OpenAI社員が教える、GPT 6 Astraを使いこなす秘訣——人とAIの役割分担を再設計する

適切なツールを与え、作品を確認・修正できる状態にする

ゴールデンゲートブリッジの初版は、Astra が2つのツールを組み合わせて作り出しました。まず、BrickLink Studio の標準パーツライブラリに何があるかを把握し、Python コードでモデルを組み立てます。そして、Studio を開いて結果を確認し、さらに修正を加えました。コードが一括生成を担い、制作ソフトウェアが生成物の妥当性を視覚的に確認する役割を果たしたのです。

作者がゴールデンゲートブリッジの目標を設定し、Studio を指定しています。出典: Dominik Kundel。

ゴールデンゲートブリッジの初版。この画像は後からスタジオ照明を追加したレンダリングです。出典: Dominik Kundel。

橋の上面の近景: 車線、小型車、ブロックの接続の詳細。出典: Dominik Kundel。

こうして Kundel 氏は、Studio で開いて確認できるブロックモデルを手に入れました。橋の路面のアップでは、車線や車も見て取れます。全景画像は、後で設定したスタジオ照明によるものです。約10分は初版を作るまでの時間であり、その後も磨き上げが必要でした。彼は、コードとソフトウェアがこれほど自然に連携する様子を見て、自分で操作した方が本当に速いのか、考え直し始めました。

これこそが「AIに任せる」ことの、より実際的な意味です。ある場所で制作し、別の場所で確認し、それらを組み合わせることができるのです。ツールを選ぶ際は、自分が普段使っているソフトウェアを出発点にできます。LEGO には Studio、3DCG には Blender、動画編集には DaVinci Resolve のような専用ソフトが考えられます。適切な編集ソフトがあるなら、動画処理のすべてを FFmpeg コマンドに制限する必要もありません。

3Dの部屋の再構築は、この作業スタイルをより明確に示しています。Kundel 氏は Astra に、さっと撮ったホームバーの写真10枚を渡しましたが、採寸データは提供しませんでした。Astra は、写真に写り込んだカクテル本などを基準にスケールを推定し、3DCG制作ソフト Blender の中で、オブジェクトを一つずつ作成しては個別に確認し、それから同じシーンに配置して調整を続けました。ソフトウェアのインターフェース操作も、コマンドラインの使用も、両方こなせるのです。

10 枚の写真から再構築されたホームバー。カウンター、椅子、ウォールシェルフ、照明器具、ボトルやグラスが同じ 3D シーン内にあります。出典: Dominik Kundel。

部屋には家具や棚、酒瓶、グラスなどがあり、隅の椅子や散らかった電線まで作り込まれました。これらを独立したオブジェクトとして保持することで、修正を部分に限定できます。椅子が合わなければ椅子を直せばいいし、照明が気に入らなければ照明を調整すればいいのです。Kundel 氏は後からマテリアルやライティングを修正し、シーンを開いて様々な角度から確認することもできました。

たとえ最終的な作品がWebページ内で使われる場合でも、3Dコンテンツの一部はまず Blender で制作され得ます。ユーザーにとって、ツールの選択は成果物の性質に影響します。それは、開いて確認できるか、特定のオブジェクトを後から修正できるか、後続の作業に組み込めるか、といった点です。

やるべきことを明確に伝え、操作の細部は任せる

ツールによって Astra が実際に手を動かせるようになり、要件がその方向性を決めます。Kundel 氏が作ろうとしたのは、クリエイティブな素材を作るためのブラウザベースの画像エディタ「Thumbnail Studio」です。彼は口頭でアイデアを伝え、同僚とのやり取りをモデルに参照させました。

動画内の入力には、かなりの背景情報が含まれていました。Slack での議論、Webサイトのコードベース、ブランドガイドライン、そして背景画像のアップロード、要素の並べ替え、テンプレートの使用といった主要機能です。さらに、インターフェースはシンプルに保つよう求めました。表現はカジュアルでも構いませんが、用途、参考資料、重要な要件は明確に伝える必要があります。

Astra が補完したのは、一つずつ指定されていなかった操作の詳細です。例えば、元に戻すショートカットキー、レイヤー機能、そしてレイヤーを非表示にする機能などです。これらは、「画像エディタはこう使われるべきだ」という判断です。

ビデオを再生して、口頭での要望とエディタの初版を確認します。

22 秒: 口頭での要望から Thumbnail Studio の初版まで。出典: Dominik Kundel。

反復後の Thumbnail Studio: 左側に編集とレイヤー、中央にキャンバス、右側にサムネイルのプレビューとフィードバック。出典: Dominik Kundel。

自分専用のソフトウェアを作りたい人にとって、この役割分担は有用です。まず、仕事でどのような問題を解決したいのか、ソフトウェアにどんな姿を望むのかを説明します。そして、動作するバージョンを手にしたら、それを試用し、何を残し、何を修正するかを決めます。各ボタンがどう反応するかまで、事前に完全な仕様書として書き出す必要はありません。

LEGOモデル展示サイト は、さらに踏み込んだ製品検討の結果です。Kundel 氏は、訪問者がモデルを3Dで閲覧し、組み立てファイルをダウンロードできることを要求しました。Astra はさらに、新しいモデルをアップロードするためのインターフェースも追加しました。彼の説明によると、この管理画面は Sign in with ChatGPT を使用して、本人のみが利用できるように制限されています。

アップロードと管理機能は、サイトに今後どのように作品を追加し、誰が維持していくのかという問題を解決します。モデルは、一人の訪問者が目の当たりにするページだけでなく、作者が後でこのソフトウェアをどう使い続けるかも考慮しているのです。

ただし、具体的な美的感覚については、やはり人間が方向性を示す必要があります。思い描いていた宇宙をテーマにしたデザインにするため、Kundel 氏は参考資料を提供し続け、インタラクティブで回転する惑星を明確に要求しました。すでに確定している機能やビジュアルの要件は、直接伝えます。任せられるのは、判断を委ねてもよいとあなたが考える細部だけです。

初版を手にしたら、具体的な結果に基づいて繰り返し修正する

初版は、アイデアを具体的な問題点を指摘できる対象に変えます。次のフィードバックは、特定のボタン、画面の一部、またはアニメーションといった具体的な要素に対して行えます。ユーザーは、文字による想像だけで最終的な効果を思い描く必要はなくなります。

Kundel 氏は後日、「製品フィードバックモード」の追加を要求し、フィードバックを定期的に確認・整理・実装する自動化の設定も求めました。Astra はこの方向性に合わせて、アプリ内の位置を選択してコメントを固定し、優先度を設定し、フィードバックを編集し、問題が解決済みであることをマークするといったインターフェースを補完しました。

これにより、ソフトウェア使用中に発見した問題を、その場に残すことができます。次のラウンドでどこを修正するか、どのフィードバックを先に処理するか、どれがすでに処理済みかが、明確な対象として存在します。元のデモではこれらのインターフェース操作が示されており、定期的な処理は作者が要求した自動化の一部です。

アニメーションのケースは、リファレンスとフィードバックがどう連携するかをさらに示しています。Kundel 氏は Nick Baumann 氏のアニメーションスタイルを好んでいたため、スクリーンショットと文脈を含む Appshot、執筆中の記事、そして Codex アプリケーションのコードへのアクセス権を Astra に渡しました。

元の画像に写った指示も非常に具体的でした。まず、彼がフィードバックしやすいように2つのアニメーション案を提示すること。そのうちの1つでは、AIがマウスでインターフェースをクリックする方法と、専用ツールを直接呼び出す方法の違いを説明すること。作者は、アニメーションで説明すべき内容をすでに指定していたのです。

アニメーションのリクエストには参考画像が添付され、説明したい 3D 操作のシナリオが示されています。出典: Dominik Kundel。

Astra は、記事内の3Dデモを読み解き、アニメーション化可能なインターフェースを再構築し、構図、カメラアングル、説明テキストを追加しました。さらに、プレビューツールも追加で作成し、Kundel 氏が再生、一時停止、繰り返し視聴し、異なる角度から確認できるようにしました。そして、内蔵ブラウザの注釈ツールを使って問題点を指摘できるようにしたのです。

比較ビデオを見ると、具体的な変化がわかります。初版は、単一のモデリングウィンドウと会話という構成でしたが、公開版では、2つのモデリングウィンドウを並べ、それぞれの下に説明エリアが設けられました。2つの操作方法が同じ画面にあることで、違いが比較しやすくなっています。プレビューツールの価値は、実際の見た目を確認しながら、さらに要求を続けられる点にもあります。

この比較ビデオの素材を集める作業でさえ、タスクとして任されました。Kundel 氏は Astra に、以前の会話から初期のアニメーションを探し出し、デスクトップで画面収録を見つけ、Xの記事から最終版を取得するよう指示しました。Astra はこれらの素材を見つけ出し、ビデオに合成しました。彼は「どんな結果が欲しいか」を説明すればよく、指定された場所での素材の検索と統合はモデルに任せ、ファイルを一つ一つ探す準備作業を減らすことができたのです。

シンプルな設定から始め、成果物に合わせて指示と推論レベルを調整する

これらの成果物を見た後、もう一つの習慣を見直す価値があります。それは、以前モデルに良い仕事をさせるために追加していた指示が、新しいモデルにはどの程度必要かということです。

チームが Astra に公開用ビデオの編集を任せた際、初期のモデル向けに書かれた一部のスキルが、むしろ妨げになりました。そのタスクでは、ビデオ編集スキルを外したシンプルな設定の方が良い結果を出しました。特定のスキルが主に旧モデルの欠点を補うためのものであれば、同じタスクでスキルを使わない場合と比較し、保持するかどうかを決めると良いでしょう。

推論レベルも同様に試す価値があります。Low、Medium、Max などのレベルは、推論の強さを表します。Kundel 氏は、いくつかのBlender実験において、別のモデル GPT-5.6 Sol が Max レベルで出した結果よりも、Astra が Low レベルで出した結果を好みました。また、Astra が低い推論レベルでも仕事を注意深くチェックすることに気づいたと述べています。

ビデオでは、Sol が上段、Astra が下段に配置され、各段は左から右へ推論レベル順に並んでいます。また、題材はキャラクター、建築、部屋の3つがローテーションしています。同じ題材の造形、構図、細部を観察し、どちらの結果が自分の要求に近いかを比較できます。

実際の試行は、Low や Medium から始め、まず1ラウンド行ってみて、それから高い方か低い方へ調整するのが良いでしょう。Kundel 氏が提供する Model Observatory も、さらなる比較を閲覧するための入り口として利用できます。古いスキルや最高の推論レベルを自動的に使い続ける必要はありません。より多くの指示や推論が必要かどうかは、具体的なタスクと成果物に立ち返って判断すべきです。

実際の結果を確認させ、引き渡しのタイミングを決めておく

モデルに実装を任せた後、最後に明確にすべきことは、タスクが完了したとどう判断するか、どの程度チェックしたら引き渡しとみなすか、ということです。

Kundel 氏は、Astra がゲーム制作時にはプレイテストを始める可能性があり、最適化時には環境を構築して効果を測定し、動画処理時には個々のフレームや音声波形を確認することを観察しました。チェックは、作品の実際のパフォーマンスに対して行われます。

カバーデモでは、より具体的なプロセスが見られました。Astra は、前のラウンドで切り抜き問題を修正したものの、プレビューの表示が縦長になりすぎたことに気づきました。検索結果は 5:2 を示していましたが、Xのヘルプページには寸法が記載されていませんでした。そこで、実際の記事ページのコードをさらに確認し、当時の比率が 5:2、サイズが 1200 × 480 ピクセルであることを確認し、その比率と中央揃えに調整して、メインの被写体が完全に表示されるようにする必要があると説明しました。

このチェックでは、2つのことを追求しました。元の切り抜き問題が解決されたか、そして、先ほどの修正が新たに比率の問題を引き起こしていないか、です。成果物が実際に使用される予定のページが、自分の変更を修正するための根拠を与えたのです。

チェックには終了点も必要です。自分でプレイしてみたいだけのプロトタイプが欲しいなら、まずプレイ可能なバージョンを作るよう指示します。モデルに完全にプレイさせて問題を修正してほしいなら、その一連の作業をタスクとして依頼します。また、以下のように取り決めることもできます。「指定した確認項目について一通りチェックし、発見した問題と未解決の事項を報告して、引き渡す」と。

これらの経験を自分のタスクに応用するには、以下の点を指示に含めると良いでしょう。

Kundel 氏の最後の提案は、かつて諦めたタスクをもう一度試してみることです。Astra に適切なツール、参考資料、完了基準を与え、低いまたは中程度の推論レベルから始めます。まず、それがどこまでできるかを見て、それから指示を追加します。今回の試みは、モデルを試すだけでなく、準備、制作、チェックのうち、どれだけを任せる価値があるかを再判断することでもあるのです。