GPT-5.6 vs Claude Opus 4.8｜最新AIを競わせて自社ツールを磨いた

どうも〜さとあつです😄

AI時代になって、こういうことを、よく言われる。AIがあれば、もう誰でも、何でも作れる、って。

半分は、本当だ。たとえば、俺が作ってるサービスの見た目。UIだけなら、AIを使えば、あっという間に、そっくりなものが作れると思う。

でも、真似できるのは、そこまでだ。

中身は、そう簡単には、真似できない。

俺は、できる側でいたい

いま、LeadQUESTっていう営業システムを作ってる。その目玉が、フォーム自動送信っていう機能だ。会社の問い合わせフォームに、営業の文面を、機械が自動で送ってくれる。人が一社ずつ手でやってた作業を、まるっと肩代わりする。

で、いまの、その送信の成功率が、21%。これを、35%まで引き上げる。それが、いまの俺の、課題だ。

もし、これができたら、どうなるか。同じAIを使っても、この数字を上げられる人と、上げられない人が、必ず出てくる。だとしたら、その上げ方は、もう立派な企業秘密だ。見た目のUIは真似できても、この中身は、簡単には真似できない。

俺は、それをできる側で、いたい。

じゃあ、どうやって、21%を35%に近づけるか。ここから、頭を使った。

作戦。出たばかりの最新AIに、徹底的にレビューさせる

まず考えたのが、これだ。

ちょうど、GPT-5.6っていう、出たばっかりの最新AIが来てた（昨日その話を書いた）。こいつに、いまのLeadQUESTを、徹底的にレビューさせる。送信が失敗してる理由を、片っぱしから分析させて、原因を突き止めて、成功率を上げる対策を、考えさせる。

この開発環境を、Codexという。そこに、GPT-5.6っていう頭脳を積んで、走らせた。最新の頭で、うちのシステムの弱いところを、洗いざらい暴いてもらう。

そこで、ふと思った。競争させたら、面白いんじゃないか（笑）

で、ここで、いたずら心が湧いた。

ふだん、このLeadQUESTを開発してるのは、Claude Codeっていう、また別のAIだ。だったら、まったく同じ宿題を、Claude Codeにもやらせて、GPT-5.6と競わせたら、面白いんじゃないか、って。

ただ、ここは、はっきりさせておきたい。今回レビューを頼んだClaude Codeは、いつもLeadQUESTを開発してる、あのClaude Codeとは、別のやつだ。前情報は、いっさい渡してない。どういう経緯で、何を、どう作ってきたか。そういう裏側を、まったく知らない、まっさらな状態のClaude Codeに、やらせた。

自分が作ったものを、自分で採点したら、そりゃ、お手盛りになる。それじゃ、意味がない。だから、GPT-5.6にも、この何も知らないClaude Codeにも、まったく同じ条件で——コードと、送信のログ、その事実だけを見せて、初見の第三者として、診断させた。

出たばかりの最新のGPT-5.6（Codex）と、前情報ゼロの、まっさらなClaude Code。同じ土俵で、真正面から、競争させる。どっちが鋭いか、この目で、見てみよう。

左のcodexと、右のClaude Codeが、俺の画面の中で、いっせいに、同じ課題に食らいついていく。ログがバーッと流れて、コードを読んで、原因を掘っていく。二つの頭が、同時に唸ってる。これは、燃える。

大事なのは、公平にジャッジすること

ただ、ここで、もうひとつ、こだわりたいことがあった。

レビューする二人は、もう、前情報なしの第三者どうしにしてある。ここまでで、片方をひいきする隙は、だいぶ潰した。でも、最後に、出てきた答えの優劣を、俺の好き嫌いで決めたら、元も子もない。ふだんClaude Codeを使ってる俺が、無意識に、Claude Code側の肩を持つ、なんてことも、起こりうる。

だから、その採点も、さらに別の第三者に、任せることにした。ChatGPTだ。codexにもClaude Codeにも、いっさい肩入れしない立場から、中立で、公平に、二人を採点させる。俺の主観を、いったん、外に出すためのジャッジ役だ。レビューする側も、裁く側も、全部フェアに。ここは、ゆずれない。

頼んだら、ChatGPTは、乗り気だった。できる、むしろこれはちゃんと比較できる、って。しかも、自分が何を見るか、採点の基準を、先に8個も並べてきた。現状分析が事実に基づいてるか。21%って数字を、ちゃんと分解できてるか。原因が深いか、浅いか。対策が現実的か……。おお、本気だ。これなら、しっかりフェアに裁いてくれそうだ。

1回戦の結果

二人の答えを、全部、審判に読ませた。点数は、こう出た。

GPT-5.6（codex）	89点
Claude Code（Opus 4.8）	83点

1回戦は、GPT-5.6（codex）に、軍配。でも、点差以上に面白かったのが、二人の強みが、きれいに分かれたことだ。審判の採点を、俺なりに、表にまとめてみた。

codexが強かったのは、失敗の理由そのものを、疑ったところだ。送信ログに、これはロボット避けの認証で止まった、だから自動化は無理、っていう記録が残ってる。Claude Codeは、その記録を、そのまま受け取った。でもcodexは、その記録自体が間違ってるかもしれん、と、裏まで見にいった。壊れた計器の数字を、いくら集めても、正しい答えは出ない。この、もう一段深い疑い方が、効いた。

ただ、こっちも面白い。点数で負けたClaude Codeが、単発では、一番デカい発見をしてた。

トップページのアドレスは分かってるのに、問い合わせフォームの場所が分からない、というだけの理由で、929社を、送りもせずに捨てていた。

929社だ。試しもせず、門前払いしてた会社が。しかも、これを見つけたのは、このシステムの中身を、何も知らない、まっさらなClaude Codeだ。前情報ゼロで、送信エンジンの中身だけじゃなく、そもそも誰に送るか、っていう入口の穴まで、掘り当てた。予備知識なしで、ここに気づくのは、正直、鋭い。

2回戦。お互いの答えを、ぶつけてみた

ここで、終わりにしない。もう一手、打った。

codexの答えを、Claude Codeに読ませる。Claude Codeの答えを、codexに読ませる。相手の言い分を、まる裸で突きつけたら、二人の答えは、変わるのか。意地を張るのか、なるほどと認めて直すのか。

で、変わった答えを、また審判に採点させた。結果が、これだ。

二人とも、点が上がった。しかも、差が、ぐっと縮まった。

理由は、単純だった。お互いの答えを読んで、相手のいいところを、素直に取り込んだからだ。

特にClaude Code。codexの指摘に、むきになって言い返すんじゃなくて、こう認めた。自分の、送る相手を増やす作戦は、codexの安全対策が無かったら、事故る、って。自分の弱点を認めて、相手の手柄を、ちゃんと立てる。審判も、そこを高く買ってた。

codexも、負けてない。Claude Codeの929社を認めたうえで、こう正した。あれは、回収できる929社じゃない。まだ試してない、探しにいく価値のある929社だ、って。ホームページがあるからって、問い合わせフォームがあるとは限らんし、営業を受け付けてるとも限らん。Claude Codeが少し盛ってたところを、codexが冷静に、削った。

あとは、もう、重箱の隅の潰し合いだ。この失敗は本当に認証で止まってるのか、システムのバグで止まってるだけなのか。数え方は253件なのか316件なのか。二人して、精度を、極限まで詰めていく。この潰し合いこそが、そのまま、成功率に効いてくる。

最終結論。GPT-5.6の勝ち

審判の最終判定は、僅差で、codex。理由のまとめが、きれいだった。

Claude Codeは、大きなテコを見つけるのがうまい。codexは、そのテコを、安全に、正確に使えるかを、検証するのがうまい。

俺の見立ても、同じだった。読んでて、codexのほうが、一段、深い。GPT-5.6（codex）の勝ち、だ。

ただし、実際に採る改善案は、どっちか一方じゃない。codexの、堅くて安全な土台に、Claude Codeが見つけた929社を乗せる。両方の、一番いいとこ取り。これが、一番強い。勝ち負けと、採る案は、別の話だ。

今回、掴んだこと

やってみて、掴んだことが、二つ、ある。

ひとつ。今回、Claude Codeは、Opus 4.8っていう頭脳で戦った。でも、もし、これが、Fable 5っていう、もう一段上の最上位だったら。……結果は、変わってたかもしれん。ただ、Fable 5は、高い。クレジットが一気に溶ける。だから今回は、使わなかった。でも、こういう、金脈を掘り当てる大事なレビューにこそ、惜しまず最上位を出す。それも、これから試したい一手だ。

もうひとつ。一回レビューさせて、終わり、じゃない。一回やらせて、相手の答えを見せて、もう一回やらせる。この往復で、精度が、はっきり上がった。これは、これからのいろんな仕事に、そのまま持っていける武器になる。

で、最後は

最新のAIを競わせて、別のAIに公平に裁かせて、二周させて、精度を詰める。この段取りを組んで、走らせて、答えを読んで、どの手を採るか決める。ここは、俺の仕事だ。

そして、この診断をもとに、実際にLeadQUESTを直して、本当に35%に届かせる。そこまでやりきって、初めて、さっき言った企業秘密になる。同じAIが手元にあっても、そこまでやりきる人は、そんなに多くない。

俺は、やりきる側で、いる。

その続き——実際に35%を超えられたのか。それは、また、そのまま書く。全部、本当のやつを。

こうやって自分のツールをAIで磨いていく話とか、AIを自分の仕事にどう組み込むか、みたいな相談は、XのDMからでも、気軽にどうぞ。LeadQUEST自体を見てみたい人は、こっち（LeadQUESTのページ）。作った経緯は、こっち（その話はこっち）。

今日も最後まで読んでくれて、ありがとうございました😄

SNSも見てね！

ではまた！！