何が発表されたのか
OpenAIは公式YouTubeチャンネルにおいて、デスクトップ環境における「ChatGPT Voice」の実務応用例を示した動画「Using Voice in ChatGPT Work」を公開しました。登壇したのはOpenAIでDeveloper Experienceを担当するNick Baumann（ニック・ボーマン）氏です。同氏はMacBook Proを開き、実際の業務シナリオに即したAIアシスタントの動作を実演しました。
今回の発表は完全に新しい音声モデルの発表ではなく、ChatGPT Voiceがマルチモーダルな視覚能力とアプリ連携機能を備え、バックグラウンドで動く作業パートナーとして機能することを示した実演事例です。ユーザーが画面上で別のアプリケーションを操作している間も、音声AIが画面のUIや開かれている文書、連携アプリのデータをリアルタイムに把握し、裏で自律的にタスクを進行できる点に最大の進化要素があります。
既存の音声機能が「人間が話した内容をプロンプト化してテキスト入力する」にとどまっていたのに対し、本機能はユーザーの「作業の文脈（コンテキスト）」に常時滞在します。OpenAIはこの実演を通じ、AIが受動的な対話相手から、マルチアプリを横断してタスクをこなす作業エージェントへと進化している姿を明確に示しました。
発表された機能・アップデートの全容
ブレインストーミングとTo-doリストの画面認識
デモは、ボーマン氏がMacのApple Notes（メモアプリ）に書かれた「To-do's」を画面に表示させながら、ChatGPT Voiceに話しかける場面から始まります。メモには「put together an activation concept for Dev Day」「review the new developer homepage copy」「prepare the agenda for the weekly DX sync」「finish the conference speaker shortlist」という4つのタスクが記載されていました。
ChatGPT Voiceは画面上のテキストを読み取り、「I see your list... Which one do you want to tackle first?（リストを確認しました。どれから手付けますか？）」と応答します。ボーマン氏がDev Dayの企画について「ゲームボーイでCodexを操作する案」「DALL-Eを用いたTシャツプリントブースの案」などのアイデアを音声で伝えると、AIはそれらを理解し、企画資料のビジュアルデッキ（提案書）作成へと移行しました。
ディクテーション（音声入力）とChatGPT Voiceの構造的差分
ボーマン氏は動画の途中で、従来のディクテーション機能とChatGPT Voiceの決定的な相違点について自ら解説を行っています。「Dictation turns what I say into a prompt. Voice is an ongoing conversation that stays with me while I work.（ディクテーションは私の発言をプロンプトに変えるだけですが、Voiceは作業中も私に寄り添い続ける継続的な会話です）」と述べました。
従来の音声入力では、一回の音声がそのままテキスト変換されて処理が終わります。一方でChatGPT Voiceは、ショートカットキーまたはUI上の音声ボタンで起動した後、アプリを切り替えてもバックグラウンドで常時待機します。ユーザーが「何を見ているか」を画面越しに理解し、バックグラウンド処理を行いながら対話を継続できる点が最大の差分です。
SlackおよびGoogle Calendarと連携したスケジュール調整
続いて、Slackのチャンネルで同僚のDanielle Zaghian氏から送信された「パリでのDXチームオフサイト（8月26日〜28日）」に関するメッセージを画面に表示します。ボーマン氏が「Do you see what I'm looking at?（私が見ているものが分かりますか？）」と尋ねると、ChatGPT Voiceは画面上のSlackメッセージを解析し、8月26日水曜の朝から28日金曜の午後までの日程であることを読み取りました。
さらにボーマン氏が「帰国を日曜日に延ばしたいので、翌週月曜と火曜の予定を確認してほしい」と頼むと、AIは裏でGoogle Calendarを参照しました。8月31日（月）は全休で予定がなく、9月1日（火）は16時まで空きがあることを自律的に確認し、「日曜日帰国であれば十分な余裕があります」と音声で回答しました。
出張手配ツールNavanでのバックグラウンド予約処理
スケジュールの安全性が確認されると、ボーマン氏はChatGPT Voiceに対して出張予約を指示します。「In Navan, can you prepare the flights and hotel so I arrive on Tuesday and get back on Sunday afternoon? Don't book anything, just take it to the final review step.（Navanで火曜着・日曜午後の帰国となる航空券とホテルを準備してください。購入はせず、最終確認の手前まで進めておいてください）」と依頼しました。
ChatGPT Voiceは「Sounds good. I'll tier it up and stop before any purchase.（承知しました。購入手前まで準備を完了させます）」と返答し、バックグラウンドで出張手配プラットフォーム「Navan」にアクセスしました。実際にエールのフライト（往復1,328.03ドル）とホテル「citizenM Paris Opera」（5泊1,234.20ドル）の予約確認画面が自動で作成されました。
作成資料の自動表示とSlack経由の共有
出張手配が裏で進行している間、先に依頼していたDev Dayのビジュアルデッキ作成が完了します。AIは「The deck is ready too. We can look at it anytime.（プレゼン資料の準備もできました。いつでも確認できます）」と報告します。ボーマン氏が「Can you open the deck in Chrome?（Chromeで資料を開いてくれますか？）」と指示すると、Google Slidesが画面に展開されました。
スライドには「One game, built by everyone」「Prompt to Print」「Living Mural」「Ten-Minute Build」といったデザイン案が美しくまとめられていました。内容を確認したボーマン氏が「Can you send it to Romain on Slack?（SlackでRomainに送ってくれますか？）」と頼むと、AIは「Sending message...」というステータス表示とともに、Romain Huet氏のアカウントへ資料リンクを即座に送信しました。
