9月15日朝時点で注目したいのは、生成AIが「汎用チャット」から、専門業務を実際に動かすエージェントへ急速に移行していることです。金融ではClaudeが専門システムと直接つながり、企業では数日〜数週間働くAIエージェントが登場。OpenAIからは、GPT‑6 Astraを実際の本番システム運用まで任せる事例も公開されました。

1. Anthropic「Claude for Financial Advisors」を投入

【正式発表・報道｜9月14日】

Anthropicは9月14日、金融アドバイザー向けのClaude for Financial Advisorsを発表しました。

Reutersによると、ClaudeをBlackRock、Charles Schwab、Addeparなどの投資分析・資産管理システムと接続し、顧客面談の準備、ポートフォリオ確認、フォローアップ業務などを支援します。Envestnet、iCapital、Orion、Wealthbox、Wealth.com、Zocksなどとも連携します。

ローンチパートナーのOrionも同日、Claude向けMCPコネクターを正式発表。Orion Connectのポートフォリオ情報やRedtail CRMのデータを、自然言語による質問から取得できる仕組みを公開しています。

現時点では主にEnterprise契約のRIA（登録投資顧問）向けに提供されています。

なぜ重要か

OpenAIも数日前に金融業界向けChatGPTを発表しており、OpenAIとAnthropicがほぼ同時に、

汎用AI → 業界専用AI

へ動いていることが分かります。

重要なのは専用モデルそのものより、既存の業務データやシステムとAIを直接つなぐことです。

大学でも同様に、

広報ならWeb・SNS・広告データ、
入試ならOC・出願・高校別データ、
教務なら授業・学生関連データ、

というように、業務固有の情報へ適切に接続して初めてAIの実務価値が大きくなります。

2. Salesforce、数日〜数週間働く「Job-ready Agents」を発表

【Salesforce公式発表｜9月14日】

Salesforceは、営業、カスタマーサービス、EC、社内業務などを担当するJob-ready Agentsの新ポートフォリオを発表しました。

特徴的なのは、一問一答で仕事を終えるエージェントではなく、**数日から数週間にわたって目標を追い続ける「long-horizon runtime」**を導入したことです。

例えば営業エージェント「Hunter」は、案件を調査し、計画を立て、情報が変われば計画を変更しながら、数週間にわたって営業担当者と協働します。Hunterは現在Pilotで、一般提供は2026年11月予定。一方、サービス、EC、バックオフィス向けなど複数のエージェントはすでに一般提供されています。

同日にSalesforceは、米運輸保安局TSAで稼働するAIエージェント「Ace」の実績も公開しました。Aceは月約10万件の旅行者との会話を処理し、定型的な問い合わせの96％を人間へのエスカレーションなしで解決しているとしています。

なぜ重要か

ここはAIエージェントの進化としてかなり重要です。

これまでのAIは、

「このメールを書いて」

のような一回の作業が中心でした。

これからは、

「今月の出願目標を達成するために高校別の反応を追い、必要な施策を提案して」

のような、継続的な仕事をAIに持たせる方向へ進みます。

大学広報なら、

SNS反応を見る
→ OC申込を見る
→ 高校別データを見る
→ 数字の変化を検知する
→ 次の施策を提案する

という一連の流れを、将来的には一つのエージェントへ渡せる可能性があります。

ただし長く動くほど、人間の承認をどこに入れるかが重要になります。

3. Perplexity、GPT‑6 Astraに本番システムの変更まで任せる

【OpenAI公式事例｜9月14日】

OpenAIは9月14日、PerplexityによるGPT‑6 Astraの実務利用事例を公開しました。

これは新製品発表ではなく、OpenAIによる公式ケーススタディです。

PerplexityではAstraを、

• コミュニケーション作成
• ソフトウェアの変更
• 本番システムの監視
• コードのテスト

などに利用しています。

特に興味深いのは、Astra自身にテスト用プログラムを作らせ、外部APIやサービスの応答を模擬して、アプリケーション全体をエンド・ツー・エンドで検証させていることです。

Perplexity共同創業者のJohnny Ho氏は、以前のモデルよりも確認頻度を下げながら、システム全体を任せられるようになったと説明しています。

なぜ重要か

これは「AIにコードを書かせる」より一段先です。

AIが、

作る
→ テストする
→ 修正する
→ 本番環境を監視する

ところまで担当し始めています。

映像制作に置き換えると、

素材整理
→ 仮編集
→ 書き出し
→ エラー確認
→ 修正版生成

という制作フロー全体をAIが担当する未来に近い。

重要なのは、それでも人間が完全に不要になるわけではないことです。

確認回数を減らせることと、最終判断をなくせることは別です。

AIに任せる範囲を広げながら、重要な判断だけ人間が持つ。この設計がますます重要になります。

Kawano's Perspective

今日の3件を並べると、AIエージェントの方向性がかなり明確になってきました。

Claudeは金融の専門システムにつながる。

Salesforceのエージェントは数週間にわたって仕事を続ける。

GPT‑6 Astraは本番システムを変更し、テストし、監視するところまで任され始めている。

つまりAIは、

「質問すると答える存在」から
「仕事を担当する存在」へ

変わっています。

ここで重要になるのは、プロンプトを書く能力だけではないと思います。

むしろ、

この仕事はAIに任せる。
ここは人間が確認する。
ここから先はAIに権限を与えない。

と仕事を分解する能力です。

映像制作でも同じです。

素材整理や文字起こし、ラフ編集、書き出し確認までAIに任せてもいい。

しかし、

なぜこの映像を使うのか。
なぜここで切るのか。
視聴者に何を感じてもらいたいのか。

という判断は、制作者が持っておく。

AI時代に重要なのは「全部自分でできる人」でも「全部AIにやらせる人」でもなく、仕事を分解し、AIと人間の担当を設計できる人になっていくと思います。