Codexの活用事例

既製の基板4枚をつないだ6キーのマクロパッドは動いたが、もっと薄く小さくするには専用基板が要った。

自分は基板設計の専門ではなく、手作業でゼロから起こすのが難しかった。

1. EasyEDA ProのAPIにJavaScriptを投げAIから基板を操作する
2. 回路図と配置を作らせトークン切れでClaudeからGrokへ交代する
3. 部品41個・パッド214個・配線120本を突き合わせる監査を書かせる
4. オートルータが動かないため自前のグリッド探索ルータを書かせる
5. Codexに引き継ぎコストに曲がり回数とビアを入れる修正をさせる

Claudeのグリッドルータが引いた722本・105ビアの基板は、Codexの書き直しで151本・33ビアになった。

探索時間はCPUで6分半・実時間10分かかるが、打ち切りを入れて実用の範囲に収めた。

営業担当との定期ヒアリングで聞かれてから考えると、その場で思い出せた作業を並べるだけになっていた。

初回にスライド生成を試したときも、出来上がってから構成や見た目が違うと気づき、作り直しを繰り返していた。

1. 顧客名や人物名を外した活動メモをMarkdownでGitHubに残す
2. 報告に使ってよいものだけを選ぶ
3. Codexにメモを読ませ質問させ4項目のMarkdownを正本にする
4. Gemini Notebookに骨子や記事を追加しアウトラインを相談する
5. デザイン案をPNGで確認してからスライドを生成し人が最終確認する

Markdown原稿は20枚のスライドに展開された。

出力後は気になるページだけを指定して直せるようになり、全体を何度も作り直す進め方から抜けられた。

AIエージェントに頼むタスクは社内基盤で管理し人が担当するタスクは別のツールで管理していたため、両方を行き来する手間があった。

Slack経由でエージェントと会話する仕組みもAPIの制限でやりたいことが実現できなかった。

1. 社内AIエージェント基盤に全タスクの管理機能とグループチャット機能を自前で作る
2. 開発はClaude CodeやCodexに任せ3週間ほどで本番に出す
3. 表データやフォームの管理機能もAPIでエージェントが読み書きできるようにする
4. 権限の設計は社内で時間をかけて話し合って決める
5. 人はエージェントが作った内容を確認して直す

社員全員が自作のタスク管理とチャットに移り、AIエージェントと同じ場所で仕事をするようになった。

期間内に終わったタスクからリリースノートを書いたり、社内の回答集めのフォームを作って代行することもエージェントが自分でやるようになった。

バナー広告は多くのパターンを試す必要があるが、Codexだけで画像生成から入稿までをまとめようとすると1枚で残り使用量の10%ほどを消費してしまい枚数を増やせなかった。

ChatGPTとCodexを分ける運用にしても、毎回プロンプトと参照画像を渡し直す手間が残った。

1. Codexに生成から登録まで任せたが重く断念した
2. 画像生成はChatGPT、登録と分析はCodexに分担した
3. CodexからComputer UseでChatGPTを操作する方法も試した
4. OpenAIのAPIから直接画像を生成する形に変えた
5. 生成用スキルに品質や判断の基準を細かく書き込んだ

ChatGPTのライセンスが不要になり、もとから使っていたClaudeだけを入口にして生成から登録までの流れを回せるようになった。

LINEスタンプを作るには背景を透過し、サイズを変え、1枚ずつ分割する作業が必要で手間がかかっていた。

1. 自作キャラクター2体を3Dイラストに変換した
2. 公開されていたプロンプトを借りてCodexに生成を指示した
3. スタンプは16個と16個と8個の3回に分けて出した
4. 絵文字40個は1回でまとめて出しメイン画像とタブ画像はサイズ指定で作らせた
5. 背景透過とZipまとめを任せ人は画像を確認して登録した

40個のスタンプが約30分ほどでそろい、そのまま申請まで終えて販売開始になった。

3回に分けても表情やポーズが違うだけでキャラクターの雰囲気はそろっていた。

PCの空き容量が減っていたが、どのファイルを消していいか自分では判断がつかなかった。

Codexという名前から開発者向けの難しい道具だと思い込み、手を出せずにいた。

1. ChatGPTデスクトップアプリを入れてCodexを選ぶ
2. 権限は既定のままにして範囲外は確認が入る状態で始める
3. 日本語で不要ファイルの候補を一覧で出すよう頼む
4. 削除はさせず一覧だけ出させる
5. 出た一覧を自分で見て消すものだけ許可した

開始から15分で9GB分の不要ファイルとアプリを片付けられた。

コードを書かずに日本語で頼むだけで自分のPCの作業を任せられることが分かった。

セキュリティ担当はインフラやクラウドや外部業者の監査ログを大量に抱えていた。

生のログが散らばったままで脅威の検知や調査の土台が無かった。

1. 監査ログをパイプラインでDatabricksへ流す。
2. 生のイベントの形をそろえてDelta tableに入れる。
3. Unity Catalogで閲覧の範囲を管理する。
4. 整えたデータで脅威の検知と調査と監査の分析を進める。
5. Codexにデータを引かせ人が中身を確かめる。

脅威を見つけるまでが速くなり、同じデータを何度も取り込む無駄が減った。

誰が何を見たかの記録が残る形のまま、セキュリティの運用を広げられるようになった。

薬が効かない細菌が増え、毎年多くの死亡に関わっている。

土や植物から新しい分子を探す従来のやり方は時間がかかり、試行錯誤に頼っていた。

1. DNAを情報として扱い、分子を選び出す問題に置き換える
2. チームの考えをChatGPTに入れ、候補を絞るアルゴリズム案を出させる
3. Codexでパターン発見や図にする処理のプログラムを書く
4. 最後は研究者が候補分子を見極め、実験につなげる

新しい抗菌薬の分子を数年かけずに数時間で見つけられるようになった。

ChatGPTはチームの共有の頭脳のような存在になり、計算を扱わなかった研究者も自分でアルゴリズムを書けるようになった。