最も有能なエージェントには最も深いガバナンスが必要です
2026年3月5日、OpenAIがネイティブのコンピューター使用機能を備えたGPT-5.4をリリースしました。これは段階的ではありません。エージェント能力 — そしてガバナンスリスク — におけるステップ関数です。
GPT-5.4エージェントは：
- ソフトウェアを自律的に操作 — クリック、タイピング、アプリケーションのナビゲーション
- マルチステップワークフローを実行 — 複数アプリケーションにまたがるカスケードアクション
- 100万トークンコンテキストを処理 — コードベース全体やドキュメントリポジトリを取り込み
- ツールを発見して使用 — 事前設定なしに外部ツールを見つける
Intuit、Uber、State Farm、Thermo Fisherが既に採用しています。
ガバナンス課題のエスカレーション
エージェント能力はガバナンスのエスカレーションを生みます：
- テキスト生成（低リスク） — コンテンツはアクション前にレビュー可能
- ツール使用（中リスク） — API呼び出しには認可が必要
- コンピューター使用（高リスク） — マシン速度での自律的システム操作
- マルチステップワークフロー（高リスク） — アプリケーション間のカスケードアクション
各ティアはより深いコントロールを要求します。サーベイランスベースのガバナンスは人間速度の操作向けに設計されました。コンピューター使用エージェントはそのモデルを破壊します。
サーベイランスが失敗する理由
サーベイランスベースのガバナンス（Teramindなどが使用するアプローチ）にはコンピューター使用エージェントに対する3つの根本的問題があります：
速度の問題。 コンピューター使用エージェントはマシン速度で動作します。サーベイランスがアクションをキャプチャする頃には、既に実行されています。メールの送信取り消し、ファイルの削除取り消し、機密データの共有取り消しはできません。
スコープの問題。 コンピューター使用エージェントはアプリケーション間で動作します — ブラウザ、メール、ファイルシステム、データベース。サーベイランスツールは個別のアプリケーションを監視し、クロスアプリケーションのエージェント動作は監視しません。
スケールの問題。 エンタープライズは数千のコンピューター使用エージェントを同時に実行します。サーベイランスは人間のレビュアーを圧倒するアラート量を生成します。
アーキテクチャ型ガバナンスが機能する理由
アーキテクチャ型ガバナンスは未認可のアクションを実行前に防止します：
- ツール承認ゲートがインフラレベルで未承認の操作をブロック
- RBACが単一コントロールプレーンからすべてのアプリケーションにわたるエージェントスコープを制限
- GovernanceScoreが任意のスケールでコンプライアンスを定量的に測定 — アラート疲労なし
違い：サーベイランスは何が起きたかを教えます。アーキテクチャ型ガバナンスはそれが起きないことを確保します。
エンタープライズの命題
GPT-5.4はガバナンスされていないエージェントの表面積を劇的に増加させます。より有能なエージェントがより自律的に、より多くのアプリケーションにまたがって動作することは、より高いガバナンスリスクを意味します。
JieGouの10層ガバナンスアーキテクチャ、ツール承認ゲート、RBAC、GovernanceScoreは、まさにこの能力ティア向けに設計されています — エージェント能力とともにスケールするプロアクティブなコントロール。