Greg BrockmanによるOpenAIとSimon Willisonの発言が浮き彫りにした、AI同僚への反発

Greg BrockmanはOpenAI内部で起きた予想外の摩擦について語った。従業員は、人間の同僚からなら受け入れるのと同じ依頼であっても、同僚のChatGPTエージェントからSlackで送られてくると嫌がったという。OpenAIとSimon Willisonをめぐるこの発言は、モデルの性能向上だけでは解決できない問題を捉えている。エージェントは適切なメッセージを届けられても、その周囲にある人間関係を損なう可能性がある。

Simon Willisonは8月1日、OpenAIの社長兼共同創業者の発言を引用してこの観察を公開した。Brockmanによれば、多くのOpenAI従業員はChatGPTをSlackに接続しているという。また、それらのシステムがタスク完了のために同僚へ協力を求めると、人々の反応が変わるとも述べた。

この反応は、職場向けエージェントの中核的な約束に疑問を投げかける。企業は、自律的にユーザーのために行動できるAIである自律型ソフトウェアが、調整業務を減らすと期待している。しかし会話を委任すると、妥当な依頼であっても、無機質で、当然視しているように、あるいは不公平に感じられることがある。

この摩擦は、単純に人間対自動化という話ではない。委任による効率化と、人間が責任を明示的に負うことの対立だ。従業員は他の人を助ける意思があっても、その人のソフトウェアによって管理される見えないリソースになることには前向きでないように見える。

この違いは、OpenAI、Salesforce、Slackなどのベンダーがエージェントを職場コミュニケーションへ投入するなかで重要になる。もはや問われているのは、AIが有用なメッセージを送れるかどうかではない。受信者が、誰が依頼しているのか、なぜ重要なのか、そして誰が最終的に責任を負うのかを理解できるかどうかだ。

OpenAIとSimonの発言が実際に示したこと

重要だったのは製品発表ではない。技術的には成功した委任が、社会的には失敗し得るという認識だった。

元の引用でBrockmanは、繰り返し見られる行動の違いを説明した。OpenAIの従業員は、同僚が直接頼めば協力することが多かった。しかし、その同僚のChatGPTがやり取りを始めた場合には、同じ依頼を受け取ることを嫌がった。

Brockmanの表現が示すのは、統制された研究ではなく、社内で観察された傾向だ。OpenAIは参加人数、応答率、タスクの分類、実験的な比較結果を公表していない。したがって読者は、この話を社内事情に詳しい人物による見解として受け止めるべきだろう。

こうした制約があっても、この事例は非常に価値が高い。OpenAIは、この移行の中心にあるモデルとエージェントシステムを開発している。また同社の従業員は、高度な技術知識と新興ツールへの異例なほど直接的なアクセスを持つ。

その環境で抵抗が現れるなら、AIリテラシーの不足だけでは十分に説明できない。従業員はおそらくChatGPTが何をしているかを理解している。彼らが異議を唱えているのは、エージェントが他者の時間を引き出す際に生まれる社会的な構図だ。

依頼そのものは妥当かもしれない。開発者がコードレビューを必要としたり、研究者が文書を必要としたり、マネージャーが別チームの状況を把握する必要があったりする。責任を負う同僚が直接依頼するなら、受信者も喜んで協力する可能性がある。

自動化された依頼は、暗黙の関係性を変える。それは、一方の従業員が調整コストを他者へ移すことで時間を節約したことを示唆しかねない。送信者は、メッセージを作成し、割り込みの妥当性を判断し、恩恵に対して個人的に謝意を示すことを避けられる。

一方で受信者は、依然として作業を担う。依頼を解釈し、優先度を判断し、情報を探し、エージェントに十分な権限があるかを決めなければならない。自動化は片側の労力を減らしながら、もう片側にはそれを残している。

この不均衡が、同じ文面でも同じ体験にならない理由を説明する。職場でのコミュニケーションは、文字どおりの内容を超えた情報を含む。緊急性、互恵性、立場、個人の判断、そして相手の注意への敬意を表現するものだ。

人間からの依頼には、交渉の明確な道筋もある。受信者はタスクの重要性を尋ねたり、競合する優先事項を説明したり、より小さな協力を提案したりできる。エージェントもこうしたやり取りを支援できるかもしれないが、その存在によって境界はより曖昧になる。

OpenAIの現行ドキュメントは、この能力がどこまで進んだかを示している。Slackエージェントガイドによると、ワークスペースのエージェントは質問への回答、接続済みシステムを通じたタスク実行、ファイル作成、定期メッセージの送信を行える。

エージェントは公開チャンネルで自動応答することもできる。この機能によって、エージェントは個人的な支援の枠を超える。チームが業務を調整し、期待値を築く共有コミュニケーション環境の参加者になるのだ。

OpenAIは、エージェントの回答が不正確になり得ると警告している。しかしBrockmanの事例は、別の失敗モードを明らかにする。メッセージが正確で、関連性があり、適切に配信されていても、反感を生む可能性がある。

このため、OpenAIとSimonをめぐる観察は、ありふれた引用投稿以上の注目に値する。これは、標準的なモデル評価ではほとんど測定されない導入障壁を特定している。正確性だけでは、受信者が尊重された、負担を強いられた、あるいは操作されたと感じるかを明らかにできない。

したがって変化は概念的でありながら具体的でもある。職場のエージェントは、所有者を支援する存在から、他者に要求を行う存在へと境界を越えつつある。その境界を越えた時点で、社会的な許容は技術的な認可と同じくらい重要になる。

職場AIは人間関係の設計問題になりつつある

エージェントの導入は、管理職とプロダクトチームに対し、単に手順をさらに自動化するのではなく、人間関係を守るよう求めている。

職場向け生成AIの第1世代は、主に個人の領域で機能していた。従業員が要約、下書き、説明、分析を依頼する。ユーザーは結果を確認し、共有するかどうかを決めた。

エージェントはシステムをまたいで行動できるため、このパターンを変える。チャンネルへの投稿、同僚への連絡、記録の取得、文書の更新、ワークフローの継続が可能だ。所有者がすべての手順を必ずしも確認する前に、その出力が他者の入力になる。

この移行により、AIガバナンスは日々の組織行動の領域へ入る。セキュリティチームには依然としてアクセス制御と監査記録が必要だ。管理職にも、ソフトウェアがいつ人に連絡してよいか、どのようなアイデンティティを示すべきかに関するルールが必要になる。

OpenAIの職場向けドキュメントでは、管理者がSlack連携を設定することが求められている。また、エージェントが個々の従業員の私用ログインではなく、中央管理された接続を使う共有認証についても説明している。これらの統制は技術的なアクセスに対処するが、すべての社会的期待を満たすわけではない。

認可されたエージェントであっても、誤った相手を中断させることはある。不要なフォローアップを生成したり、非公式な好意を機械によって割り当てられたタスクへ変えたりする可能性もある。チャンネルへ入る許可は、全員の注意を消費する許可と同義ではない。

受信者には意味のある開示も必要だ。目に見えるボットのラベルは一つの疑問に答えるが、最も重要な疑問には答えない。従業員は、誰が依頼の責任者なのか、そしてその人物が内容を確認したのかを知る必要がある。

所有者の存在は、人々が緊急性をどう解釈するかに影響する。信頼できる同僚からのメッセージには、これまでの協働で積み重なった文脈がある。ボットによる依頼はその履歴を取り除き、あらゆるタスクを同程度の確信をもって提示する可能性がある。

この平板化は優先順位付けの問題を生む。人間の同僚は、小さな選択を通じて、不確実さ、気まずさ、感謝、本当の緊急性を示す。エージェントもこうした合図を模倣できるが、模倣は所有者が同じ気持ちであることを保証しない。

そのため、チームは過度に洗練された依頼を信用しなくなるかもしれない。言葉遣いは配慮深く見えても、根底にあるプロセスは相談なしに負担を移している可能性がある。文章の質を高めても、権限と互恵性に関する不確実さは解消されない。

職場AIに関する研究も、Brockmanの社内説明を直接検証しているわけではないものの、より広い懸念を裏付けている。2026年のある研究は、企業コミュニケーションのタスクにおいて、ChatGPTによる支援と人間の同僚による支援を比較した。

研究者は202人を対象としたヴィネット実験を実施した。その特定の設定では、ChatGPTによる支援は、人間の同僚による支援よりも低い職務満足度と関連していたことが分かった。

公表された職場支援に関する研究は、この結果を三つの認識と結び付けた。参加者は、組織からの支援をより低く感じ、自身の能力を示す機会が少なくなり、雇用不安が高まったと報告した。

これらの知見を、すべての職業やワークフローに一般化すべきではない。この実験は、統制された条件下で一つのコミュニケーションタスクに焦点を当てている。それでも、そのメカニズムはBrockmanの観察にある緊張とよく似ている。

人間による支援は、タスク完了以上のことを伝える。それは、組織が従業員を大切にしていること、同僚が互いの専門性を認めていること、協力が報われることを示し得る。

エージェントによる支援は、出力を改善しても異なるものとして感じられることがある。ソフトウェアには、支援に関係性の意味を与える共有された履歴がない。従業員は回答を受け取っても、そのやり取りを本物の支援とは感じないかもしれない。

これは企業の購入担当者に直接的な圧力をもたらす。完了したタスクを軸にした購買判断では、二次的なコストを見落とす可能性がある。チームはワークフローの高速化を記録する一方で、信頼の低下、助け合う意欲の減退、自動化された依頼を検証する時間の増加を経験するかもしれない。

プロダクトデザイナーも同じ圧力に直面する。エージェントに自律的に発言させるのか、承認のためのメッセージ下書きを作らせるのか、それとも人間が制御するインターフェースの裏側で静かに動かすのかを決めなければならない。

最も安全なパターンはタスクによって異なる。定期的なステータス要約がもたらす社会的影響は、特定の同僚に問題の調査を依頼する場合とは異なる。両方の行為を一般的なメッセージ送信として扱うことは、人間の注意に対する要求の違いを見落としている。

すでに検索可能なナレッジベースに投資している組織には、別の選択肢がある。エージェントは、同僚に同じことを繰り返してもらう前に、既存の知識を取得できる。

この順序は、人間をデフォルトの代替手段にすることなく、自動化の価値を維持する。また、割り込みの明確な基準も生み出す。利用可能な記録だけでは依頼を解決できない場合に限り、エージェントが人に連絡するのだ。

したがって必要なのは、エージェントを拒むことではない。個人的な支援、共有情報の取得、対人的な委任を区別することである。それぞれのカテゴリーには、異なる権限と期待が必要だ。

委任による効率化と人間の責任

中心にあるトレードオフは単純だ。エージェントは、所有者の時間を節約するために、別の人の注意を消費する。

生産性指標は、多くの場合、依頼を開始したユーザーを追う。企業は、その従業員がどれほど迅速にタスクを完了したか、あるいはエージェントがどれだけのワークフローを処理したかを測定する。受信者が依頼を理解するために費やす労力は、同じダッシュボードにほとんど現れない。

更新情報を準備するプロダクトマネージャーを考えてみよう。そのエージェントはエンジニアリングの見積もりが不足していることに気づき、開発者へ連絡する。マネージャーは数分を節約できるが、開発者には、マネージャーが内容を確認したかどうか分からないまま依頼が届く。

開発者は、その見積もりが本当に必要なのか、期限が実際に切迫しているのか、ボットに答えることで義務が生まれるのかを判断しなければならない。このワークフローは一方のアカウントから見れば効率的に見える一方で、別の場所では曖昧さを生んでいる。

人間によるメッセージには、小さいながらも意味のあるコストが伴う。送信者は立ち止まり、受信者を考え、必要性を説明し、中断させる責任を引き受ける。その労力が、価値の低い依頼をふるいにかける役割を果たす。

自動化は、その摩擦の多くを取り除く。行動が定型的で、かつ双方の合意がある場合、摩擦の削減は役立つ。しかし、その行動が希少な人間の判断力を消費する場合、過剰な需要を生みかねない。

これはカレンダー自動化に似ている。予約ソフトウェアは日程調整を容易にするが、不注意な使い方をすれば、あらゆる不便を招待された側に押し付けることになる。やり取りが公平に感じられるかどうかを決めるのはテクノロジー自体ではなく、それを取り巻く運用だ。

エージェントは、大規模に依頼を生成できるため、この影響を増幅させる。従業員1人が、各受信者への中断を自ら体験することなく、多数の会話を委任できる。小さな不均衡が、大規模な組織全体では積み重なりうる。

OpenAIのSimon氏による発言は、ソフトウェアに人間らしい言葉遣いや振る舞いを与える擬人化デザインにも疑問を投げかける。より親しみやすい口調は使いやすさを高めるかもしれないが、メッセージの背後で誰が判断を下したのかを見えにくくする可能性がある。

エージェントが「ご協力いただければ幸いです」と書くとき、感謝を表しているのは誰なのか。システムには、その関係に対する個人的な利害はない。所有者は感謝しているかもしれないが、その表現が人間の注意を反映しているかどうかを受信者は知ることができない。

明確な帰属表示は、その曖昧さを減らせる。たとえばメッセージには、エージェントが不足情報を特定し、記名された従業員が依頼を承認したことを明示できる。また、所有者に直接連絡する手段も提示できる。

承認だけでは、すべてのケースを解決できない。人は、相手にかかる負担を評価せずに、多数の生成メッセージを承認できてしまう。有用なデザインは、依頼を送る前に受信者のコストを可視化すべきだ。

たとえばエージェントは、すでに誰に連絡したか、その人がどの程度頻繁に支援しているか、回答が別の場所に存在しないかを所有者に示せる。特定の専門家に繰り返し頼るのではなく、共有チャネルで尋ねるよう推奨することもできる。

システムは、情報に関する質問と業務の割り当てを分けることもできる。文書の保管場所を尋ねることと、2時間分の分析を依頼することは異なる。後者には、明示的な人間同士の交渉が必要だ。

受信者にもコントロールが必要である。ソフトウェアと議論することなく、断る、別の相手へ転送する、ミュートする、あるいは人間による確認を求められるべきだ。拒否は、終わりのない自動説得を引き起こすのではなく、責任を負う所有者に届くべきである。

会話の全体を通じて、主体のアイデンティティは安定していなければならない。エージェントがスレッドを開始したなら、所有者が曖昧さを残したまま密かに引き継ぐべきではない。各メッセージがソフトウェア、人間、またはレビュー済みの下書きのいずれから発信されたかを、参加者は知る必要がある。

エージェントが誤りを犯したとき、説明責任はとりわけ重要になる。期限を誤って伝えたり、権限のない作業を依頼したりした場合、受信者がどのプロンプト、連携、モデルがその指示を生んだのか調査する必要があってはならない。

記名された所有者が問題を解決しなければならない。組織も、その行動を理解するのに十分な履歴を保持する必要がある。そうでなければ、委任されたコミュニケーションは、自動化が到達範囲を広げるまさにその瞬間に、責任を弱めることになる。

Slackは、よりエージェント中心の未来を公に示してきた。Axiosの報道は、従業員がいずれ人間の同僚と同じくらい頻繁にエージェントと話すようになるかもしれないと予測したSlack幹部の発言を伝えている。

エージェントがいる職場の予測は、対立する懸念も捉えている。専門家は、機械主体のやり取りが社会的な行動を弱める可能性を警告する一方、実務家はエージェントを一貫性に欠け、ミスを起こしやすいものとして語った。

Brockman氏の指摘は、その議論をより鮮明にする。人々はソフトウェアとのあらゆるやり取りを拒んでいるわけではない。自分を助けるエージェントと、他者を助けるよう自分を動員するエージェントを区別しているのだ。

この違いは、プロダクトの意思決定を導くべきである。個人向けの自動化に、対人関係上の権限まで自動的に与えてはならない。メッセージを送信できるシステムであっても、所有者を代表する正当な理由が必要だ。

証拠は示唆的だが、十分ではない

Brockman氏はもっともな警告を示したが、公に利用できる証拠だけでは、この反応がどれほど広範で持続的なのかは明らかにならない。

OpenAIの説明には基本的な測定値が欠けている。ChatGPTをSlackに接続した従業員が何人いたのか、何人の受信者が異議を唱えたのか、どのような種類のタスクで最も強い反発が起きたのかは分からない。

「people really don’t like」という表現は、定量化された結果ではなく、明確な印象を伝えるものだ。それは広範な抵抗を示す可能性もあれば、少数グループから繰り返し寄せられた苦情、あるいは特定のチームに集中したパターンを指す可能性もある。

タスク設計が反応の一部を説明できるかもしれない。従業員は自動化された進捗確認には応じても、判断を必要とする自由形式の依頼には憤りを感じる可能性がある。既存リンクを求めることと、別チームのプロジェクトのデバッグに招くことは異なる。

エージェントの振る舞いも重要だ。メッセージが冗長、不適切なタイミング、反復的、あるいは透明性に欠けるために、受信者が否定的に反応している可能性がある。問題は委任そのものだけではないかもしれない。

職場の階層構造も、別の不確実性を生む。上級幹部のために動くエージェントは、メッセージが任意に見えても暗黙の権威を帯びうる。従業員は、人間関係を通じて交渉する手段を持たないまま、無視できないと感じるかもしれない。

同じエージェントが同僚のために動く場合は、異なる反応を生む可能性がある。強い信頼関係を持つチームは、同僚同士がすでに互いの意図を理解しているため、自動化を許容できるかもしれない。新設されたチームや分散型チームでは、より明示的な人間同士の接触が必要になる可能性がある。

文化的な期待も異なる。一部の組織は、非同期の文書コミュニケーションに大きく依存している。別の組織では、結束を維持し、不確実性を解消し、個人の貢献を認めるために会話を用いる。

ChatGPT支援に関する2026年の研究は有用な証拠を示すが、自律的なSlack上の委任を再現しているわけではない。参加者は、実際の同僚やエージェントとの長期的な関係ではなく、仮想的な業務シナリオに反応した。

202人のサンプルは、その実験内の分析には十分である。しかし、持続的な利用の後に従業員が適応するか、あるいはより良いインターフェース設計が結果を変えるかは判断できない。

Associated Pressが報じた別のSlack調査は、職場での導入がすでにどれほど不均一だったかを示している。研究者は5,000人のデスクトップワーカーにインタビューを行い、彼らを5つのAIペルソナに分類した。

AIを定期的または秘密裏に利用していた2つのグループに属したのは、半数にすぎなかった。職場におけるAI調査は、一様な反応ではなく、熱意、不安、抵抗、罪悪感、不確実性を描き出した。

この研究は現在のOpenAI Slack統合に先立つものであり、エージェント受容の直接的な指標として扱うべきではない。ただし、職場AIが感情的に分断された環境へ導入されていることは示している。

開示は別のパラドックスも生む。エージェントを隠せば短期的な摩擦は減るが、受信者に著者性について誤解を与える。すべての自動メッセージにラベルを付ければ透明性は守られるが、委任を見過ごすことは不可能になる。

答えは、エージェントが所有者になりすます能力を高めることではない。その方法は、既存の信頼を利用して短期的な応答率を改善するかもしれない。しかし、十分な情報に基づく参加を損ない、後のミスによる被害をより大きくする。

組織には、導入件数を超える証拠が必要だ。高い利用率は、従業員の受容ではなく、経営側からの圧力を反映している可能性がある。迅速な応答時間は、不満や不要な従属を隠しているかもしれない。

より良い指標には、無視された依頼、人間によるエスカレーション、苦情、訂正、繰り返しの連絡、受信者の満足度が含まれる。チームは、エージェントが下書きした依頼と自律的に送信された依頼も比較すべきである。

最も強力な証拠は、統制された職場試験から得られる。研究者は所有者の承認、アイデンティティの開示、タスク負荷、階層、関係履歴を変数として操作できる。その上で、完了率、信頼、再び協働したいという意向を測定できる。

そうしたデータが現れるまでは、OpenAIのSimon氏による説明は普遍的な法則ではなく、警告として扱うべきだ。それは関連研究と整合する、もっともらしいメカニズムを特定している。しかし、すべての自律的メッセージが職場の人間関係を損なうことを証明しているわけではない。

この区別は重要である。過剰反応にもコストがあるからだ。エージェントによるすべてのコミュニケーションを禁止すれば、アクセスしやすい支援チャネル、定型報告、より迅速な情報検索を含む有用な自動化まで妨げられる。

実務的な対応は、範囲を限定した実験である。企業は、他者に意味のある作業を課す依頼については人間によるレビューを求めつつ、低リスクのエージェント参加を認められる。

導入前に、その境界を公表すべきだ。従業員は、エージェントがいつ連絡できるのか、どのような権限を持つのか、どう断れるのか、誰が紛争を扱うのかを知る必要がある。

こうしたルールがなければ、受信者は中断されるたびに方針を自ら考え出さなければならない。その不確実性が、生産性機能を組織的な摩擦へと変える。

AI同僚が信頼を得られるかを示す3つのシグナル

次の段階を決めるのは、プロダクトの制御機能、受信者の行動、そして測定可能な人間関係の成果である。

第1のシグナルは、OpenAIや他のベンダーが、対人的な依頼に対してより強力な人間の承認コントロールを追加するかどうかである。現在のツールはすでに、チャネル設定、スケジュール、メンション、自動応答をサポートしている。

決定的な機能は、一般的なチャネル支援と、対象を絞った委任を区別するものになる。エージェントが記名された従業員に実質的な作業を依頼する際、管理者または所有者がレビューを必須にできる。

顧客がこのコントロールを広く採用すれば、Brockman氏の解釈を強めることになる。組織が、対人的な依頼を独自のリスクカテゴリーとして認識していることを示すからだ。

採用が弱ければ、別の方向を示す。チームは、開示と既存の権限設定で十分な保護が得られると判断するかもしれない。定型的なエージェントメッセージは、繰り返し接することで社会的に普通のものになる可能性がある。

第2のシグナルは、受信者の行動である。企業は、異なるタスクカテゴリーにおける応答率、拒否、ミュート、エスカレーション、人間による確認の要請を追跡すべきだ。

高い完了率だけでは不十分である。特にエージェントが管理職や影響力のある同僚を代表する場合、従業員は嫌っている依頼にも従う可能性がある。速度と同様に、満足度と再び協力したいという意向も重要だ。

自律的な依頼が、レビュー済みの人間のメッセージよりも多くの苦情や将来の協力低下を生むなら、Brockman氏の議論は強まる。メッセージの質とタスク負荷を統制した後に差が消えるなら、その議論は弱まる。

第3のシグナルは、組織が生産性とともに人間関係への影響を測定するかどうかである。多くのエージェントプログラムは、節約された時間、完了したタスク、または削減されたサポート量から始まる。

これらの指標は、エージェントの所有者と導入組織に有利に働く。システムが仕事を移転しているか、評価を減らしているか、同僚間の信頼を弱めているかは捉えない。

信頼できる評価は、やり取りについて双方に尋ねるべきだ。送信者は時間を節約できたか。受信者は依頼を理解し、その正当性を受け入れ、誰に責任があるかを把握していたか。

より長期的な指標も重要だ。チームは、専門家がより多くの自動的な要求を受けるようになっているか、従業員同士の直接コミュニケーションが減っているか、未解決の対立が公式チャネルの外へ移っているかを調べられる。

これらの成果は、拡張と代替を分けることになる。拡張とは、より良い協働に向けてAIが人を準備させることだ。代替とは、ソフトウェアを人と人の間に置き、その関係を回避可能な間接費として扱うことである。

ブロックマン氏が好む方向性は、この発言から明らかに見える。AIは人々に時間を取り戻させるか、ともに過ごす時間をより良くするべきだ。同僚同士を隔てる恒久的なレイヤーになってはならない。

この立場が注目に値するのは、エージェントがより多くの職場業務を担うほどOpenAIに利益がもたらされるからだ。社会的な境界線を認めることは、エージェントの自律性を高めることが自動的に望ましい到達点ではないことを示唆している。

プロダクト上の課題は、あらゆる管理上の負担を復活させずに説明責任を維持することだ。思慮深い依頼文を下書きする作業は自動化できる。しかし、同僚に仕事を課すと決めることは、多くの場合、人間に委ねるべきだ。

ナレッジ検索は、有用な境界線を提示する。エージェントは、他者に連絡する前に、承認済みの記録を検索し、関連する文脈を要約し、不足している情報を特定すべきだ。不必要な中断を避ける自動化は、信頼を得る。

人の助けがなお必要な場合は、担当者自身がやり取りに姿を見せるべきだ。短い個人的な説明でも、目的、責任、感謝を伝えられる。エージェントは引き続き文脈を整理し、結果を記録できる。

OpenAI Simonという表現は、この特定の引用以外では自然な検索語になる可能性は低い。それでも、その根底にある問題は、1つの投稿をはるかに超えてエンタープライズAIを形作ることになる。

ベンダーはエージェントを、同僚、アシスタント、デジタル労働力として設計している。従業員は、製品ラベルではなく日々のやり取りを通じて、こうしたシステムを評価する。自動化された依頼の一つひとつが、権限と敬意を試す場になる。

したがって、最も成功するエージェントは、現在のデモが示唆するよりも目立たない存在かもしれない。情報を準備し、反復作業をなくし、人が明確にコミュニケーションできるよう支援する。関係そのものを置き換えた功績を求めることはない。

Slackエージェントを導入する組織は、まず実務的な問いから始めるべきだ。この行動は組織全体の時間を節約するのか、それとも担当者だけの時間を節約するのか。この問いによって、単に労力を移し替えているだけのワークフローが浮き彫りになる。

次に、受信者に実質的なコントロールを与えるべきだ。人は不利益を受けずに人間による確認を求められ、機械が生成したタスクを拒否しても、機械との議論に引き込まれないようにしなければならない。

最後に、チームは結果をオープンにレビューすべきだ。従業員が、エージェントが説明責任なしに仕事を割り当てていると感じるなら、完了率の統計がどうであれ、導入は再設計を要する。

OpenAIのサイモン・ウィリソン氏の発言は、AI同僚の未来を決めるものではない。しかし、それらを評価するためのより良い基準を与えている。目標は自動化されたコミュニケーションを最大化することではなく、関係を損なうことなく、より有用な仕事を増やすことだ。

エージェントに同僚への連絡を許可する前に、そのソフトウェアが何を取り除き、何を移転するのかを問うべきだ。名前の明示された責任者、明確な開示、そして人間の会話へ簡単に戻れる経路を必須とする。そして、送信者が節約した時間と同じくらい慎重に、受信者の体験を測定する。職場のエージェントが同意、文脈、説明責任を守れないなら、それを支える人の背後に置いておくべきだ。AIが職場で居場所を得るのは、人々を自動化されたワークフローの終点に変えるときではなく、互いに向ける注意をより多く生み出すときだ。