VoiceOSの動画を整理。Claude CodeとCodexに声で頼める

出典: 複数のAI、複数のセッションを手打ちで管理している人へ【VoiceOS】

どの窓に何を頼んだか、探し回ったことはありませんか？実演も、そこから入ります。

始まりは、Claude Code 3本と Codex 1本を同時に回す人の、限界の訴えでした。困りごとは3つあります。まず、全部キーボードで打つ重さ。

次に、窓を探して打ち、また次の窓を探す往復です。最後に、どれが動いて止まったのか、1つずつ見ないと分かりません。

Codex が入ると、頼み方も画面の見方もAIごとに違います。そうした手間とAIごとの違いを、まとめて声に任せる物として VoiceOS が出てきます。

問いは、窓が4つなら結局どの窓か探すのでは、という点でした。

動画では（0:48〜）

探さなきゃいけないんじゃない?名前を言うだけでいいのだ。

答えは、名前を言うだけでした。実演では、記事のセッションに、英語の引用を全部原文と照らし合わせて確かめて、と頼みます。

VoiceOS は、4つから呼び名どおりの窓を選び、確かめ方まで書いた指示に整えて入力。人は、送るボタンを押しただけでした。

動画では（1:46〜）

探すのも打つのも言い直すのもいらないのね。

探す、打つ、言い直す。どれも人の手から外れています。

窓を探して打つ間は、どの窓に何を頼んだかを思い出す管理が、私に残るんですよね。先に決めるのは、そのボールを私に戻さない形です。

状況把握は任せて、判断は声で返し、送信の一押しと結果を見る役は私が持ちます。

2026年7月29日の朝LIVEで、私は、Codex の音声対話から AGI Cockpit に仕事を振りながら、複数のAIを並列で動かし始めると、誰に言ったか、どのセッションかが分からなくなる、と話しました。

同じ朝LIVEでは、1個のマスターに全部投げて、それをダッシュボードで管理する、と続けました。その朝LIVEの記事が、Codex音声対話で声だけでAIに仕事を任せる｜AGI Cockpit・アシュラ実験LIVEです。そこに残っている一節。

私の記事より（Codex音声対話で声だけでAIに仕事を任せる｜AGI Cockpit・アシュラ実験LIVE・ダッシュボードの節）

並列で走らせ始めると、「これ誰に言ったんだっけ」「どのセッションだっけ」が本当に分からなくなるんですよ。

…

会話の履歴を遡っても思い出せない。

誰に言ったか分からない困りごとと、窓を探す手間は、根っこが同じです。道具は違います。動画は VoiceOS、7月29日の朝LIVEで私が話したのは Codex の音声対話と AGI Cockpit。

それでも、入り口を絞る点は同じなんです。外したいのは、どちらも窓を探す手間。

記事のセッションは、今どこまで進んだのか？実演は、その答えを窓を開かずに声で聞きます。

次は、中身を声で知る場面です。聞き方は、記事のセッションは今どこまで進んだか、の一言でした。読み上げるのは VoiceOS です。

答えは、引用を原文と照らし合わせ、修正を終えて入力待ち。形式のチェックは通過しています。ページの表示は、まだ確かめていません。

作業環境では、ビルドが最後まで通らない状態とも伝えます。コミットや公開は、まだです。次は、本体の置き場に変更を移して公開するか、指示を待つ段階でした。

動画では（2:44〜）

窓を開いて読まなくても聞くだけで分かるのね。

窓を開いて読まなくても、聞くだけで様子が分かる場面でした。VoiceOS が記事の窓を読み、どこまで終わって何が残っているかを声で返します。

続けて、4つ全部をまとめて聞きます。Codex は前の調査結果で止まっている、と分かりました。

一言聞いただけで、4つの今が1つずつ声に並びます。止まった Codex も、その場で見つかりました。

状況把握は任せて、私は判断に集中します。判断に使う頭が、4つの窓を一つずつ回る作業に取られずに済みますから。

窓を開いて読む方法では、人の目が4つの窓を1つずつ回ります。開いた順にしか分かりません。止まった窓は、後回しになりがち。

聞いて分かる方法なら、目を動かさずに4つの今が並びます。止まった窓を探す手間は、ここで消えます。

同じ朝LIVEで、私は声でこう頼みました。何がどう動いているか分かりづらいので、人間側はマスターとだけ話をして、全部の状況はダッシュボードを見れば分かるものを作れるかな、というのが、頼んだ中身でした。

動画は、声で聞いて、声で答えが返ります。私が声で頼んだのは、全部の状況がダッシュボードを見れば分かる形でした。

聞くか見るかは違っても、窓を開いて読まずに分かりたい願いは同じです。窓を1つずつ開いて読み返す手間、手放したくなりませんか？

返事を待たせている窓は、AIが増えるほど見つけにくくなります。実演が次に聞くのは、その窓の居場所。

返事を待つ窓を、開かずに返せるのか？動画の中では、聞けば名指ししてくれて、返事も声で返せる、と答えます。

実演では、返事を待っている窓はどれか、と声で聞きます。答えは、左下の直しの窓でした。2本の記事について、表現や件数を直すかどうかの指示待ちです。

答えは、窓ごとに1つずつ返ってきます。左上の記事の窓は、作業を終えて入力待ち。明確な質問はありません。右下の Codex も入力待ちで、サムネ作成の依頼はまだ届いていません。右上は作業中なので、返事は要らないという答えでした。

声で、直しのセッションに2本とも直していいよ、訂正の注記も前と同じく残して、と返します。VoiceOS が直しのセッションに入力まで進め、まだ送信前なので、カードの送信ボタンを押してください、と案内が出ます。

人は声で返し、カードの送信ボタンを押しました。直しの窓は、そのまま続きを進めています。

動画では（5:24〜）

窓を探して開いて打たなくていいのね。

窓を探さず、開かず、打たずに済む場面です。

返事待ちを探す手と、窓を開いて打つ手。その2つが、声の1回に変わりました。動画の返事は、2本とも直していい、注記も残す、という採否の判断。

私なら、返事で渡すのは判断だけにして、送信の一押しと結果を見る役は手元に残します。

あの朝LIVEでは、並列作業が当たり前になってきたので、AIにも並列作業をさせ、分身のAIを育てて判断をさせていく、と話しました。その判断が間違うことがあるので、責任を持って見てフィードバックする、とも話しました。

私の記事より（Codex音声対話で声だけでAIに仕事を任せる｜AGI Cockpit・アシュラ実験LIVE・判断を渡す節）

任せた判断が間違うこともある。だから責任を持って見る。

判断を渡せば、間違いも出ます。だから、結果を見る役は手元に残すと決めておきます！

私が持つのは、判断を声で返すことと、結果を見てフィードバックすることです。

実演の途中で、Codex だけ始まっていないと分かります。Claude Code と Codex は、作法の違うアプリです。AIごとに、言い方を変えていませんか？

そこで、新しい会話で記事のサムネ画像を作って、と頼み直します。頼む先は VoiceOS。

VoiceOS は、Codex の新しい会話にサムネ作成を依頼しました。いまは作業中です。終わると、結果が通知で届く。

Codex の窓を自分で探して開く手間は、この場面にありません。アプリの作法は違っても、話しかける先は VoiceOS だけです。頼み方をAIごとに変えなくていい、という話に続く。

次は Claude Code の番。人が声で頼んだのは、新しいセッションでサイトの記事が何本あるか数えて、という一文でした。

依頼の文を整えて入れたのは、VoiceOS です。新しいセッションを立て、やることを書いた指示を入れて、動かし始めるところまで。

動画では（7:15〜）

仕事が増えても窓を自分で開かなくていいのね。

仕事が増えても、窓を自分で開かずに済む。新しいセッションの場面は、そう締めくくられます。

AIの種類が増えても、話す相手が1つなら、頼み方を覚え直さずに済みます。

入り口は1つに決める。道具は、あとから足していきます。

あの朝LIVEの締めくくりに、私は、Codex でなくてもいいけれど、自分がユーザーインターフェースとしてやりやすいところにとにかく1個決める、と伝えました。

私の記事より（Codex音声対話で声だけでAIに仕事を任せる｜AGI Cockpit・アシュラ実験LIVE・入り口を1つに決める節）

自分がユーザーインターフェースとしてやりやすいところに、とにかく1個決める。

入り口にする道具は、人によって違う。動画の入り口は声のアプリ VoiceOS で、私の入り口は Codex の音声対話でした。入り口の道具は、選んで構いません。

道具は別物でも、入り口を1個に絞る点は変わらない！ 入り口が散らばると、どこに何を言ったかを覚える役が、私の手元に戻ります。

そうなると、誰にどこまで頼んだかを、毎回たどり直すことになる。手元のAIの入り口は、いま何か所ありますか？

入り口の数は、道具より先に決めます。

ある窓で見つけた問題を、別の窓へ伝える時があります。場所を文字で書くと、説明が長くなりがちです。その場所を、文字で説明していませんか？ 実演では、画面の一部を丸で囲んで渡します。

記事の窓が、ある問題を見つけました。これを、直しの窓へ回したい。どこの何かを打って説明するのは面倒、という声も出ます。

そこで、画面のその箇所を丸で囲みます。声で言うのは、ここ、直しのセッションで直させて、の一言。説明の文字は、1つも打たない。

VoiceOS は、今対応しています、と返します。続いて、直しのセッションへの入力を終えた報告が届く。

中身は、囲まれた見出しを正確な表現に直す指示。訂正の注記も残します。ただし、送信はまだです。カードの送信ボタンを押してください、と案内が出る。

実演を振り返ると、人がしたのは、記事の窓の1か所を丸で囲み、ここ、と言っただけでした。探すのも、打つのも、要らなかった。VoiceOS は、囲んだ所を画像で読み取る。何を直すかまで書いた指示に整えて、直しの窓へ届けました。実演で人の手元に残ったのは、囲む手と、声と、送信の一押しでした。

動画では（8:25〜）

窓から窓へ打たずに渡せるのね。

窓から窓へ、打たずに渡せる。囲む場面は、この言葉で閉じます。

私は、状況を読む役は任せて、判断は声で返し、送信の一押しと結果を見るところを自分に残します。

もし場所を文字で説明するなら、どの見出しの、どの言い回しかを、順に打ち込むことになる。見出しが長ければ、打つ文字も増えます。書き間違えれば、直しの窓が別の所を直すおそれも出ます。

似た見出しが並ぶ時は、なおさら。どれを指すかの説明まで、打ち足すことになる。

丸で囲めば、指す場所は画像のまま伝わる。言葉で言い当てなくていい。直しの窓には、何を直すかまで書かれた指示が届きます。文に組み立てる役は、VoiceOS へ。

打ち込む量が減るほど、結果を見る時間は増えます。整った指示が届けば、受け取った窓はそのまま続きを進められます。場所の説明だけで、何行打ち込んでいますか？

実演のあとは、始め方の話です。声で頼める窓が増えるほど、任せない場面はどこになるのでしょう？

まず、公式サイトからアプリを入れます。対応は、Mac と Windows の2つ。Claude Code と Codex は最初から入っていて、連携のタブでワンクリックでつなぐだけ、と話していました。

ほかのアプリとの連携は、Gmail、Slack、Notion、カレンダーなど。公式だけで21個ある、と話していました。

無いものは、作りたいものを説明すれば自分で作れる。AI Jitan Lab が作ったのは、自分たちの新着記事を読む連携です。作った連携も、声で呼べます。

新着ニュースを3つ教えて、という頼み方も出てくる。記事の新着も、窓を開かずに声で聞ける。

使い方は、キーを押しながら話すだけです。実演では、左のコントロールとオプションで頼んでいました。

動画では（9:27〜）

打たなくていいし、止まってるのは教えてくれるし。

打たずに頼める。止まった窓は知らせてくれる。Codex の分も一緒に聞けた、と続きます。

始める手順は、入れて、つないで、押しながら話す。手順が短い分、声に任せる範囲と任せない場面は、始める前に決める。

あの朝LIVEの序盤では、私は、手元を見なくても包丁が切れるようになる料理のたとえで、慣れた作業は並列のながら作業にできる、一方で運転中のように注意が必要な場面ではやらない、と伝えました。

私の記事より（Codex音声対話で声だけでAIに仕事を任せる｜AGI Cockpit・アシュラ実験LIVE・並列作業の節）

逆に、運転中のような「有意注意」が要る場面ではやらない。

運転中は、意識して注意を向け続ける必要がある。私なら、このながら作業の線引きを、声に任せる範囲にもそのまま使い、注意が要る場面は声にも渡しません。

線を先に引けば、窓が増えても迷わない。線がないまま任せる範囲を広げると、どこまで渡すかを、その都度考えることになります。

動画は始め方と連携の広さを見せ、私は始める前の線引きから入ります。始め方を知る前に、線を1本引いておく。いま動かしているAIのうち、声に任せていい場面と任せない場面を、1つずつ言えますか？

AI Jitan Lab の動画では、声のアプリ VoiceOS が、窓の名前を呼んで頼む、様子を声で聞く、返事待ちの窓に声で返す、Claude Code と Codex に同じ声で頼む、丸で囲んで別の窓へ渡す、という流れを見せていました。

窓は探さずに名前で呼び、様子は聞くか見るかで知って、返すのは判断だけにします。管理のボールを私の手元へ戻さない形。それを、道具を選ぶより先に決めておきたいんです。

入り口は1つに決めて、道具はあとから足していきます。指示を整え切るのは、渡す側のAI。声に任せない場面も、始める前に決めておきます！

AIに委ねて、人は積み減らして生き直す。窓が何本に増えても、人が手を置く場所は変わりません。委ねる所が増えるほど、判断と責任を持つ所にこそ、自分の手を残しておきたいんです。

いま並列で動かしているAIの窓を、端から1つずつ思い浮かべてみてください。その中で、どこに何を頼んだか思い出せない窓が何本あるか、一度数えてみませんか？