公開：2026年10月10日, 最終更新：2026年10月10日
30秒サマリー
- AsanaはGPT-6 AstraをCodexで活用し、ブラウザエージェントのワークフローを最適化してコストを76分の1、速度を5倍に改善
- 1回あたりの推定モデルコストが36ドル超から0.47ドルに低下し、実行時間も22分超から約4分に短縮
- 従来なら1〜2ヶ月要した研究・実験をAIエージェントが約1週間で完了し、そのまま本番環境へ展開
何が起きたか
Asanaが買収したノーコード自動化プラットフォームStackAIは、ウェブサイトのナビゲーションやフォーム入力、情報収集を自動化するブラウザエージェントを顧客向けに提供している。StackAI CTOのFrank Hidalgo氏は、このエージェントの高コスト・低速という課題を解決するため、OpenAIのCodex上でGPT-6 Astraを用いてコードベースの調査・実験・検証を実施した。
GPT-6 Astraはコードベースを分析し、固定の指示やツール定義はキャッシュされているものの、ページテキストやスクリーンショットの閲覧履歴がキャッシュされずリクエストごとに全送信されていることを発見。この非効率を踏まえ、（1）閲覧履歴へのキャッシュ拡張、（2）保持テキスト量の増加、（3）スクリーンショットのバッチ削除という3つの改善策をAstraが自律的にテストした。
144回に及ぶ実験の結果、GPT-6.1 Solと大容量履歴バジェット（48万字）を組み合わせた最適ワークフローでは、1回あたりの推定モデルコストが0.47ドル、実行時間が約4分に達した。従来の本番構成（Model B）では最低でも36.21ドル・22.5分以上かかっていたため、コストは76分の1、速度は5倍の改善となる。最適化後はすべての実行が正答を返した。また、GPT-6.1 Solへの入力の89%がキャッシュから供給され、非キャッシュ時の5%のコストで処理されたことが大きな要因とされている。
Asanaはこの変更をStackAIのブラウザナビゲーション機能に反映済みであり、GPT-6 AstraをCodexで活用してリリース前のプロダクト機能テストにも応用し始めている。研究・実験・プロダクション展開の全プロセスはAsanaの開発プラットフォーム「Command」上で記録・管理されたという。
原典ハイライト
GPT-6 Astraがコードベースの非効率（閲覧履歴の未キャッシュ問題）を自律的に発見し、4モデル・6ポリシー・2履歴バジェットの144回実験を約1週間で完了。GPT-6.1 Sol採用で推定コストを1回0.47ドルまで引き下げ、入力の89%をキャッシュから賄うことで実現した。
出典: OpenAI News/Research（公式ブログ）
So What?（なぜ重要か）
編集部の見方では、今回の事例は「AIエージェントがAIシステム自体を最適化する」という二重構造の実証例として注目に値する。従来は熟練エンジニアが数ヶ月かけて行うプロファイリング・実験・コード改修のサイクルを、AIが自律的にこなしてそのまま本番展開につなげた点は、ソフトウェア開発ライフサイクルの変容を示す具体的な先例といえる。コスト障壁が下がることで、これまで高コストゆえに提供を見送っていた高性能モデルを顧客に開放できる、という収益・競争力への影響も大きい。
日本企業への示唆
日本企業がRPA・業務自動化ツールを運用する際、モデルコストや処理速度を理由に導入を躊躇するケースは多い。本事例が示すのは、キャッシュ戦略・履歴管理・モデル選択といったワークフロー設計の最適化で、コストが桁違いに変わる可能性だ。自社のAIエージェント運用コストの内訳（トークン消費の構造、キャッシュ活用率など）を把握できているかどうかが、コスト効率の分岐点になる。また、Asanaが実験から本番展開まで「Command」で一元管理したように、AI実験の再現性・トレーサビリティを確保する仕組みの整備も優先課題として検討すべきだろう。
背景・経緯
AsanaはプロジェクトMgmt SaaS企業で、StackAIを買収することでノーコードの業務自動化・エージェント機能を取り込んだ。OpenAIのCodexはAIによるコード生成・実行環境であり、GPT-6 AstraはCodex上で動作する同社の最新エージェントモデルとみられる。GPT-6.1 Solはコスト効率を重視したOpenAIのモデルとして位置づけられており、原文では他社モデルと比較した実験結果が詳述されている。
