AI・生成AI

パーソナルAIを司令塔に、ClaudeとCodexをつないでみた――AIを選び、仕事をつなぐ役割も任せられるか

Dotを窓口にClaude CodeとCodexをつなぎ、CSVの受け渡しから3D・2Dの試作、照合と修正の往復まで試しました。接続で止まった経緯、GPT-6.2 Solの図面読取り、AI自身の所感と未確認事項を残します。

公開日 更新日
  • #AIエージェント
  • #Dots
  • #Claude Code
  • #Codex
  • #AI活用
  • #図面照合

AIに質問して答えをもらうだけでなく、目的を伝えて仕事を任せる。最近の発表を見ていると、利用者の目的や仕事に合わせて動くパーソナルAIエージェントが、その入口になろうとしているように感じます。

Metaは2026年9月8日の「Muse」の発表で、利用者の目標に向けてアプリをまたいで作業するパーソナルAIエージェントを紹介しています。一方、SpaceX Super Intelligenceの8月11日の「Grok Bot」の発表には、複数のAIがそれぞれ仕事を担い、その上に全体を管理する役割を置く使い方も示されています。以下の公式情報は、2026年11月20日時点で確認したものです。

私はこれらを実際に使って比較したわけではありません。ただ、こうした動きを見て、人が個々のAIを操作するだけでなく、自分のエージェントに目的を伝え、その先の仕事を仕切ってもらう形が広がるのではないか、と考えています。

今回、普段から対話しているDotを窓口に、CodexとClaude Codeを組み合わせる試行を行いました。Dotは、OpenAIのdotsという機能で利用する、自分専用の担当AIエージェントです。その経緯と、現時点で見えたことを残します。

どのAIに頼むかも考えてほしい

複数のAIを使うと、それぞれに背景を説明し、結果を持ち運び、食い違いを整理する仕事が生まれます。AIを増やしても、その間を取り持つのが人間のままなら、思ったほど楽にならないこともあります。

私が期待しているのは、普段の仕事の目的や判断を踏まえて動く、一つの窓口です。毎回最初から説明するのではなく、「この続きを進めたい」「今回はここを重視したい」と話せる相手。そのうえで、どのAIに何を任せるかまで考えてほしいと思っています。

今回の背景には、新しく出たGPT-6.2 Solを、実際の仕事で試してみたいという関心もありました。普段のチャットとは異なるWorkやCodexの環境で、新しいモデルが実務資料をどう扱うのか、私自身が見てみたかったのです。Workは、資料や道具を使って複数の手順を進めるChatGPTの作業環境です。OpenAIの11月17日の案内では、6.2 SolをWorkやCodexなどへ提供し、日常的なコーディング、文章作成、複数手順の仕事に使うモデルとして紹介しています。

CodexはOpenAIの、Claude CodeはAnthropicの、コードやファイルを扱って作業を進めるAIエージェントです。さらにClaudeも加えられれば、別の見方や作り方を取り込めるかもしれない。そう考え、Dotに、CodexとClaude Codeを使う司令塔になってもらいたいと伝えました。

接続は、最初からうまくいったわけではない

最初は、Dotの作業環境にClaude CodeのCLIを導入する方法を試しました。CLIは、文字のコマンドを入力して操作する方式です。インストールと起動までは進みましたが、その環境で認証を完了させるところに壁がありました。

その後、私のPCでログイン済みのClaude Codeを使い、小さな依頼への回答を確認できました。ただし、この経路では私のPCが起動し、接続されている必要があります。

私が考えていたのは、PCの画面を代わりに操作してもらうことだけではありません。Dotを窓口として、私のPCに依存せずに作業を進められる形です。そこで、別の経路を探してもらいました。

最終的には、Dot側のクラウドブラウザからClaude Codeのクラウド版へ依頼し、追加指示と結果の回収を行う方法を試せました。

今回動いたのはWeb画面を介した連携です。 CLIの認証が解決したわけでも、プログラム同士でやり取りする専用APIで直結したわけでもありません。「つながった」という一言の中にも、どこで実行し、何に依存しているかという違いがあります。その点は曖昧にしないようにしたいと思います。

回答から、成果物の受け渡しへ

最初は簡単な計算で応答を確かめ、次に、架空のデータを使ったCSVの受け渡しを試しました。CSVは、表の値をカンマで区切って保存するデータ形式です。

Claudeが作ったファイルをDotが回収し、Codex側で読み取って集計を確認する。小さな試験ですが、文章の回答を眺めるだけでなく、一方の成果物をもう一方の作業へ渡せることを確かめられました。

続いて、公開されている設計計算例を題材に、構造物の3Dモデルと2D図面を作る試作へ進みました。ここでは配筋やCADの詳細は省きますが、Claudeから返ってきたのは画像だけではありません。3Dデータ、2Dの投影・断面図、表示用ビューア、再生成用コード、確認事項を含む一式でした。

Codex側では、その成果を別の方法で読み直し、原図との照合や干渉確認、既存の作図環境に向けた変換を行いました。変換結果を再度読み、元の座標や要素と一致するかも確認しています。これはAI側から報告された照合で、人による成果確認の完了を意味するものではありません。

指摘をClaude側へ戻し、修正版を受け取って再確認する往復もありました。私がそれぞれに同じ説明を繰り返すのではなく、Dotが間をつなぐ形です。

6.2 Solも実務の図面で試す

別の試行として、施工計画図の読み取りをGPT-6.2 SolとGPT-6.1 Solに依頼しました。同じ図面について同じ指示を出し、それぞれが何に着目するかを見ています。

今回の報告では、6.2 Solは施工段階ごとの通水条件や図面中の寸法を具体的に拾い、6.1 Solは支川の排水処理に目を向けました。どちらも施工順序の大筋は捉えています。

ただし、6.1側で資料取得のエラーがあり、原本のコピーと既存の展開データを使用しました。入力の条件を厳密に揃えられた比較ではなく、一度の結果からモデルの優劣や得意分野を決めることもできません。

また、どちらも図面に色で表現されていた土のうの存置と追加の意味を読み切れませんでした。図面に表現がなかったのではなく、AI側が意味を読み取れなかったのです。この点は、図面の意図について人から説明を受け、AI側の読み取りを修正しました。

新しいモデルを使えば自動的にすべてが読める、という話ではありません。それでも、どこを拾い、どこを見落とすのかは、実務の中で試して初めて分かる部分だと感じています。

司令塔を担ったDotから見えたこと

この節は、依頼と結果の受け渡しを担ったAIのDot自身が書いた所感です。引用枠内の「私」はDotを指します。

今回のClaudeは、依頼された内容を、見て確かめられる試作品の一式にまとめて返しました。複数の出力形式に加え、再生成の方法や未解決事項も付属しており、次の作業に引き継ぎやすい形でした。最初の案でも、鉄筋の交差や寸法の差を未解決として挙げていました。

Codex側では、受け取ったものをそのまま完成品として扱わず、入力を固定し、別の読み取り方で検査し、既存の仕組みへ接続する作業を進めました。今回の分担では、Claudeが「形にして一式を出す」、Codex側が「中身を分解し、照合してつなぐ」という流れが見えました。

ただし、こちらも両者に同じ条件で同じ課題を与えた比較ではありません。そうした役割で依頼した結果なので、「Claudeは制作、Codexは検証が得意」と一般化するには材料が足りません。実際、Claudeも自己点検を行い、Codex側も初期の小さなモデルを作っています。

私自身にも失敗がありました。既存の樋門エージェントに蓄積されていた配筋の考え方を最初から十分に引き継げず、担当者から指摘を受けました。樋門エージェントは、河川の水門施設である樋門の設計資料を扱うため、当社が開発を進めているAIです。別のAIを使えるだけでは不十分で、何を前提として渡すかが結果を左右します。

今回、私の役割として見えたのは、依頼先を選ぶことに加え、前提を揃え、返ってきた結果の根拠と未確認事項を整理し、次の依頼へつなぐことでした。

連携を試したあとも、成果の確認は残っている

ここからは、再び利用者である私の振り返りです。

試作では、修正を重ねても端部の鉄筋の干渉が残りました。また、作成したスクリプトについて、実際のCADで動作を確認するところまでは終わっていません。私自身による成果データの確認も、執筆時点ではこれからです。

したがって、今回を設計自動化の完成例として扱うことはできません。

複数のAIを使っても、正しさが保証されるわけではありません。同じ前提を共有すれば、同じ誤りを引き継ぐこともあります。生成に使った寸法と結果が一致していても、それだけでは独立した検証にならない場合もあります。

何を確認し、何を仮定し、何が残ったのか。その区別をつけ、人が判断できる状態へ戻す必要があります。当社が受け持つ作業の照合と、元請会社へ確認や判断を求める事項も、人が切り分けます。

外部のAIへ何を渡すかも同様です。今回の3D・2D試作には公開の設計計算例を使いましたが、実務資料を扱う際には、情報の範囲や送り先を確認しなければなりません。司令塔に任せる範囲と、渡してよい情報や権限は、仕事ごとに確かめる必要があります。

使い分けるための経験を、Dotに蓄積してほしい

今回だけで、ClaudeとCodexの得意分野を十分に把握できたとは言えません。それでも、今後の使い分けにつながる記録は残せると思っています。

どんな目的で、どの資料と条件を渡したのか。どのAIに何を任せ、何が返ってきたのか。どこに追加説明や修正が必要で、どこまで人が確認したのか。モデルや利用環境が分かる場合は、その条件も残しておく。

その記録をDotが把握し、次に似た仕事が来たときの振り分けに生かしてほしいのです。これはAIそのものが自動的に賢くなるという話ではなく、仕事の任せ方を経験に基づいて改善するという考え方です。

ときには同じ小さな課題を両方に頼み、違いを見てもよいでしょう。逆に、見通しのある仕事まで毎回二重に実行する必要はありません。試す価値のある部分を選ぶことも、司令塔に期待する判断です。

単なるモデルの順位よりも、自分たちの仕事で、どの条件なら任せやすく、どこに手直しが必要になるのか。その実務的な違いを知りたいと思っています。

私がDotに頼みたいのは、次のようなことです。

やりたいことを伝えるので、どちらに何を任せるかは考えてほしい。

各AIの違いを毎回調べ、依頼の書き方を変え、成果を持ち運ぶ。その時間を少しでも減らし、自分が判断すべき仕事に向き合いたい。目的や自社での採用判断は私たちが持ちつつ、調査、試作、検証、結果の整理を任せたいと考えています。

今回の成果は、まだ小さな実験です。しかし、普段相談しているパーソナルAIを窓口にしたまま、別のAIの作業を取り込み、確認と修正を往復させる形は試せました。

私の目的を理解するエージェントが、必要な相手を選び、仕事をつないでいく。その使い方を実務の中で確かめていくことが、今回の試行の次の課題です。


関連記事