ChatGPTの定時タスク、Codexエージェント、Dotの全自動化を比較：3つの自動化における6つの主な違い

著者注：ChatGPT 定時タスク、Codex エージェント、ChatGPT Dot の自動化能力、費用、信頼性を「きっかけ」「実行」「継続的な調整」の3つの観点から比較し、選び方を紹介します。

2026年10月現在、OpenAI には AI が「自分で仕事を進める」ための製品が3種類あります。ChatGPT 定時タスク（Scheduled Tasks）、Codex エージェントとその自動化機能（Codex Automations）、そして9月29日にリリースされた常駐型パーソナルエージェント ChatGPT Dot です。3つとも定期実行に対応し、会話をまたいで作業を続けられるため、違いが分かりにくく、どのプランにお金をかけるべきか迷うユーザーも少なくありません。

この記事では、3つを「どれが最も優秀か」というランキングにはしません。それぞれ設計の重点が異なり、互いに呼び出し合うこともできるようになっているためです。OpenAI の公式資料をもとに機能と費用を説明し、The Verge、Axios、Business Insider による実際の検証やコミュニティの障害報告を通じて、信頼性を確かめます。

この記事で分かること：毎日の情報収集、ソフトウェアの自動化、長期プロジェクトのフォローアップという3つの用途に、それぞれどれを選べばよいかが分かります。また、「人手を介さずに働くデジタル社員」の実現まで、何が足りないのかも見えてきます。

ChatGPTの定期タスク、Codex、Dotの主な違い

3つの違いを理解するためのシンプルな見方は、定期タスクが起動を担い、Codexが実行を担い、Dotが継続的な統括を担うというものです。ただし、これは理解を助けるためのたとえであり、OpenAI公式の技術的な分類ではありません。3つの機能には重なる部分も多く、定期タスクに実行能力がないとか、Codexが自発的に動かないというわけではありません。

なお、上表は製品がサポートする機能を比較したものです。すべてのアカウント、バージョン、地域で、すべての機能が利用できるとは限りません。

ChatGPTの定期タスク：リマインダーにとどまらない「トリガー」

定期タスクは2025年1月14日にベータ版として公開され、当初は主に定時リマインダーとして使われていました。2026年6月17日のアップデートでは、一元管理できる「Scheduled」画面が追加されました。監視タスクでは、Web検索や連携済みアプリの確認が可能になり、報告する価値のある変化があった場合にのみ通知されます。従来のChatGPT Pulseによる自動更新機能も定期タスクに統合され、Pulseは提供を終了しました。

イベントトリガーも重要な機能です。公式に対応しているイベントには、Gmailの新着メール（送信者や件名で絞り込み可能）、Slackの指定チャンネルへの新着メッセージ、GitHubのPull Requestにおける指定のアクティビティがあります。これらのタスクはChatGPT Workを通じて実行され、FreeおよびGoプランでは利用できません。1つのタスクに複数のイベントトリガーを組み合わせることはできますが、時間トリガーとイベントトリガーを同じタスクに設定することはできません。

Codex エージェント：作業を最後まで「実行」する

Codex デスクトップアプリは、2026 年 2 月 2 日に macOS で提供が始まり、3 月 4 日には Windows にも対応しました。複数エージェントの並列実行、Git Worktree による作業環境の分離、スキルシステム、Automations を備えています。4 月 16 日に発表された「Codex for （almost） everything」では、大きな機能拡張が行われました。Codex はパソコン内のほかのアプリを操作できるようになり、バックグラウンドでの Computer Use、記憶、将来のタスクの自己設定、既存スレッドの再開に対応したほか、次のステップを自ら提案することも可能になりました。当時、OpenAI は Codex の週間利用者数が 300 万人以上の開発者に達したと発表しています。ただし、これは利用規模を示す数字であり、全員が自動化機能を使っていることを意味するわけではありません。

Codex と定時タスクの本質的な違いは、指定時刻に文章を生成するだけでなく、作業環境を復元し、ファイルの読み取り、コードの修正、テストの実行、結果の確認、失敗箇所の修正まで行う点です。OpenAI は 2026 年 2 月、長時間タスクに関する社内実験を発表しました。この実験では、Codex が GPT-5.3-Codex を使い、空のコードベースからデザインツールを構築しました。実行時間は約 25 時間、消費トークンは約 1300 万、生成されたコードは約 3 万行でした。この実験は、Codex が同じ複雑な目標に向けて長時間作業を進められることを示していますが、すべてのユーザーに対して同等の信頼性を保証するものではありません。

ChatGPT Dot：継続的に役割を担うパーソナルエージェント

Dot は GPT-6 Astra を搭載し、専用のクラウドコンピューターとブラウザーを持っています。プラグインのエコシステムを通じて 4000 以上のアプリに接続でき、ChatGPT、Slack、Teams などのチャネルでユーザーと協力できます。「4000 以上」はエコシステムがサポートする範囲を示しており、各ユーザーが実際に使えるアプリは、プラグイン、接続状況、権限、地域、ワークスペースの設定によって異なります。Dot と Codex の大きな違いは、プロアクティブリサーチ（Proactive Research）です。ユーザーから新しいメッセージが届いていないときでも、Dot はアクセスを許可された情報源を読み、新しい情報を既存のタスクと関連付けて、ユーザーへの通知が必要かどうかを判断します。

プロアクティブリサーチには、重要な安全上の制約があります。使用できるのは読み取り専用ツールだけです。プロアクティブリサーチから第三者に直接メッセージを送ったり、接続済みアプリの内容を変更したり、ブラウザーを操作したりすることはできません。調査結果はいったん Dot に報告され、Dot が権限と承認のルールに従って次のアクションを手配します。10 月までには、Dot は Codex の作業を開始・継続できるようになり、既存の ChatGPT Work 自動化タスクの読み取りや編集にも対応しました。このように、3 つは互いを置き換えるのではなく、連携する関係にあります。

ChatGPTの定時タスクとCodex、Dotの料金比較

これら3つの機能に、それぞれ別のサブスクリプションが必要なわけではありません。定時タスクは通常、対応するChatGPTプランに含まれています。CodexはChatGPTのサブスクリプションで利用できるほか、APIキーを使った従量課金でも利用できます。Dotの最初のインスタンスは、条件を満たすProまたはBusiness Premiumプランに含まれており、基本サブスクリプション料金は別途かかりません。

誤解しやすい点がいくつかあります。Pro 200とPro 100では、Dotのコアとなる知能は同じで、主な違いは利用枠とプラン特典です。Plusユーザーは現在、Dotを直接利用できません。Dotのリリース初月は、条件を満たすDot自体の使用量は既存の利用枠に算入されませんが、Dotが作成または管理するWorkやCodexのタスクは、それぞれのルールに従って利用枠を消費します。WorkとCodexは、対象プランで作業用の利用枠を共有します。クラウド版Codexの標準環境では、仮想マシンに対する別途の課金はありませんが、モデルを使うタスクには通常どおり料金がかかります。

もう一点、明確にしておきたいことがあります。APIキーで接続しても、ChatGPTのサブスクリプションに含まれるネイティブのDot、Work、Codex Cloudの機能を利用できるわけではありません。APIを使う方法は、「トリガー＋モデル呼び出し」を開発者が自分で構築する場合に適しています。以下では、最もシンプルな実装を紹介します。

APIで軽量な「定期実行タスク」を自作する

毎朝ニュースをまとめるだけなら、サブスクリプションをアップグレードしなくても、cronと1回のモデル呼び出しで実現できます。ただし、API自体がWebを閲覧するわけではありません。ニュースはスクリプトで取得し、モデルに渡す必要があります。

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI OpenAI 兼容接口
)

news = open("today_feed.txt", encoding="utf-8").read()  # 由抓取脚本预先生成
resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": f"筛选高价值 AI 新闻并写中文摘要，保留原始网址：\n{news}"}]
)
print(resp.choices[0].message.content)

import json
import time
import hashlib
from pathlib import Path
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

SEEN_FILE = Path("seen.json")

def load_seen() -> set:
    return set(json.loads(SEEN_FILE.read_text())) if SEEN_FILE.exists() else set()

def dedupe(items: list[dict], seen: set) -> list[dict]:
    fresh = []
    for it in items:
        key = hashlib.md5(it["url"].encode()).hexdigest()
        if key not in seen:
            seen.add(key)
            fresh.append(it)
    return fresh

def summarize(items: list[dict], model: str = "gpt-4o-mini", retries: int = 3) -> str:
    text = "\n".join(f"- {i['title']} | {i['date']} | {i['url']}" for i in items)
    for attempt in range(retries):
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[
                    {"role": "system", "content": "你是 AI 行业编辑，只基于给定条目写摘要，不补充未提供的事实。"},
                    {"role": "user", "content": f"按重要性排序并写中文摘要，保留网址和日期：\n{text}"}
                ],
                max_tokens=1500
            )
            return resp.choices[0].message.content
        except Exception as e:
            time.sleep(2 ** attempt)
    return "ERROR: 模型调用失败，需人工检查"

if __name__ == "__main__":
    items = json.loads(Path("today_feed.json").read_text(encoding="utf-8"))
    seen = load_seen()
    fresh = dedupe(items, seen)
    SEEN_FILE.write_text(json.dumps(list(seen)))
    report = summarize(fresh) if fresh else "今日无新增条目"
    Path("daily_report.md").write_text(report, encoding="utf-8")

# crontab 示例：每天 8 点执行
# 0 8 * * * /usr/bin/python3 /path/to/daily_news.py

🚀 手軽に始めるためのヒント：自作する場合は、まず「起動・実行・配信」の3つを動かしてから、より高性能なモデルへの変更を検討しましょう。APIYI apiyi.comで無料のテスト枠を取得し、同じAPIキーでGPT、Claude、Geminiの要約品質を比較してから、普段使うモデルを決めるのがおすすめです。

ChatGPTの定期タスク、Codex、Dotの活用シーン

同じ目標で比較すると、違いがわかりやすくなります。「毎朝8時にAIニュースを調査し、価値の高い情報を選び、過去の報道と照らし合わせてトレンドを判断し、編集者が使える資料にまとめる」という目標を考えてみましょう。

ChatGPTの定期タスクを選ぶ場面

• 毎日の速報やモニタリング：毎日のタスクや監視タスクを作成し、指定時刻に自動でWeb検索します。重複するニュースを避け、変化があったときだけ通知できます。
• 軽度なイベントへの対応：特定の送信者からGmailを受信したときや、GitHubのPRに新しい動きがあったときに、自動で情報を整理します。Plus以上のプランが必要です。
• 制約：情報収集の品質は検索ツールやサイトへのアクセス状況に左右されます。複雑なトレンド調査では、モデルの能力や利用枠も制約になります。

Codexを選ぶ場面

• 保守しやすい収集パイプライン：あらかじめ設定した情報源を読み取り、スクリプトで情報を収集し、重複排除、構造化データへの書き込み、過去データとの比較、レビュー可能なレポートの作成まで行います。失敗した場合は、処理手順を自ら修正することもできます。
• エンジニアリング関連の定期作業：毎日のバグ分類、CI失敗の要約、リリース速報の作成に加え、「リグレッションを発見し、コードを修正して、テスト通過後にレビュー待ちの変更を提出する」といった作業にも向いています。
• 制約：ローカルプロジェクトに依存する定期タスクでは、パソコンの電源が入っており、デスクトップアプリが起動していて、ファイルにアクセスできる必要があります。Codex Cloudはローカルマシンのスリープ中も作業を続けられますが、ローカル上のすべてのファイル、ブラウザのログイン状態、システム権限を利用できるわけではありません。

Dotを選ぶ場面

• 長期的な情報収集アシスタント：「重要な変化を継続的に追跡し、記事にする価値があるときに通知して」といった大まかな目標を伝えるだけで、Dotが日々の情報収集を定期タスクに、ツールの修復をCodexに任せます。
• プロジェクト横断の管理：複数のプロジェクトを管理し、顧客の新しい要望と当初の計画との衝突や、メールでのやり取りで確認が取れていない事項など、誰も対応を割り当てていなかった問題を見つけます。
• 制約：プラットフォームへのアクセス、接続権限、モデルの誤り、実行枠、承認の仕組みによる制約は引き続きあります。

なお、情報源がX、小紅書、抖音、微博のように、ログインが必要だったり、ボットからのアクセスを制限したりするプラットフォームの場合、どの方法でも完全なアクセスは保証されません。クラウド上のブラウザやComputer Useでも、すべての認証を回避できるわけではありません。

ChatGPT Dot と Codex の実機テスト：完全自動化まではあとどれくらい？

3つの独立系メディアが10月に Dot の使用レビューを公開しました。いずれも、情報の整理やコンテンツ制作は得意な一方、現実世界での最後の仕上げにはまだつまずく、というおおむね共通した結論です。

• The Verge（10月2日）：Dot は過去のメールから100ドルの割引を見つけましたが、人がボタンを押し続ける必要のある認証で止まってしまいました。決済には銀行情報が関わるため、最後は筆者が自分で手続きを完了。コワーキングスペースを探す際には、無料見学の入口を見落としました。一方、個人サイトのリニューアルや動画素材の処理など、環境をコントロールしやすいタスクは比較的うまくこなしました。筆者は Dot を「一般の人でも使える Codex」に近いとしつつ、自分にとって月額100ドルの価値があるとまでは言えないと評価しています。
• Axios（10月20日）：Dot はレトロなスタイルの大会記念冊子を38ページ作成しました。別の12ページの写真記念冊子は47秒で完成しましたが、これは1回のテスト結果であり、平均的な速度を示すものではありません。カレンダーの予定が重なっていることも発見しました。一方、買い物では同じように行き詰まり、制作物にも人の手による編集が必要でした。
• Business Insider（10月22日）：Dot は、筆者と会計士の間に確認が済んでいないメールのやり取りがあることを自ら見つけ、筆者が確定申告について確認するきっかけになりました。しかし、昼食の注文では SMS 認証コードや入力の問題で何度も中断され、Web サイトのデザインに使われた文章もテンプレート的でした。

コミュニティのフィードバックからは、信頼性の課題も見えてきます。Reddit では、初期ユーザーからメールの監視に漏れがある、進捗が見えにくいといった声が上がったほか、Pro 200 ユーザーが高頻度で使用した結果、不正利用防止措置による一時停止を受けたという報告もありました。OpenAI の開発者コミュニティでは、Dot の複数ステップにわたるタスクが中断したり、承認済みの操作について繰り返し承認を求められたりしたという報告があります。定期タスクについても、予定どおりに実行されない、失敗後に自動で一時停止される、実行履歴はあるのに結果が見えないといった声があり、GitHub や Gmail への書き込み操作もセキュリティチェックで止められることがあります。Codex の GitHub Issue #56550 には、Windows 11 上で Active 状態の定期タスクが正午になっても起動せず、手動実行では成功した事例が記録されています。根本原因はまだ確認されていません。

これらのフィードバックを見ると、自動化の失敗は少なくとも4つに分ける必要があります。起動しない、起動後にデータや権限が足りない、実行されたものの品質が基準に達しない、完了したのに結果が届かない、というケースです。それぞれ問題が起きる段階は異なり、すべてを「モデルが十分に賢くない」せいにはできません。また、少数の投稿から全体の障害率を算出することもできません。現時点では OpenAI も、共通のタスクセットを使って3者の長期的な無人運用での成功率を比較したデータを公表していません。

ChatGPTの定期タスク・Codex・Dotの選び方

完全自動化の度合いを判断するには、「定期実行できるか」「ボタンをクリックできるか」よりも、次の6つの観点が役立ちます。表はあくまで設計上の重点を定性的に比較したもので、公式の評価ではありません。

これを踏まえると、次のように選べます。

1. 毎日の要約、リマインダー、ウェブページの監視だけでよい場合：Plusの定期タスクで十分です。Dotのために$20から$100のプランへアップグレードする必要はありません。
2. スクリプト、データ、コードの保守が必要な場合：Codexを選びましょう。パソコンから離れた後も実行を続けたい場合は、クラウド環境を優先し、バックグラウンドタスクのサンドボックス権限はできるだけ限定してください。ネットワークの開放、ローカルへの書き込み、システムへのフルアクセスは、いずれもリスクを高めます。
3. 数十件の案件を並行して追跡し、プラットフォームをまたいで調整する場合：Dotの価値がより高まります。ただし、ログイン、支払い、外部への送信は人が引き継ぐ時間を確保しておきましょう。
4. 開発者が自社製品に自動化を組み込みたい場合：APIを使ってトリガーと処理のオーケストレーションを自作すると、最も高い制御性が得られます。その分、開発工数はかかります。

💡 選択のポイント：費用対効果を測るには、毎月実際にどれだけ人手を削減できたかに加え、エラー、承認、手戻りにどれだけ余分な時間がかかったかを確認しましょう。企業で実測する際は、トリガーの成功率、完了率、事実の正確性、人による引き継ぎ回数、成功1件あたりのコストを集計することをおすすめします。自作ワークフローのモデル比較は、APIYI apiyi.comの統一インターフェースで行えます。モデルを切り替えるには、modelパラメータを変更するだけです。

よくある質問 FAQ

ChatGPT 定期タスク、Codex、Dot の要点 Key Takeaways

• 役割の違い：定期タスクは起動、Codex は実行、Dot は継続的な全体管理を担います（理解のための整理であり、公式の分類ではありません）。
• 定期タスクはもはやアラームではない：2026年には、Webを利用した監視や、Gmail・Slack・GitHubのイベントをきっかけとした実行にも対応しています。
• Codex はコードを書く以上のことができる：ブラウザ操作、Computer Use、記憶、日をまたいだ作業の継続にも対応範囲が広がっています。
• Dot は利用のハードルが高め：主にPro、Business Premium、一部のEnterpriseユーザー向けで、自律的な調査は読み取り専用です。
• 信頼性にはまだ課題がある：CAPTCHA、ログイン、支払いへの対応や、タスクの実行漏れは、メディアの実機検証やコミュニティで繰り返し報告されています。
• 用途に応じて選ぶ：日々のブリーフィングには定期タスク、開発パイプラインにはCodex、複数プロジェクトの長期的な管理にはDotを検討しましょう。

まとめ

ChatGPTの定期タスク、Codexエージェント、Dotの自動化における違いは、次の3点にまとめられます。

1. 起動の層：定期タスクは最も利用しやすく、Freeプランでも使えます。日常的な監視の多くに適しています。
2. 実行の層：Codexは実際にファイルを変更し、テストを実行し、コンピューターを操作できます。ただし、ローカル環境とクラウド環境の境界は区別する必要があります。
3. 全体管理の層：Dotは複数のタスクを長期的な目標のもとにまとめます。その分、サブスクリプション料金は高くなり、ログイン、認証、承認には引き続き人間の対応が必要です。

真に安定した「AIデジタル従業員」は、まだ実現していません。承認を完全になくす「全自動」よりも、監査と復旧が可能で、権限の範囲が明確な自動化のほうが、現在の実際の業務には適しています。自社システムに自動化を組み込みたい開発者の方は、まずAPIYI apiyi.comの無料枠で最小限のフローを動かし、その後OpenAIのネイティブなエージェント製品へのアップグレードを検討するのがおすすめです。

📚 参考資料

1. ChatGPT Scheduled Tasks 公式ヘルプドキュメント：タスクの頻度、プランごとの上限、イベントによるトリガー
2. リンク：help.openai.com/en/articles/10291617-scheduled-tasks-in-chatgpt

3. 説明：定期タスクの機能と制限に関する公式情報

4. OpenAI：Codex for （almost） everything：2026年4月のCodex機能拡張

5. リンク：openai.com/index/codex-for-almost-everything

6. 説明：Computer Use、メモリ、日をまたいだ作業の継続などのアップデート

7. OpenAI：Introducing dots：Dotの公式発表

8. リンク：openai.com/index/introducing-dots

9. 説明：GPT-6 Astra、クラウドコンピューター、能動的な調査と事例

10. Dots privacy， security， and safety FAQs：Dotの権限と安全性の範囲

11. リンク：help.openai.com/en/articles/20001529-dots-privacy-security-and-safety-faqs

12. 説明：読み取り専用の能動的な調査と承認の仕組み

13. Run long horizon tasks with Codex：Codexの長時間タスク実験

14. リンク：developers.openai.com/blog/run-long-horizon-tasks-with-codex

15. 説明：25時間、約1,300万トークンを使った実験の詳細

16. The VergeによるDot実機レビュー：独立系メディアによる使用レポート

17. リンク：theverge.com/ai-artificial-intelligence/1004096/openai-chatgpt-dots-hands-on-agent
18. 説明：Webサイトのリニューアル、動画処理、買い物など、実際のタスクでの実力

著者：APIYI技術チーム
技術に関するお問い合わせ：APIYIの公式サイトからお気軽にお問い合わせください。API連携に関する資料は、ドキュメントセンター docs.apiyi.com をご覧ください。

関連記事

• CodexをRhino MCPに接続するチュートリアル：3ステップでAIによる自動モデリングを実現:Rhino MCP Serverをゼロからデプロイし、CodexでAPIYIのAPIを設定して、3ステップで最初の自然言語によるモデリング指示を実行し、GPT CodexとClaudeシリーズのモデリング性能を比較する。
• OpenAIで「model not found」エラー？GPT-5.5は10月14日にChatGPTから提供終了、5つの確認手順と代替案:2026年10月14日、GPT-5.5はChatGPT、ChatGPT Work、Codexで全面的に提供終了となりますが、OpenAI APIには影響しません。本記事では10月15日時点の最新情報を整理し、OpenAIの「model not found」エラーが発生する主な5つの原因、状況別の解決方法、GPT-5.6 Sol、Terra、LunaおよびGPT-6 Astraという代替候補を解説します。