが、売上データや企画書をもとに作成できるとのことです。

注目したいのは、この3つのアップデートが「目（タブ横断の情報収集）」「手（フォーム入力・ファイル操作）」「耳と声（音声モデルの刷新）」という操作レイヤー全体を同時に更新している点です。個別のツール改善ではなく、AIが人の作業フローに入り込む範囲が一気に広がっています。ChatGPTのメモリに異変、Grokも使い方が広がるでも触れたように、ChatGPTの機能拡張はここ数週間で連続して動いており、単発の話題として見るより「どこまで任せられるようになったか」という軸で追うほうが実態に近いです。

今回の3つのアップデートを別々のニュースとして受け取ると、使いどころが見えづらくなります。実用的な視点から整理すると、一人で完結できる作業フローの幅が広がったと見るほうが自然です。

たとえばこういう流れが想定できます。ChatGPTのWorkモードで競合他社の複数ページを横断して情報を収集し、そのデータをGemini 4 Argonに渡してインタラクティブなスライドとして資料化する。確認や壁打ちは音声モデル（GPT-Live-1.1）で話しかけながら進める——という構成です。

従来なら「調査担当」「資料作成担当」「レビュー担当」を分けていたような作業を、ツールの組み合わせで一人が担う形が見えてきます。ClaudeのDesign機能、無料で使えるなど、資料制作まわりのAI対応はここ最近で選択肢が増えており、自分の用途に合ったツールを組み合わせる時代に入っています。