ChatGPT「Computer History」の衝撃：PC操作の全記録がAIの糧になる日

深夜のデバッグ作業中、ふと「さっきどのSlackチャンネルでこの仕様の議論をしたっけ？」と記憶を辿り、ブラウザの履歴を延々とスクロールした経験はないだろうか。我々エンジニアにとって、PC上の操作履歴は断片化された「外部記憶」に過ぎない。しかし、OpenAIがmacOS版ChatGPTに実装した「Computer History」は、この断片化された記憶を、AIが文脈を理解するための「構造化データ」へと昇華させようとしている。これは単なるログ記録ではない。我々のワークフローそのものをAIの学習データとして取り込み、自動化のトリガーやタスクの再開を支援する、極めて野心的な試みだ。

この機能の核心は、スクリーンショットを撮り続けるMicrosoftの「Windows Recall」とは一線を画すアプローチにある。OpenAIは、画像や動画、音声といった重いメディアデータではなく、クリックやキーストロークといった「イベント」をベースにタイムラインを構築する。これにより、プライバシーへの配慮と、AIが文脈を理解するための軽量かつ高精度なデータ収集を両立させようとしている。開発者であるAri Weinstein氏が明言した通り、インコグニートやプライベートブラウジングのコンテンツは自動的に除外されるという仕様は、エンジニアの最低限の自衛権を担保する設計と言えるだろう。

しかし、我々が直面するのは「利便性と引き換えに、自分の思考プロセスをAIに明け渡す」というトレードオフだ。デモ動画で示されたように、AIが「午前中に何をしたか」を要約し、Slackでの共有状況まで把握する世界は、確かに生産性を劇的に向上させる。だが、それは同時に、我々のPC操作という「聖域」が、AIモデルのファインチューニングや推論のためのフィードバックループに組み込まれることを意味する。この機能がオプトイン方式であることは救いだが、一度有効化すれば、我々の日常的なコーディングや設計の癖までもが、AIの「学習済みモデル」の一部として吸収されていく。これは、ツールを使っているつもりが、実はツールに使われているという、エンジニアにとって最も警戒すべき「依存のループ」の始まりかもしれない。

Windows Recallが「視覚的な記憶」を重視し、プライバシー保護の観点から激しい批判を浴びたことは記憶に新しい。対して、OpenAIのComputer Historyは「イベントベース」の記録を採用している。この技術的な差異は、単なる実装の違いを超えた、AIの「知覚」のあり方に関する哲学の違いを示唆している。Recallが「人間が見たものをそのまま記録する」という受動的なアプローチであるのに対し、Computer Historyは「人間が何をしたかという意図を記録する」という能動的なアプローチだ。この違いは、AIが将来的に「自律的なエージェント」へと進化する過程において、極めて重要な意味を持つ。

以下の表は、両者のアプローチを比較したものである。

技術的な観点から見れば、イベントログベースの記録は、LLM（大規模言語モデル）との親和性が極めて高い。テキストデータとして処理可能なイベントログは、ベクトルデータベースに格納しやすく、RAG（検索拡張生成）のコンテキストとして即座に利用できるからだ。しかし、ここで我々が抱くべき懸念は、その「粒度」だ。どの程度の操作が記録され、どの程度の操作が「機密」として除外されるのか。開発者がIDEで記述するコードの断片や、CI/CDパイプラインの認証情報、あるいはSlackでの非公開な議論。これらが「イベント」として記録される際、どこまでが安全で、どこからがリスクなのか。OpenAIは「特定のアプリやウェブサイトを除外できる」と謳うが、それはエンジニアが自らの操作を逐一監視し、ホワイトリストを管理し続けるという、新たな「管理コスト」を強いることと同義ではないか。

我々エンジニアは、常に「ブラックボックス」を嫌う。しかし、このComputer Historyは、まさにそのブラックボックスを我々のデスクトップ環境に持ち込むものだ。AIが「あなたが何をしようとしているか」を先回りして理解する未来は魅力的だが、その裏側でどのようなイベントが収集され、どのような推論モデルに送られているのか。その透明性が確保されない限り、この機能は「生産性向上ツール」ではなく、「監視ツール」へと変貌するリスクを孕んでいる。我々は、この技術を「便利だから」という理由だけで受け入れるのではなく、そのデータフローを理解し、制御する術を学ぶ必要がある。

結局のところ、Computer Historyのような機能は、我々のキャリアにどのような影響を与えるのだろうか。AIが我々の操作履歴を学習し、タスクを自動化する世界では、「作業の効率」そのものの価値が相対的に低下する可能性がある。これまで我々が「職人芸」として磨いてきた、特定のツールを使いこなすスキルや、複雑なワークフローを記憶する能力は、AIによって代替されるからだ。しかし、これは悲観すべきことではない。むしろ、我々は「作業」から解放され、「設計」や「意思決定」といった、より高次のレイヤーに集中できるチャンスを得たとも言える。

だが、ここで立ち止まって考えたい。我々が明日から取るべき対策は、単にこの機能を「オン」にするか「オフ」にするかという二元論ではない。重要なのは、AIに「何を学習させ、何を学習させないか」という、データガバナンスの意識を個人のレベルで持つことだ。例えば、機密性の高いプロジェクトを扱う際は、一時的にこの機能をオフにする、あるいは特定のアプリケーションを明示的に除外リストに入れるといった、エンジニアとしての「衛生管理」が求められる。また、AIが提案する自動化の提案を鵜呑みにせず、その背後にあるロジックを検証する「批判的思考」も不可欠だ。

最後に、業界全体への問いを投げかけたい。我々は、AIが我々の操作をすべて把握する世界を本当に望んでいるのか？ それとも、AIはあくまで「道具」であり、我々の思考プロセスそのものは、AIの学習データという「公共財」から切り離されるべき聖域であるべきなのか？ この問いに対する答えは、まだ誰にもわからない。しかし、Computer Historyの登場は、我々がAIとの共生において、どこまでを「共有」し、どこまでを「秘匿」するかという境界線を、自らの手で引き直す必要性に迫られていることを示している。明日、あなたがPCを開くとき、その操作ログは「あなたの成長の記録」になるのか、それとも「AIの学習素材」になるのか。その選択権は、まだ我々の手の中にある。この技術的転換期において、我々エンジニアは、AIを使いこなす側であり続けるために、自らのワークフローを再定義する覚悟があるだろうか。