Deep Research が ChatGPT Work と Codex に対応、調査結果を引用付きドキュメントへ直接落とせるように

要約

OpenAI は 2026-09-10、Deep Research を ChatGPT Work と Codex で利用可能にしたと発表しました。

Deep Research は複雑な問いに対して時間をかけて調査を行う機能ですが、今回の対応で調査範囲が Web だけでなく、自分のファイルと対応する接続済みアプリまで横断 するようになりました。そして調査結果を、引用付きの編集可能なドキュメント に落とし込めます。

実務的に大きいのは、調査と成果物の間にあった転記工程が消えることです。 これまでは調査結果をチャットで受け取り、それを別のドキュメントへ手で整形するのが普通でした。今回は成果物の形式を指定でき、利用可能なツールに応じて ドキュメント / プレゼンテーション / スプレッドシート / Site のいずれかを要求できます。

実行中の方向修正（steering）にも対応しています。 調査が始まってから「その観点はいらない、こちらを深く」と伝えられます。長時間走る処理で、途中の軌道修正ができるかどうかは体感の差が大きい部分です。

起動方法は、Work で @Deep Research と入力するか、明示的に deep research を依頼します。

提供範囲は、Work アクセスを持つ Plus / Pro / Business / Enterprise / Edu のユーザーで、web・デスクトップ・iOS・Android で使えます。

課金は 既存の Work / Codex の allowance またはクレジットを消費 します。ここは注意点で、Chat 側の deep research の上限は変更されません。 つまり Chat と Work で別枠になっており、Work 側の調査は Work の予算を食います。

何が変わったか

• Deep Research が ChatGPT Work と Codex で利用可能に
• 調査範囲が Web / 自分のファイル / 対応する接続済みアプリ を横断
• 結果を 引用付きの編集可能なドキュメント へ落とし込み
• 実行中の 方向修正（steering） に対応
• 成果物形式を指定可能: ドキュメント / プレゼンテーション / スプレッドシート / Site（利用可能なツールによる）
• 起動は @Deep Research または明示的な依頼
• 対象: Work アクセスを持つ Plus / Pro / Business / Enterprise / Edu、web / デスクトップ / iOS / Android
• 課金は 既存の Work / Codex allowance・クレジットを消費。Chat 側の deep research 上限は不変

業務インパクト（一般企業向け）

この機能の価値は「社内ファイルが調査範囲に入ったこと」に集約されます。

Web だけを調べる調査機能は、外部情報の要約としては便利でも、社内の意思決定にはそのままでは使えません。自社の過去資料・議事録・仕様書と突き合わせて初めて、「うちはどうするか」の材料になります。 今回それが1つの実行の中で完結するようになりました。

裏を返すと、どのデータソースを接続しているかが出力品質を直接決めます。 接続が薄ければ、Work で走らせても Web 検索と大差ない結果になります。導入効果を出したい組織ほど、接続対象の整備が先に来ます。

情報統制の観点では、論点が2つあります。 1つは、調査が社内ファイルを横断する以上、参照されてほしくない資料が範囲に入っていないか。もう1つは、生成されたドキュメントが 引用付きであることをどう活かすか。引用があるということは、出力の検証コストが下がるということです。AIが作った資料をレビューする社内ルールを持つ組織なら、引用の有無はレビュー手順に組み込む価値があります。

予算面では、Work / Codex の allowance を消費する点を見落とさないでください。 Deep Research は重い処理です。部門で使い始めると allowance の消費ペースが変わります。Chat 側の上限とは別枠であることを、利用計画を立てる人に明示しておく必要があります。

副業・個人活用視点

個人事業では、提案書・調査レポートの制作工程がそのまま短くなります。

顧客向けの市場調査、競合比較、技術選定の根拠資料。これらは「調べる」と「書く」が別工程になりがちで、書く側で時間を食います。成果物形式を指定できるということは、この2工程が1回の実行に畳まれるということです。 プレゼンテーション形式を直接要求できる点は、提案の初稿づくりに効きます。

引用付きであることは、副業・フリーランスにとって品質の証明になります。 個人が出す調査資料は、内容が良くても「どこまで裏が取れているのか」を問われます。出典が付いた状態で納品できるのは、そのまま信頼の材料です。 AIで作ったかどうかより、検証可能かどうかが見られる場面は増えています。

教える立場では、@Deep Research は「steering できる長時間処理」の教材として使えます。 AIに長い作業を任せるとき、投げっぱなしにするか途中で介入するかは、成果物の質を大きく分けます。途中で方向を変えられる機能が公式に用意されたこと自体が、「AIとの協働は一発勝負ではない」という説明の裏付けになります。

allowance を消費する点は、個人利用でこそ意識が要ります。 好奇心で重い調査を何本も走らせると、本当に必要なときに枠が残っていないという事態が起こりえます。使うときは目的を決めてから走らせるという運用は、コストの話であると同時に、良い問いを立てる訓練にもなります。