WorkBuddyとは：PCで動くAIオフィスagent（2026）

パソコンを開くと、今朝の会議録音、退勤前に出さなければならない週報、上司から投げられた「これを PPT にまとめて」が机の上に並んでいます。以前は一つずつ手作業でした。今は、その一連を一気に終わらせると謳う新しい道具が出ています。テンセントが 2026 年 3 月に出した WorkBuddy もその一つです。

これは「また一つの AI アシスタント」ではありません。「AI が日常のオフィス作業を本当に引き継げるか」という信号です。残念ながら多くの紹介記事は発表稿をそのまま並べて終わり、使い方も、今日まだできないことも書いていません。このガイドでは両方を補います。

WorkBuddyとは：30秒で分かるローカルオフィスagent

WorkBuddy はテンセント CodeBuddy 体系の AI オフィス agent で、2026 年 3 月 9 日に公開されました。売りは「ローカル実行」——自分のパソコンの中で動き、PPT 作成や報告書執筆といった多段階の仕事を自ら計画して納品し、複数の agent を並行で動かせます。公式入口は テンセント WorkBuddy 公式ページ です。

一問一答だけのチャットボットと違い、agent の特徴は「目標を渡せば、手順を分解し、道具を呼び、完成品を手元に届ける」ことです。WorkBuddy はテンセントの CodeBuddy 製品ラインから来ており、開発者向けだった agent 能力を汎用オフィスへ移しています。

先に流布している誤解を正します。WorkBuddy は「テンセント元宝に取って代わって中核になる」ものではありません。2026 年半ば時点のテンセントは複線です。混元が基盤モデル、元宝が個人向け対話入口、CodeBuddy が開発者、WorkBuddy がオフィス、ほかに QClaw や Marvis など。WorkBuddy は盤面の中で「オフィスの実務をやる」駒です。

実用ルール： AI agent が仕事を引き継げるかを見るなら、先に「あなたの入力形式を読めるか」を問い、PPT が書けるかどうかは後回しにしましょう。

WorkBuddyの使い方：5モデル切替、スキルパック、企業接続

使い方は三つの能力に分かれます。この三つが分かれば、ワークフローのどこに置けばよいかが見えます。

第一に、複数モデルの自由切替。 テンセント公式ページ によれば、WorkBuddy は混元、DeepSeek、GLM、Kimi、MiniMax の五つの大規模モデルを切り替えられます。コード寄りの仕事は推論が強いもの、コピー寄りの仕事は言葉が巧いもの、同じ道具の中で仕事に合わせてエンジンを選びます。

第二に、内蔵スキルと企業接続。 WorkBuddy には 20 以上の「スキルパック」が入り、一行もコードを書かずに能力を足せます。同時に企業微信（WeCom）、QQ、Lark（飛書）、DingTalk に直接つながり、agent の成果物をいつもの協働ツールへ戻せます。企業ユーザー向けにはセキュリティ監査もあります。

第三に、ローカル実行と複数 agent の並行。 タスクは自分のマシンで走ります。複数の agent が別々の子タスクを同時に進められます。一人が資料を調べ、一人がアウトラインを整え、一人が組版し、最後に報告書や PPT へまとめます。

能力	WorkBuddy のやり方	あなたへの意味
モデル	混元／DeepSeek／GLM／Kimi／MiniMax から切替	仕事の種類で最適な「頭脳」を選ぶ
拡張	20+ の内蔵スキルパック、コード不要	開発ができなくても能力を足せる
接続	WeCom／QQ／Lark／DingTalk に直結	成果がいつもの道具へ戻る
実行	ローカル、複数 agent 並行	データが外に出ず、並行で速い
場面	PPT・報告書の自動作成	繰り返しの文書生産を引き継ぐ

WorkBuddyができること、そして詰まるところ

上の能力を具体的な人に落とすと、価値と境界が同時に見えます。

会社員にとって最も直接的な価値は、「山のような材料を提出できる文書にまとめる」ことの自動化です。週報、競合分析、議事録の二次加工。運用とプロダクトなら、企業ツールに散らばった情報を初稿へたぐり寄せられます。創業者と少人数チームなら、一人でアシスタント半人分をカバーできます。

ただし、この世代のオフィス agent にほぼ共通する死角があります。デフォルトの入力は文字です。 手元の 2 時間の会議録画、業界ポッドキャスト、競合の発表会ライブ、オンライン講座——agent は読めません。すでに文字になっている資料を PPT にすることはできても、「先にその 2 時間の動画を見てから着手する」ことはできません。

先に動画を見せたいなら、字幕検索は必須の一歩です。話された一文一文を、検索できる文字にします。

下の図と照らせば直感的です。

スクリーンショット：BibiGPT · ディープサーチ機能デモ

職場の情報のうち、音声・動画は大きな塊です。会議は録画の再生、業界動向はポッドキャストとライブ、学習はオンライン講座。入口の大半は「聞く・見る」なのに、agent は「読む」しか知りません。

実用ルール： AI に読めない形式を読ませないこと。先に音声・動画を文字へ変え、それからどの agent にも渡しましょう。

WorkBuddyに「動画を見る」手を足す：BibiGPTとの実戦ペア

WorkBuddy が詰まる一歩——「音声・動画を、渡せる文字にする」——は、BibiGPT のような AI 音声・動画アシスタントの仕事そのものです。競合ではありません。前後です。BibiGPT が「聞く・見る」を構造化テキストにし、WorkBuddy がその文字を持って PPT と報告書を続けます。2026 年 7 月時点で、BibiGPT は 100 万人超のユーザーに使われ、累計 500 万回超の AI 要約を生成し、30 以上の主要音声・動画プラットフォームに対応しています。

今日から使える組み合わせは次の通りです。

ステップ 1。音声・動画を使える要点テキストにする。 YouTube や Bilibili のリンクを貼るか、ローカル録画をアップロードします。BibiGPT が字幕を抽出し、構造化要約を作ります。同じ操作で、動画を図文つきの記事にもできます。「提出する文書が欲しい」需要にそのままつながります——AI 動画から図文記事 を参照してください。

入口はこれです。リンク一つで成果物が出ます。

スクリーンショット：BibiGPT · 動画から記事の機能デモ

ステップ 2。複数本を一度にまとめる。 整理したいのが一連のシリーズ——講座 10 本、四半期の業界シェア複数本——なら、無料の動画一括要約 で全体の総覧とマインドマップにまとめ、一本ずつ見る必要はありません。

下の図がコレクション要約の入口です。

スクリーンショット：BibiGPT · コレクション要約機能デモ

ステップ 3。結論を問い返し、出典を確保する。 要約を得たあと、たいてい「この数字はどの区間から出たのか」を確認したくなります。BibiGPT の 出典つき YouTube 動画要約 は、各回答にクリック可能なタイムスタンプと元クリップを付け、AI の空口を避けます。

実写はこうです。答えはどれも、元動画のその瞬間へ戻れます。

スクリーンショット：BibiGPT · AI 動画対話と出典トレースのデモ

実用ルール： 先に要約し、見てから決める——2 時間の視聴の代わりに 5 分の要約で、時間を投じるかを判断しましょう。

ステップ 4。整えた文字をあなたの agent へ渡す。 動画画面の内容分析 で要点を突き詰めたあと、Obsidian ノートへ書き出し で Notion、Obsidian、Readwise へ一発書き出すか、Markdown／PDF でダウンロードします。このきれいな文字こそ、WorkBuddy に渡して PPT と報告書を続けさせる原料です。

下の図が対話の追質問入口です。

スクリーンショット：BibiGPT · AI 対話追質問の機能デモ

ある一文がどこで言われたかを探すときは、動画内容検索 がタイトルと要約だけでなく、字幕全文を直接検索します。「BibiGPT が音声・動画を文字にし → WorkBuddy がその文字で成果物を作る」リレーこそ、agent が情報入口の全部を覆う閉じた輪です。

私たちの判断：オフィスagentの次の主戦場はマルチモーダル入力

後で検証できる判断を書きます。

判断一：マルチモーダル入力が、オフィス agent の次の主戦場になる。 今世代の作業台（WorkBuddy、TRAE Work など）は「誰の agent が計画し、道具を呼べるか」を競っています。本当の前置ボトルネックは入力です。音声・動画が入ってこない。賭けます。2027 年 6 月までに、主流のオフィス agent が音声・動画を原生で読めないなら、先にそこを埋めた者が会議・講座・ポッドキャストの三つの高頻度場面を持っていく。 期限が来たら答え合わせをします。

判断二：短期では、agent は使いやすい音声・動画理解を自ら生やさない。 音声・動画を安定して高品質な使える文字へ変えるのは専門仕事です。字幕抽出、話者分離、横断プラットフォーム対応。今後 12 か月、オフィス agent は自前開発より、外部の音声・動画変換層をつないで埋める可能性が高い、と考えます。この判断は、私たち自身が音声・動画ツールを作っている立場と重なります。その利害を踏まえて読んでください。

判断三：「先に要約し、見てから決める」が「見てから整理する」を置き換える。 agent が数秒で動画の要点を出せるようになると、人の行動は逆になります。先に中身を確かめ、時間を投じるかを決める。「視聴の意思決定の門番」に自らを置いた者が、正しい物語の側に立ちます。

よくある質問（FAQ）

Q1：WorkBuddy とテンセント元宝はどういう関係ですか？ 並行する別製品です。元宝は個人向け対話入口、WorkBuddy は CodeBuddy 体系から出たオフィス実行型 agent です。WorkBuddy は「元宝の後継」ではありません。

Q2：WorkBuddy はどの大規模モデルに対応していますか？ テンセント公式ページによれば、混元、DeepSeek、GLM、Kimi、MiniMax の五つを自由に切り替え、仕事の種類で選べます。

Q3：WorkBuddy は会議録画やポッドキャストを読めますか？ 2026 年 7 月時点、この世代のオフィス agent のデフォルト入力は文字で、音声・動画は直接対象ではありません。先に BibiGPT で構造化テキストへ変え、WorkBuddy に渡せます。

Q4：ローカル実行とは何ですか。データは安全ですか？ ローカル実行とは、タスクが自分のパソコンの中で走ることを指します。外部へ上げなくても処理でき、企業ユーザーにはセキュリティ監査もあり、相対的に制御しやすいです。

Q5：プログラマーではありません。WorkBuddy は使えますか？ 使えます。20 以上のスキルパックが入り、ゼロコード拡張が売りです。PPT や報告書といったオフィス仕事は、非開発者向けそのものです。

---

音声・動画は、AI 時代の情報入力における最大の「ダークマター」です。agent は読めず、あなたは手放せません。先に文字へ変えれば、手元のどの AI 道具も本当に動き始めます。

BibiGPT を開き、会議録画とオンライン講座を使える文字にする

BibiGPT チーム