突然ですが、こんな気持ちになったことありませんか？
「ChatGPTって、なんとなく一般向けのツールっぽいんだよな」
「文章を書いてもらうくらいなら、Copilotで十分じゃない？」「API直接叩いた方がカスタマイズできるし」
エンジニアあるあるだと思います。APIが使えるからこそ、ChatGPTの公式UIをじっくり触ったことがないという方、意外と多いんじゃないでしょうか。
この記事では、そういった「なんとなく使いづらい」と感じる理由を一度整理した上で、知っておくと地味に得する使い道を3つ紹介します。
目次
1. エンジニアがChatGPTを敬遠しがちな3つの理由
理由① 「みんな使ってる＝枯れた技術」に見えてしまう
エンジニアには新しいもの好きな方が多いですよね。ChatGPTはすでに一般名詞になりつつあって、「今さら感」があるのは正直わかります。Claudeを試したり、ローカルLLMを動かしたり、Gensparkで資料を作成したり、自立型エージェントが気になってDevinとか、Claude codeとか気になるものがたくさん出てきます。
「エンジニア以外にも使われてて、なんか面白みがない」とか、「エンジニアがchatGPTを使ってるなんてなんかダサい」みたいな心理が働くのではないでしょうか？
特に、エンジニア以外もみんなが使っていて、エンジニアなのにAIの知識がchatGPTで止まってると思われるのがなんか嫌だとか？あるのではないのでしょうか？
ただ、「有名＝使い尽くした」というわけでもないんですよね。公式UIにはここ1〜2年で機能がかなり積み上がっていて、意外と見落としていることがあります。
理由② ChatGPTのUIが「エンジニアっぽくない」と感じる
ターミナルで完結したい、VSCodeから出たくない、という方には確かにブラウザのチャットUIは少し合わないかもしれません。GitHub CopilotやContinueみたいなエディタ統合の方がフローを壊さないのも理解できます。
ただ、「エディタの外でやる作業」って意外と存在していて、そういうときにChatGPTのUIはむしろ使いやすかったりします。
理由③ プライバシーやセキュリティが気になる
「業務のコードを貼っていいのかな？」と迷う方も多いと思います。OpenAIはデフォルトでチャット履歴をトレーニングに使う設定があるので、会社によってはChatGPT Plusの業務利用が明確に許可されていないケースもありますよね。
これは正当な懸念だと思います。ただ、設定でオフにできますし、ChatGPT Enterpriseなら学習利用なし・SOC2対応・ゼロデータリテンションになります。用途によって上手く使い分けられると良さそうです。
2. それでも知っておくと得する使い道
こういった課題感を踏まえた上で、「これは便利だな」と感じやすい使い方を3つ紹介します。
① Advanced Data Analysis ── Jupyterより気軽にデータを触れる
ChatGPT PlusにはPythonが実行できるサンドボックス環境が内蔵されています。CSVやExcelをアップロードして「このデータの分布を見せて」「外れ値を除いてグラフ化して」と話しかけるだけで、コードを生成してその場で実行して結果を返してくれます。
なにが嬉しいか
通常の流れ：
データ受け取る → ローカルに落とす → venv作る →
pandas/matplotlib入れる → Jupyter起動 → 書く → 直す
ChatGPT ADAの流れ：
データ貼る → 話しかける → 結果が出る
「ちょっと確認したいだけ」というときに、環境構築のオーバーヘッドがゼロなのがありがたいです。
どんな場面で使うか
- 顧客から届いたCSVをとりあえず眺めたいとき
- 定例MTG前にサクッとグラフを作りたいとき
- Pythonが得意でないチームメンバーのために可視化をサポートするとき
コードもそのまま見られるので、「このコードをコピーして本番スクリプトに組み込む」という使い方もできます。Jupyterを常設するまでもないケースの代替として重宝します。
② カスタムGPT ── チーム内のプロンプト資産を共有インフラにできる
OpenAIのGPTsは、カスタムの指示・知識・ツール設定を持ったGPTをノーコードで作れる機能です。作ったGPTはリンクで共有できます。
自分専用にカスタマイズしたAIを作れる機能です。「英語コーチ専用」「料理レシピ特化」など、特定の用途に特化したGPTを自分で作成・保存できます。また他のユーザーが公開しているGPTも使えるので、目的に合ったものをすぐ探して使えます。
エンジニアチームでの使いどころ
プロンプトって、気づいたら各自がSlackのブックマークやNotionに個別で保存していたりしますよね。「あのプロンプト送って」「どこだっけ」みたいなやり取り、経験ある方も多いんじゃないでしょうか。カスタムGPTに落とし込んでリンクを共有するだけで、チーム全員が同じクオリティで使えるようになります。
具体的には:
- コードレビュー専用GPT：「必ずセキュリティの観点を含めてレビューする」「コメントは日本語で」などを固定
- ドキュメント生成GPT：社内の命名規則やフォーマットをナレッジとして読み込ませる
- インシデント対応GPT：「5W1Hで整理して、次のアクションを3つ出す」を自動で適用
APIと何が違うか
APIで同じことはできますが、UIを別途作る必要があります。カスタムGPTはChatGPTのUIがそのまま使えるので、フロントエンドなしでプロンプトを共有インフラにできるのが利点です。プロトタイプや社内ツールとして割り切るなら十分実用的だと思います。
③ 画像入力 × デバッグ ── エラー画面をそのまま貼り付ける
GPT-4oは画像入力に対応しています。これをデバッグに使うと地味に便利です。
具体的な使い方
- ターミナルのエラー出力のスクショを貼る
- GUIアプリの挙動がおかしい画面をキャプチャして貼る
- ネットワークの構成図や手書きのUMLを読み取らせて「これをコードにして」
テキストにコピペしにくいエラーや、GUIの問題には特に効きます。「見たままを渡せる」のはチャットUIならではの強みだと感じます。
Diffチェックにも使えます
コードの変更前・変更後のスクショを両方貼って「何が変わったか説明して」とか、UIの2バージョンを比較させるといった使い方もできます。デザイナーとのコミュニケーションをChatGPTに仲介してもらうイメージです。
④ Deep Research
Deep Researchは、自分で何時間もかけて調べる代わりに、ChatGPTがまとめて情報収集してくれる機能です。 GofP複数のWebサイトを横断的に調査し、レポート形式で整理してくれるため、市場調査や論文の下調べなどに非常に向いています。
Geminiなどでも利用できますが、意外とDeep Research機能を使っていない人はいるのではないでしょうか？
3. API派エンジニアへの補足
「どうせAPIで自前実装した方が融通きく」という意見はもっともだと思います。本番プロダクトや細かい制御が必要な用途はAPI一択ですよね。
ただ、ChatGPTのUIには**「実行環境・フロントエンド・インフラがゼロ」という強み**もあります。
プロトタイプ速度・個人利用・チームへの展開コストを抑えたいシーンでは、公式UIの方が合理的な選択になることもあります。「API vs Chat UI」は対立ではなく、うまく使い分けられると良さそうです。
4. まとめ
| 使い道 | 何が嬉しいか | 代替と比べた優位性 |
|---|---|---|
| Advanced Data Analysis | 環境構築なしでPython実行 | Jupyter起動より圧倒的に速い |
| カスタムGPT | プロンプトをチームで共有 | UIゼロでプロンプトをインフラ化 |
| 画像入力 × デバッグ | エラー画面をそのまま貼れる | テキスト化できない問題に強い |
ChatGPTは「有名すぎてなんとなく素通りしてしまう」ツールになりがちですが、公式UIの機能はここ1〜2年でかなり育っています。APIを使いこなしている方ほど、一度じっくり触り直してみると新しい発見があるかもしれません。
今日紹介した3つは、どれも「知っているか知らないかで作業速度が変わる」レベルの使い方なので、気が向いたらぜひ試してみてください。
おすすめ本の紹介
エンジニアとして基礎力がつくおすすめの技術本を下記の記事で紹介しています。
→記事を読む