［AIツール利用者向け］Codexを「仕事の拠点」に変える——OpenAIが示す長期タスク運用の10実践法

2026-06-25

はじめに

　OpenAIが2026年6月22日、Codexを長期プロジェクトの「仕事の拠点」として機能させるための実践ガイドを公開しました。非開発者向けへの拡張が続くCodexですが、今回はJason Liuが音声入力・記憶管理・スレッド自動化など10のアプローチをまとめたホワイトペーパーを解説します。

参考記事

タイトル: Codex-maxxing for long-running work
著者: Jason Liu
発行元: OpenAI
発行日: 2026年6月22日
URL: https://openai.com/index/codex-maxxing-long-running-work/

要点

Codexの「デュラブルスレッド（持続的スレッド）」は、過去の会話・意思決定・未解決事項を保持したまま長期作業を継続できる仕組みである
「メモリヴォルト」という外部記憶構造に人物情報・プロジェクト状態・意思決定ログを書き込むことで、スレッド間をまたいだ文脈保持が可能になる
スレッド自動化機能により、Codexが定期的にSlackやGmailを確認してドラフトを作成するなど、自律的な定期タスクを設定できる
「弱いゴール」（計画を実行させる）より「強いゴール」（検証基準・完了条件を与える）を設定することで、成果の品質が向上する
サイドパネルはMarkdown・スプレッドシート・PDFなどの成果物を作業スレッド内に保持し、コメントをそのまま次の指示として渡せる

詳細解説

「1つのプロンプトを超えた作業」という発想

　OpenAIが公開したホワイトペーパーは、Jason Liuが日常ワークフローでCodexを使い込んだ経験をまとめたものです。従来のAIツールとの違いとして強調されているのが、「仕事に『居場所』を与える」という考え方です。

　単発のプロンプトと回答のやり取りを繰り返すのではなく、プロジェクト全体をCodexのスレッド上で継続的に管理する。このアプローチを可能にする機能として、ガイドでは10の要素が紹介されています。なお、同ガイドにおけるJason Liuの活用例は、コーディング以外の用途——プレゼンテーション作成・文字起こし・スプレッドシート管理・ブラウザ操作など——が中心で、開発者に限らない幅広い読者を想定していると考えられます。

デュラブルスレッドとメモリヴォルト：記憶の外部化

　基盤となるのが デュラブルスレッド（Durable Thread） です。特定の業務やプロジェクトに専用のスレッドを紐づける仕組みで、「ソーシャルフィードバック監視」「Chief of Staff業務」「OpenAI CLIの運用」といった重要な仕事の流れをそれぞれ独立したスレッドとして維持できます。ただし、長期スレッドは短いスレッドより処理コストが高くなる可能性があることも示されており、重要な案件でこそ継続性のコストが払いやすいと整理されています。

　スレッドの外側で文脈を保持するのが メモリヴォルト（Memory Vault） の役割です。vault/ ディレクトリ配下に TODO.md・people/・projects/・notes/ といった構造を設け、Codexが「この人はこの方法を好む」「このプロジェクトはこれを待っている」「この判断が下された」といった情報を随時書き込みます。このヴォルトをGitHub上に置くことで、Codexがどの情報を重要と判断して記録したかを差分（diff）として確認できる点が、実用上の利点と言えます。

音声入力とステアリング：「生の思考」を渡す

　Codexへの指示をテキストではなく音声で伝える 音声入力 の利点は、速さだけではありません。「あの人、確かベンという名前でSlackにいたはず。詳しくは覚えていないけど見てきて」というような、打ち込みにくい不完全な情報をそのまま渡せる点が強調されています。会議の音声メモや通話の書き起こしも同様に、そのままCodexへの「出発点」として渡せます。

　さらに、Codexが作業中に次の指示を追加できる ステアリング の仕組みを組み合わせることで、実行中のタスクに対してリアルタイムで軌道修正が可能です。「これを小さく」「このコピーは違う」「これが終わったらPRを開いて」といった短い指示で、進行中の処理を制御できます。

スレッド自動化と3つのループ：繰り返す仕事を任せる

　スレッド自動化（Thread Automation） は、Codexが設定したスケジュールで自動的に同じスレッドに「起き戻って」作業を続ける機能です。単発の指示（「今すぐやって」）とは異なり、「何かが変わったらチェックして前に進めて」という定期的な監視タスクに向いています。

　ガイドでは実践的な3つのループ例が紹介されています。

ループ1「Chief of Staff」 Codexが定期的にSlackとGmailをチェックし、返信が必要なメッセージの文脈を調査してドラフトを用意します。送信の判断は常に人間が行います。

ループ2「フィードバック監視」 Slackのアニメーション制作スレッドを監視し、フィードバックがあればRemotionプロジェクトを更新して再レンダリングを準備します。GUI操作が必要な場合はコンピュータユースと組み合わせます。

ループ3「返金対応」 カスタマーサポートの会話状況を確認し、次の返答案を用意します。取り消せないアクションは人間の承認を必須とする設計です。

　いずれのループに共通するのは、「Codexが準備・人間が判断する」という役割分担です。

目標設定とサイドパネル：品質を担保する仕組み

　長期タスクの品質を保つために重要とされるのが ゴール設定 の質です。「このMarkdownファイルのプランを実装して」という「弱いゴール」に対し、「このライブラリをポートして、公開APIの互換性を保ち、元のユニットテストを成功基準として使って。同じテストがパスし、かつ差分がドキュメント化されたとき作業完了とする」という「強いゴール」では、成果が大きく変わると述べられています。検証基準を明示することで、Codexが「いつ完了したか」を自律的に判断できます。

　サイドパネル はチャットインターフェースを超えた活用を可能にします。Markdown・スプレッドシート・CSV・PDF・スライドなどの成果物をスレッド内に保持し、コメントがそのまま次の指示として機能します。index.html・Storybook・Remotion Studio・Streamlit・Jupyterといったウェブ成果物をアプリ内ブラウザで直接確認できる点も実用的です。

　また リモートコントロール 機能により、デスクで開始した長期タスクをスマートフォンから確認・承認・方向転換できます。これはレビューを省略するためではなく、長時間作業中の「次の判断ポイント」をモバイルから処理するための仕組みと位置づけられています。

まとめ

　今回のガイドは、Codexを「回答ツール」から「仕事のプロセスを保持する拠点」へと再定義する考え方を示しています。記憶の外部化・音声入力・スレッド自動化の3要素が連携することで、単一プロンプトを超えた継続的な作業が可能になります。記憶機能に関心がある方は、ChatGPTのメモリ進化を解説した過去記事もあわせてご覧いただければと思います。