記事本文
ChatGPTに資料を渡して仕事を頼むとき、「このファイルは次の会話でも使えるのか」「以前伝えた条件は覚えているのか」と迷うことがあるでしょう。
Projects、Memory、Library、外部サービスとの接続。
似た場面で登場する機能でも、情報の置き場所や使われ方は同じではありません。
この違いを整理するには、機能が増えてきた順序をたどると理解しやすくなります。
初期のファイル分析から、会話をまたぐ記憶、社内情報の検索、共有と再利用へ。
利用者が準備すべきことも、その変化に伴って広がってきました。
本記事では、2026年9月11日を確認日として、データの取り込み・保存・検索・記憶・共有・分析に関する主要なリリースを整理します。
確認できた最新の関連更新は9月10日でした。
日付は発表・提供開始を基準とし、段階提供やプラン差を含むため、すべてのアカウントで同日に使えたという意味ではありません。ChatGPTリリースノート
最初に分けたいこと――保存、検索、文脈、記憶
たとえば、社内の出張規程について質問する場面を考えてみましょう。
規程の原本を置くこと、必要な条項を探すこと、その条項と出張条件を組み合わせて答えることには、それぞれ別の役割があります。
**RAG（検索拡張生成）**は、外部の資料から関連情報を取り出し、それを材料に回答を生成する方法です。
規程全体を人が貼り付ける代わりに、質問に関係する箇所を検索して渡す、と考えるとよいでしょう。
OpenAIのKnowledge Retrievalも、自社データを取り込み、検索した情報に基づく回答を出典と評価で支える構成を示しています。Knowledge Retrieval
コンテキストエンジニアリングは、本記事では、AIが仕事を進めるための指示・資料・履歴・取得情報を、適切な範囲で組み合わせる設計として扱います。
RAGで規程を見つけても、対象者が社員か役員か、国内出張か海外出張かが抜けていれば、必要な判断には届きません。
検索に加えて、何を前提とし、どの情報を優先するかまで決めるわけです。
一方、Memoryが担うのは、利用者の好みや継続中の事情を今後の会話へ引き継ぐこと。
「回答は日本語で簡潔に」という希望を覚えることと、最新の出張規程を根拠にすることは、分けて考えてください。Memoryの公式説明
2023〜2024年――資料を渡し、作業条件を引き継げるようになった
| 発表・提供開始 | 機能 | データ管理の観点で変わったこと |
|---|---|---|
| 2023年3月23日 | Pluginsの実験公開 | 外部情報・サービスへの接続、Code Interpreterによるファイル処理を試験導入。発表 |
| 2023年4月25日 | 履歴の無効化・データのエクスポート | 会話の保存やモデル改善への利用を利用者が管理する入口を追加。発表 |
| 2023年7月6日 | Code InterpreterのPlus向けベータ展開 | 添付ファイルを用いた計算・分析・グラフ作成を拡大。履歴 |
| 2023年7月20日 | Custom instructions | 利用者が決めた前提や回答方針を、以後の会話へ適用。発表 |
| 2023年11月6日 | GPTs | 用途別に指示・参考資料・機能を組み合わせる仕組みを導入。発表 |
| 2024年2月13日 | Memory・Temporary Chatの試験提供 | 会話をまたぐ記憶と、通常の履歴に残さない会話を導入。発表 |
| 2024年5月16日 | データ分析の強化 | Drive・OneDriveからのファイル取り込み、表・グラフの操作を改善。発表 |
| 2024年10月3日 | Canvas | 文書やコードを会話の横で編集し、過去の版へ戻れる作業画面を導入。発表 |
| 2024年10月31日 | ChatGPT Search | ウェブ上の新しい情報を検索し、出典付きの回答へ利用。発表 |
| 2024年12月13日 | Projects | 関連する会話・ファイル・指示を、継続する仕事ごとに整理。履歴・機能 |
この時期の背景として分かりやすいのが、Custom instructionsの発表でした。
OpenAIは、会話のたびに同じ事情を説明し直す利用者の負担に言及しています。
職業や希望する回答形式を毎回書く手間を減らす、という具体的な問題から始まっていました。Custom instructionsの背景
ファイル分析にも、別の負担があったわけです。
2024年のデータ分析強化では、複雑な表を扱う作業や可視化を、より幅広い利用者が進められるようにする狙いが説明されました。
ここから読み取れる変化は、質問文を工夫するだけでなく、手元の資料を仕事の材料として直接渡せるようになったこと。データ分析の強化
ただし、指示と資料を同じ場所へ詰め込めばよい、という話にはなりません。
現在のGPT作成ガイドでも、振る舞いのルールはInstructions、参照する内容はKnowledgeへ分けるよう案内されています。
出張規程は参考資料、回答に根拠の条項を添えるルールは指示、という整理が役立つでしょう。GPTの指示とKnowledge
2025年――情報を探し、仕事ごとの文脈を共有する段階へ
| 発表・提供開始 | 機能 | データ管理の観点で変わったこと |
|---|---|---|
| 2025年1月14日 | Scheduled tasksのベータ | 指定時刻や定期的な依頼の実行を導入。履歴 |
| 2025年2月2日 | Deep research | 複数のウェブ情報を調べ、根拠を付けた調査レポートを作成。発表 |
| 2025年4月10日 | Memoryの拡張 | 保存した記憶に加えて、過去の会話を回答の個別化へ利用。公式更新 |
| 2025年6月4日 | Connectors・カスタム接続 | 社内ツールの情報を取り込み、MCPによる接続も展開。発表 |
| 2025年6月4日 | Record mode | 会議や音声メモを文字起こし・要約する入口を追加。発表・機能 |
| 2025年8月22日 | Project-only memory | 仕事ごとの記憶の範囲を分離。履歴 |
| 2025年9月25日 | 組織向けのProjects共有 | 会話・資料・指示をチームで共有する利用を拡大。発表 |
| 2025年10月23日 | Company knowledge | 接続した複数の社内ツールを横断し、出典付きの回答を生成。発表 |
仕事が続くほど、必要な情報は一つのファイルに収まらなくなります。
顧客の要望はメール、変更の経緯はSlack、承認済みの仕様はDrive、といった具合でしょう。
Company knowledgeの発表は、この分散を課題として挙げていました。
利用者がアクセスできる情報を複数の接続先から探し、回答に出典を付けるという設計です。
したがって、利用者に必要な確認も「ファイルを添付したか」から、「どの接続先の、どの情報を根拠にしたか」へ広がったと読めるでしょう。Company knowledgeの背景と仕組み
ここでProjectsの役割も見えてきました。
同じ企画について続ける複数の会話や資料をまとめ、仕事の前提を維持する場所として使えるわけです。
現在は対応する外部資料へのリンクや、再利用したいAIの回答も資料として追加できるようになりました。Projectsの公式ガイド
ただし、集まった資料の中には、検討中の案と決定済みの方針が混ざるかもしれません。
検索できることだけでは、どちらが正式な判断かまでは決まりません。
継続する仕事では、採用した結論、根拠、決定日を別に残しておくと、次の会話で確認する対象が明確になるでしょう。
2026年――ファイルの再利用から、正本への接続と共有へ
| 発表・提供開始 | 機能・更新 | データ管理の観点で変わったこと |
|---|---|---|
| 2026年2月10日 | Deep researchの情報源指定を強化 | 調査対象サイトや接続先、途中の方向修正を管理。公式更新 |
| 2026年2月25日 | Projectsの資料追加を拡張 | アプリのリンク、回答、テキストを作業資料へ。履歴・機能 |
| 2026年3月23日 | ファイル用Library | アップロード・生成ファイルを保存し、別の会話で再利用。履歴・機能 |
| 2026年6月4日 | DreamingによるMemory改善 | 記憶の鮮度・継続性・関連性を改善する仕組みを展開。発表 |
| 2026年7月9日 | ChatGPT Work | 接続した情報やファイルから、文書・表・レポートなどの完成物を作る仕事へ拡張。発表 |
| 2026年8月13日 | Google DriveをLibraryへ統合 | 元データとの接続を維持して参照。履歴 |
| 2026年8月14日 | 既存Projectの記憶設定を変更可能に | Default／Project-onlyの切り替え。履歴 |
| 2026年8月27日 | Temporary Chatの選択肢を追加 | 開始時に個別化の利用を選択。履歴 |
| 2026年9月9日 | Library共有 | ファイル・フォルダの閲覧／編集権限を設定。履歴 |
| 2026年9月10日 | Libraryの接続先を追加 | Box・Dropbox・SharePointに対応。履歴 |
| 2026年9月10日 | Data plugin | 企業データと指標定義を用いて分析・ダッシュボードを作成。公式ガイド |
Libraryによって、ファイルを会話から探し直し、別の会話へ再び渡す流れを整理しやすくなりました。
さらにDriveとの接続では、Libraryに見えるファイルが元の保存先につながったまま扱われます。
これは、手元へ書き出したCSVを添付する場合との大きな違いでしょう。Libraryの公式ガイド
書き出したCSVは、ある時点の状態を残す資料として便利です。
ただ、元の売上データが更新されても、そのCSVまで更新されるわけではありません。
毎月の確定値を残したいのか、今の状態を調べたいのかで、選ぶ情報源を変える必要があるでしょう。
Memoryにも、時間の扱いという課題がありました。
2026年6月のDreamingの発表では、古くなった記憶、正確性、大規模な利用への対応が改善対象として挙げられています。
過去の事情を覚えるだけでなく、現在にも関係があるかを扱う方向へ進んできたわけです。Dreamingの開発背景
この改善を、業務上の原本管理まで任せられる根拠に広げることはできません。
好みや背景の引き継ぎと、承認された数値や契約条件の保存では、求める正確さと確認方法が異なるためです。
正式な記録には、元資料へ戻れる経路を残しておいてください。
RAGで探せても、正しい集計ができたとは限らない
ここまでの機能を一緒に読むと、「情報が見つかること」と「業務として正しく答えられること」の違いが浮かび上がってきました。
たとえば「先月の売上はいくらか」という問いでは、売上に言及した資料を見つけるだけでは足りません。
税込みか税抜きか、受注日か計上日か、返品を差し引くかによって、集計する範囲が変わります。
Data pluginの公式ガイドは、接続先のデータと併せて、指標の正式な定義や計算方法を整えるよう推奨しています。
こうした定義をまとめた層は、セマンティックレイヤーと呼ばれます。
ここでいう「意味」とは、社内で「売上」「継続率」などをどう計算し、どのデータと結び付けるかという業務上の約束事です。Data pluginの指標定義
OpenAI自身の社内データエージェントの事例でも、RAGで関連する背景を取り出す処理と、必要に応じてデータウェアハウスへ問い合わせる処理を組み合わせていました。
表の説明や利用経緯を探すことと、実際のデータを調べることを併用しているわけです。
これは社内の実装事例であり、ChatGPTのすべての分析機能が同じ構成だと示すものではありません。OpenAIの社内データエージェント
この区別から、依頼の仕方も変えられるでしょう。
「売上を調べて」に加え、正とするデータ、期間、指標の定義、除外条件、照合する既存帳票を指定すること。
結果の数字だけでなく、それを出した条件まで見れば、違いが生じた箇所を調べやすくなります。
月次レポートなら、機能をどう組み合わせるか
月次レポートを作る仕事を例に、ここまでの整理を実務へ落としてみましょう。
次の組み合わせは公式の固定手順ではなく、各機能の役割から組み立てた運用案です。
| 管理したいもの | 置き場所・使う機能の例 | 人が決めておくこと |
|---|---|---|
| 確定した売上データ | 社内DB・承認済みの表計算ファイル | 正本、対象期間、確定日、管理責任者 |
| 集計の意味 | 指標定義書・セマンティックレイヤー | 計上基準、税、返品、除外対象 |
| この仕事の前提 | Projectsの指示・資料 | 読者、目的、比較する期間、決定済み事項 |
| 関連する根拠 | 接続アプリ・Company knowledge | 検索先、採用する版、出典 |
| 計算と成果物 | データ分析・Work・Data plugin | 集計条件、照合方法、提出先 |
| 再利用する完成資料 | Libraryや社内の正式な保存先 | 版、所有者、共有範囲、更新の担当 |
たとえば、保存する資料を「最新版」という名前だけで運用すると、翌月には何を示す版だったか分かりにくくなるでしょう。
2026-08_月次売上_確定_v1.csvのように対象月と状態を名前に含め、元データの場所や集計条件も一緒に残す方法が考えられます。
これは本記事の命名例であり、OpenAIが指定する命名規則ではありません。
また、参照範囲を限定したい場合は、Project-only memoryが候補に入るでしょう。
ただし、現時点ではProject-only memoryのProject内でChatGPT Workは利用できないという制約があります。
表の機能をすべて一つのProjectにまとめられる、と考えず、必要な資料を確認して引き渡す設計にしてください。現行の提供条件
自社のAI活用を点検するなら、まず一つの帳票を選び、どの原本から、どの定義で、誰に向けて作ったかをたどってみましょう。
その流れが説明できれば、AI診断で確認すべき課題も、情報源・計算条件・運用ルールのどこにあるか具体化しやすくなるはずです。
保存・共有・削除まで含めて、現在の機能を読む
機能を組み合わせる際には、情報を使い終えた後の扱いも確認しておきたいところ。
現在のLibraryでは、会話を削除しても、そこからLibraryに保存されたファイルは削除されません。
Driveの原本を削除する場合は、元の保存先で操作してください。Libraryの保存・削除
学習への利用をオフにする操作も、会話の削除とは分けて扱ってください。
Data Controlsでは、モデル改善への利用をオフにしても、通常の会話は履歴に残ると説明されています。
「記憶に使うか」「履歴に残すか」「モデル改善に使うか」を、一つの設定だと思い込まないことが大切でしょう。Data Controls
共有するときには、保存先が増える場合もあることを押さえておきましょう。
Data pluginからSitesへ分析を公開する場合、公式ガイドでは、分析に使ったデータが公開先へコピーされると説明されていました。
元データを閲覧できる権限と、作成したレポートを誰に見せるかは、それぞれ確認が必要になるわけです。分析結果の共有と権限
古い使い方の記事を読む際には、当時の提供条件にも注意してください。
たとえばGPTsは、現在の個人アカウントでは新規作成・公開ができず、既存GPTの利用・編集や組織向けの作成にはそれぞれ条件があります。
2023年の発表を、そのまま今日の操作案内として使うことはできません。GPTsの現在の提供条件
機能の変遷から見えてくるのは、利用者が管理する対象の広がりでした。
文章や資料を渡すところから、情報源を選び、仕事の前提を整え、結果の根拠と共有先まで確認するところへ。
新しい機能を使う前に、「何を正本にし、今回の仕事では何を参照させるか」を決めてみてください。
そこが定まれば、ChatGPTに任せる作業と、人が確かめる箇所も選びやすくなるでしょう。