OpenAIが「GPT-5.2」公開：業務タスクに特化、ハルシネーションを30%削減

AIモデルのテスト結果は優秀でも、実際のExcel作業や本番コードの修正を任せるとボロが出る。そんな不満に対し、OpenAIが本格的な解答を用意してきました。

OpenAIは新世代モデル「GPT-5.2」を発表しました。ラインナップはInstant、Thinking、Proの3種類で、APIは全開発者向けに即日提供され、ChatGPTの有料ユーザーにも順次展開が始まっています。

今回の主眼は一般的な雑談ではなく、企業の現場で行われる専門的なナレッジワークの完遂です。投資銀行のアナリストが組む財務モデルから複数言語のコードベース改修、数十万トークンにおよぶ長文解析まで、実務をエンドツーエンドでこなす能力が強化されました。

財務モデリングからフロントエンド開発まで

44業種の業務タスクを評価する「GDPval」において、GPT-5.2 Thinkingは専門家との比較で70.9%の勝率または引き分けを記録しました。処理速度は人間の専門家の11倍以上、コストは1%未満に抑えられるとされています。

特に目立つのが財務実務の精度です。投資銀行のジュニアアナリストが作成するような財務3表連動モデルやLBOモデルの作成タスクにおいて、平均スコアは従来の59.1%から68.4%へ向上しました。

コーディング面では、SWE-bench Verifiedで80%の最高値を更新し、4言語を対象とした高難度ベンチマーク「SWE-Bench Pro」でも55.6%を記録しました。3D要素を含む複雑なUI開発など、フロントエンド実装の安定感が増した点も早期テスターから高く評価されています。

また、GPT-5.1 Thinkingと比べてハルシネーションの発生率が相対的に30%減少しました。長文読解でも256kトークンの範囲で複数情報の検索精度がほぼ100%に達し、新設されたAPIエンドポイントによって長時間のタスク実行も容易になっています。

UI理解の進化とマルチステップ自動処理

マルチモーダル性能も向上しており、グラフ推論やソフトウェア画面の理解におけるエラー率はほぼ半減しました。基板画像から各パーツを検出して正確な位置をバウンディングボックスで囲むような空間認識も大きく改善しています。

外部ツールの呼び出しを測るTau2-bench Telecomでは98.7%を達成しました。たとえば航空便の遅延、乗り継ぎ失敗、宿泊手配、特別座席の指定、補償請求が絡む複雑なカスタマー対応も、自律的に手順を組み立てて完結できます。

学術分野では、大学院レベルのGPQA DiamondでGPT-5.2 Proが93.2%をマークし、ARC-AGI-1 Verifiedでも史上初めて90%の壁を突破しました。FrontierMathでも難問の40.3%を解解しています。

なぜ重要か

私たちは、GPT-5.2の登場により、AI開発の主戦場が「ベンチマークのスコア競争」から「ホワイトカラー実務の肩代わり」へ完全に移ったと考えています。

アナリストやエンジニア、コンサルタントにとっては、今すぐ試す価値が十分にあります。単なるアウトラインの出力にとどまらず、計算式が入ったスプレッドシートやそのまま動くUIコードを出力できるため、日々の作業時間を削る即戦力になり得ます。

ただし過度な信頼は禁物です。複雑な資料生成には数分間の待機時間が必要ですし、出力が一見完璧に見えても細部に誤りが紛れ込むリスクは残っています。人間のレビューを省略できる段階にはまだありません。

業界全体を見渡すと、NotionやShopify、JetBrainsなどが即座に連携を進めていることからもわかる通り、単なる薄いラッパーサービスは淘汰の危機に直面します。ツール呼び出しや長文把握をモデル自身が高精度にこなせるようになった今、SaaS企業は自社独自のデータ連携やワークフローの深さで勝負せざるを得なくなります。