【2026】Open Responsesとは|モデル乗り換えの保険

【2026】Open Responsesとは|モデル乗り換えの保険

「どのAIモデルにも同じ書き方でつなげる標準ができたらしいので、それに準拠していれば将来の乗り換えは心配いらないのでは」「開発会社から『Open Responses 準拠で作ります』と提案されたが、それで何が保証されるのか判断できない」——社内のAI基盤やエージェントの開発を発注する立場の担当者から、2026年の秋に入って増えてきた問いです。Open Responses は、OpenAI が2026年1月に公開し、10月に Linux Foundation 傘下の Agentic AI Foundation(AAIF)へ寄贈した、AIの呼び出しの書式をそろえる公開仕様です。準拠はモデルの乗り換えを保証するものではありません。そろうのは呼び出しの書式であって、モデルの性能・安全機能・料金・データの扱いはそろいません。この記事では、仕様がそろえるものとそろえないもの、ゲートウェイや自社の変換層で吸収する方法との比較、発注の仕様書やRFPに書く文言、準拠の確かめ方、仕様に参加していない提供元の扱い、標準化団体に寄贈された意味と限界を整理します。仕様の細部の解説や実装手順は扱いません。


カメ先生カメ先生

「標準に準拠していれば、どのAIにでも乗り換えられる」と思われがちなんだ。でも本当は、そろうのは呼び出し方の書式だけで、答えの質や料金、データの扱いは提供元ごとに違うままなんだよ。


カメ子カメ子

書き方が同じでも、出てくる答えまでは同じにならない、ということですか。


カメ先生カメ先生

そう。だから準拠は「乗り換えの工事を小さくする」ものであって、「乗り換えても困らない」ことまでは約束しない。発注の段階でその差を言葉にしておくのが大事なんだ。


カメ子カメ子

準拠と書くだけでは足りなくて、何を確かめるかまで決めておく必要があるんですね。


この記事のポイント
  • Open Responses は呼び出しの書式をそろえる仕様。性能・安全機能・料金・データの扱いは仕様の外で、提供元ごとに確かめる
  • 乗り換えの余地は、仕様準拠・ゲートウェイ・自社の変換層のどれで残すかを比べ、拡張機能をどこまで使うかの線と一緒に決める
  • 発注では「準拠」と書くだけでなく、受け入れテストの結果、使う拡張の一覧、乗り換えの予行演習を納品物に入れる

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

Open Responses は、AIの「呼び出しの書式」をそろえる公開の仕様

Open Responses は、複数のAI提供元に対して同じ形式で要求を送り、同じ形式で結果を受け取るための公開の仕様です。土台になっているのは OpenAI の Responses API で、公式サイトは「複数の提供元で相互に使えるAIの接続口を作るための、公開の仕様と周辺の道具一式」と説明しています。要求と結果の形を一度書けば、少ない手直しで複数の提供元に向けて動かせる、というのが目的として掲げられています。

仕様の中心にあるのは、モデルの出力や道具の呼び出しを「アイテム」という最小単位で扱う考え方です。文章の返答、関数の呼び出し、推論の要約などが、それぞれ種類の札の付いたアイテムとして並びます。あわせて、結果を少しずつ流すときの事象の順序、外部の道具を呼ぶときのやり取り、前回の応答を参照して会話を続ける仕組みまでが定められています。2026年4月には、常時接続の通信方式も追加されました。

公開は2026年1月15日です。国内では技術評論社の情報サイトが翌日に紹介し、公開時点で OpenAI に加えて OpenRouter・Vercel・Hugging Face・LM Studio・Ollama・vLLM が支持に名を連ねていると報じました。つまりこれは製品ではなく、ソフトウェアを作る側が従う書式の約束です。契約して使い始めるものではないため、社内で判断するのは「この約束に沿って作ってもらうか」という発注や内製の要件の話になります。

よくある誤解:準拠すれば、どのモデルでも同じように動く

いちばん多い誤解は、「準拠した仕組みを作っておけば、モデルを差し替えても同じように動く」という期待です。AAIF の公式ブログは、この仕様はAPIに対する取り決めであり、採用してもモデルを変えたり学び直させたりする必要はないと書いています。裏を返せば、モデルの振る舞いそのものには何も手を加えません。

同じ書式で同じ質問を送っても、返ってくる文章の質、道具を呼ぶかどうかの判断、指示への従い方は、モデルごとに違います。社内の問い合わせ対応で高い正答率を出していたプロンプトが、別のモデルでは道具を呼びすぎたり、逆に呼ばなかったりすることは珍しくありません。書式がそろっても、評価をやり直す手間は残ります。

もう一つの誤解は、「標準になったのだから主要な提供元はすべて対応している」という思い込みです。後で詳しく触れますが、2026年11月時点で公式サイトの参加組織の一覧に Anthropic と Google の名前はありません。準拠を要件にしても、使いたいモデルが直接は対応していない、ということは起こり得ます。

社内AI基盤の発注で、乗り換えの余地が論点になる理由

社内のAI基盤やエージェントを作るとき、最初は1社のモデルを前提に組むのが普通です。ところがAIのモデルは数か月単位で入れ替わり、料金の改定や提供条件の変更も頻繁に起きます。1社の独自の書式に深く依存した作りは、モデルを替えたいときに作り直しの工事になります。

発注の現場で困るのは、この工事の費用が契約時には見えないことです。開発会社は動くものを納品し、検収も通る。その後、別のモデルのほうが安くて精度も高いと分かったときに初めて、呼び出し部分が全体に散らばっていて、差し替えに数か月かかると分かる、という順番になりがちです。

Open Responses 準拠を要件にする目的は、この将来の工事を小さくしておくことにあります。ただし、何でも準拠させればよいわけではありません。社内の検索や文書作成のように、1社のモデルで当面は困らない用途なら、準拠の要件より、呼び出しを1か所にまとめる設計を求めるほうが効く場合もあります。どこまで求めるかは、乗り換えの見込みと費用で決めます。

仕様がそろえるもの、そろえないもの

判断の土台として、仕様の範囲を表にまとめます。公式の仕様書は、推論の中身をどこまで見せるか、サービスの区分・提供水準・料金、文脈を切り詰める方法、提供元独自のアイテムや事象、モデル内部の処理を「提供元が決めるもの、または範囲外」としています。

項目仕様でそろう提供元ごとに違う(仕様の外)
要求と結果の形アイテムの種類、状態の遷移、誤りの種類独自のアイテムや事象を足す拡張
結果を少しずつ流す方式事象の順序と終わり方流す速さ、途中で止まったときの扱いの細部
道具の呼び出し関数の呼び出し、道具の選び方の指定、許可した道具だけに絞る指定提供元の中で動く道具(検索など)の中身
推論の扱い推論のアイテムの入れ物推論の中身・要約・暗号化した形のどれを出すか
会話の続き前回の応答を参照する方法保存の期間、削除の方法、保存先の地域
モデルなし性能、安全機能、指示への従い方
お金と提供条件なし料金、優先度の区分、提供水準、利用規約

表の右の列が、乗り換えのときに本当に効いてくる部分です。とくに推論の扱いは、仕様が入れ物だけを決め、中身の出し方は提供元に任せています。推論の要約を画面に出す前提で作った機能は、乗り換え先がそれを出さなければ動きません。

また、仕様には「拡張は可搬性を下げる」と明記されています。提供元独自の道具や項目は、名前の先頭に実装者の名前を付けて区別するきまりで、使った瞬間にその提供元への依存が生まれます。どの拡張を使っているかが、乗り換えの難しさをほぼ決めます。

一方で、統制の面で役に立つ取り決めもあります。道具の一覧はそのままに、この要求で呼んでよい道具だけを指定すると、サーバーはそれを守らなければならないと仕様は定めています。人が許可した道具以外をAIに呼ばせない設計を、提供元が替わっても同じ書き方で求められるということです。誤りの種類も、要求の形の誤り・回数の制限・モデル側の失敗などに分けてそろえられているため、障害の監視や再試行のきまりを提供元ごとに作り直さずに済むのは、運用する側にとって小さくない利点です。

文脈が長くなりすぎたときの扱いも決まっています。自動で切り詰めるか、切り詰めずに誤りを返すかを選べ、切り詰めない指定のときは、黙って古い会話を捨てずに失敗として返すことが求められます。契約書の要約のように途中を落とされると困る業務では、切り詰めない指定を設計の標準にしておくと、どの提供元に替えても「知らないうちに読み飛ばされた」事故を防げます。ただし、どこまで切り詰めるかの方法そのものは提供元に任されています。

2026年10月の寄贈で変わったこと、変わらないこと

2026年10月22日、Linux Foundation は AAIF が新たに4つの事業を受け入れると発表し、その1つが OpenAI の寄贈した Open Responses でした。AAIF は2025年12月に MCP を含む3つの事業で発足し、この発表で10件を抱える団体になっています。同じ発表では、Anthropic もエージェントの技能を定義する別の仕様を寄贈しています。

変わったのは、仕様の持ち主です。公式サイトの著作権表示は Linux Foundation の事業運営の枠組みに移り、意思決定の方法は技術憲章に従うと案内されています。1社の都合で書式が急に変わるおそれは、以前より下がったと見てよいでしょう。発注側から見れば、要件に書いても数年で消えにくい名前になった、という意味があります。

一方で、変わらないこともあります。仕様の土台は今も OpenAI の Responses API で、寄贈の発表文も参加している提供元の一覧を載せていません。標準化団体に入ったことは、主要な提供元がそろって採用したことを意味しません。中立の場ができたことと、各社が実際に対応することは別の話として扱います。

参加している提供元と、一覧に名前がない提供元

2026年11月6日に公式サイトで確認した参加組織の表示は、NVIDIA、Vercel、OpenRouter、Hugging Face、LM Studio、Databricks、Red Hat、AWS、Ollama、OpenAI、vLLM などです。表示されているだけで、それぞれがどの役割で関わっているかは公式サイトに書かれていません。

Anthropic と Google は、この一覧に名前がありません。Anthropic はメッセージ形式の独自のAPIを提供しており、Google も Gemini 向けに独自のAPIを持っています。この2社のモデルを使う予定があるなら、準拠だけでは直接つながりません。

ただし、間に立つ事業者を通せば話は変わります。AAIF の公式ブログによれば、Databricks のモデル提供の仕組みは Open Responses の窓口を持ち、Claude や Gemini への要求を各社の書式に翻訳して届けます。Vercel のゲートウェイや OpenRouter も同じ役割を担います。この場合、翻訳の過程で失われる情報がないかは、間に立つ事業者の実装次第です。公式ブログ自身も、翻訳で情報が落ちる箇所の報告を実装者に求めています。

  • 参加組織の一覧は更新されます。この記事の内容は2026年11月6日時点の公式サイトの表示に基づきます。要件に書く前に、その時点の一覧と、使う予定の窓口の対応状況を確かめてください
  • 一覧に名前があることは、その組織の全製品が仕様に対応していることを意味しません。対応しているのはどの製品のどの窓口かを個別に確かめます

乗り換えの余地を残す3つの方法を比べる

乗り換えの余地を残す方法は、仕様準拠だけではありません。呼び出しの入口を1つにまとめるゲートウェイを置く方法、社内の開発で薄い変換層を自前で持つ方法もあります。ゲートウェイの仕組みそのものは別の記事に譲り、ここでは発注の判断に必要な違いだけを並べます。

方法向いている場面残る弱み
Open Responses 準拠で作る参加している提供元や翻訳の窓口を使う前提で、外注先が替わっても通じる書式にしたい未参加の提供元は直接つながらない。拡張を使えば依存が戻る
ゲートウェイを置く部門ごとの利用量・費用・記録も1か所で見たいゲートウェイ自体への依存が生まれる。翻訳の質は製品次第
自社の薄い変換層呼び出しが少数の機能に限られ、社内に保守できる人がいる提供元の変更に自分で追従する手間がかかる

3つは排他ではありません。実際には、アプリ側は Open Responses の書式で書き、その手前にゲートウェイを置くという組み合わせが多くなります。仕様は外注先や開発者が替わっても通じる共通語として、ゲートウェイは費用と記録の管理役として使い分けます。

どれを選ぶにしても、乗り換えの余地は「呼び出しの書式」だけでは決まりません。プロンプト、評価の手順、道具の定義、推論の扱いが特定のモデルに寄っていれば、書式がそろっていても作り直しは発生します。比べるときは、書式以外の依存もあわせて棚卸しします。

拡張機能を使うほど、乗り換えの余地は減る

Open Responses は、提供元独自の機能を拡張として載せることを認めています。たとえば提供元の中で動く検索の道具や、追加の計測情報です。拡張は名前の先頭に実装者名を付けて区別し、理解できない受け手は無視してよい、というきまりになっています。

便利な機能ほど拡張にあり、使えば使うほどその提供元から離れにくくなります。発注で大事なのは、拡張を禁止することではなく、どの拡張を、どの機能のために使っているかを一覧で残させることです。一覧があれば、乗り換えのときに作り直しが必要な範囲がすぐに分かります。

さらに、拡張に頼った機能には「代わりの手段」を設計書に書かせます。提供元の検索の道具を使っているなら、乗り換え先では自社の検索を外部の道具として呼ぶ、といった形です。代わりの手段が書けない拡張は、事実上その提供元に固定される部分として、経営判断の資料に明記しておきます。

会話の続きを提供元に預ける設計と、データの扱い

仕様には、前回の応答を参照して会話を続ける仕組みがあります。全文を毎回送り直さずに済む便利な機能ですが、仕組みとしては、サーバー側が前回の入力と出力を読み込める状態にしておく必要があります。保存するかどうかは指定できますが、保存期間や削除の方法、保存先の地域は仕様の外で、提供元ごとに違います。

社内の問い合わせや顧客情報を扱うエージェントでは、ここが情報管理の論点になります。会話の続きを提供元に預ける設計にすると、乗り換えのときに過去の会話を移せないだけでなく、どこにどれだけ残っているかを提供元ごとに確かめる必要が出てきます。

発注の段階では、会話の履歴を自社側で持つのか提供元に預けるのかを決めておきます。乗り換えの余地と情報管理の両方から見て、履歴は自社側に置き、提供元には保存しない指定で送る設計を基本にし、例外にするなら理由を書かせるのが無難です。

「準拠」をどう確かめるか:受け入れテストの使い方と限界

Open Responses の公式サイトには受け入れテストが用意されています。窓口の住所・モデル名・鍵を入れて、ブラウザ上で10件のテストを流せるほか、常時接続の通信方式を確かめる7件のテストはコマンドで実行します。基本の文章の返答、結果を少しずつ流す方式、画像の入力、複数回のやり取り、関数の呼び出しなどが、公開の定義に沿った形で返ってくるかを確かめる内容です。

これは発注側にとって使いやすい道具です。「準拠しています」という口頭の説明ではなく、受け入れテストの実行結果を納品物に含めると書けば、確かめ方が具体的になります。乗り換え先の候補の窓口にも同じテストを流せば、つながるかどうかの下見にもなります。

ただし限界もはっきりしています。テストが見るのは返ってくる形が定義どおりかどうかで、答えの正しさや安全機能の効き方は見ません。公式サイトにも、認証や認定の制度は書かれていません。テストに通ることは「形が合っている」ことの証明であって、「業務で使える」ことの証明ではありません。

発注の仕様書・RFPに書く文言

要件に「Open Responses 準拠」とだけ書くと、受注側によって解釈が分かれます。乗り換えの余地を残すという目的に沿って、何を納品してもらうかまで具体的に書きます。以下は文言の例です。

仕様書・RFPに入れる文言の例
  1. AIモデルの呼び出しは、Open Responses の公開仕様に沿った形式で行い、呼び出し部分を1つのモジュールにまとめること
  2. 納品時に、本番で使う窓口に対する公式の受け入れテストの実行結果を提出すること
  3. 提供元独自の拡張を使う場合は、使う拡張・使う機能・乗り換え時の代わりの手段を一覧にして提出すること
  4. 会話の履歴は発注者側で保持し、提供元側への保存を使う場合は理由と保存期間を明記すること
  5. 検収前に、指定する別の提供元のモデルへ切り替える予行演習を1回行い、作業時間と動かなかった機能を報告すること

最後の予行演習の項目がいちばん効きます。準拠しているかどうかより、実際に別のモデルに替えたら何が起きたかのほうが、発注側の判断に直結する情報だからです。費用はかかりますが、乗り換えのときの工事の見積もりの根拠になります。

内製の場合も同じ項目を社内の設計基準として使えます。外注か内製かにかかわらず、準拠は手段、乗り換えの工事を小さくすることが目的と最初に共有しておくと、拡張を使う・使わないの議論がぶれません。

乗り換えの予行演習を、契約前と検収前に1回ずつ

予行演習は大がかりなものである必要はありません。業務で使う代表的な質問を集めた評価用の小さなセットを用意し、モデルを替えて同じ手順で流すだけです。目的は性能比較ではなく、作り直しの範囲を見積もることにあります。

STEP1
評価用の質問を30〜50件そろえる

業務で実際に来る質問と、期待する答えの要点、道具を呼ぶべきかどうかを人が書いておく。正解を作るのは業務の担当者で、AIに作らせない。

STEP2
現在のモデルで基準の結果を取る

答えの要点が合っているか、呼ぶべき道具を呼んだかを、担当者が目で確かめて記録する。

STEP3
候補のモデルに切り替えて同じ手順で流す

切り替えにかかった作業時間、動かなかった機能、使えなかった拡張を記録する。直接つながらない提供元は、間に立つ事業者を通した場合も試す。

STEP4
差の出た箇所を人が判断する

答えの質の差は、どれを許容できるかを業務の担当者が決める。点数の自動比較だけで乗り換えの可否を決めない。

契約前にこれを小さく試すと、提案された設計が本当に乗り換えに耐えるかが見えます。検収前にもう一度行えば、開発の途中で拡張への依存が増えていないかを確かめられます。

やってしまいがちな要件の書き方

Open Responses を要件に入れるとき、次のような書き方は目的を外しやすいので避けます。どれも、準拠という言葉が「乗り換えの保証」として独り歩きした結果です。

  • 「主要なAIモデルすべてに対応できること」と書く。未参加の提供元があるため、受注側は翻訳の窓口を足すか、条件を勝手に狭めて解釈する
  • 準拠を書いたのに、拡張の一覧も受け入れテストの結果も求めない。何に依存しているかが納品後まで分からない
  • 推論の要約を画面に出す機能を、乗り換え先が出すかどうかを確かめずに必須にする
  • 会話の履歴を提供元に預ける設計を、保存期間や削除の方法を確かめずに採用する
  • 準拠しているから評価のやり直しは不要とみなし、モデルを替えた直後にそのまま本番に出す

逆に、準拠を求めすぎるのも失敗の一つです。1社のモデルで当面困らない小さな用途にまで準拠と予行演習を課すと、費用と期間が膨らみます。乗り換えの見込みが高い基盤部分と、そうでない個別の機能で、要件の重さを分けます。

AIに判断させない線

乗り換えの判断にAIの評価を使う場面は増えています。別のAIに答えを採点させれば、何百件もの比較が短時間でできるからです。ただし、採点役のAI自体も特定のモデルで、採点役が自分と似た答えを高く評価する偏りは避けられません。

そこで、次の線を先に決めておきます。評価用の質問と期待する答えは人が作る。どの差を許容するかは業務の担当者が決める。乗り換えるかどうかは、料金・データの扱い・提供条件を含めて人が判断する。AIの採点は差の大きい箇所を見つける道具にとどめ、採点の根拠となった箇所を必ず書かせて、人が原文に戻って確かめる運用にします。

受け入れテストも同じです。形が合っているかの確認は機械に任せてよいですが、業務で使えるかの判断はAIにも機械にも任せられません。準拠・テスト通過・採点の点数は、どれも人の判断の材料であって、判断そのものではありません。この線は、どの提供元を使っていても変わらない社内のきまりとして文書にしておきます。

よくある質問

すでに OpenAI の Responses API で作っている場合、何か対応が必要ですか

Open Responses は Responses API をもとにしているため、書式はかなり近いはずです。ただし、OpenAI 独自の道具や項目を使っていれば、それは仕様の上では提供元独自の拡張にあたります。まずは使っている独自機能を棚卸しし、公式の受け入れテストを流して差を確かめるのが近道です。

Claude や Gemini を使いたい場合は、準拠を要件にしないほうがよいですか

一概には言えません。Databricks のように Open Responses の窓口から Claude や Gemini へ翻訳して届ける事業者があるため、間に立つ事業者を前提にすれば準拠のまま使えます。ただし、その事業者への依存と翻訳の質が新たな論点になります。各社の独自APIで直接つなぐ方法と、予行演習で比べて決めます。

準拠していれば、安全機能やデータの扱いも同じ水準になりますか

なりません。安全機能の効き方、学習への利用の有無、保存の期間や地域は、提供元ごとの契約と設定で決まります。乗り換えのたびに、情報管理の確認は一からやり直す前提で計画します。

導入を決める前に確かめる項目

最後に、Open Responses 準拠を要件にするかどうかを決める前に確かめる項目をまとめます。情報システム部門とAI導入の担当、発注の担当が同じ一覧を見ながら確認すると、議論が早く終わります。

  • その基盤で、今後2年以内にモデルを替える見込みがどの程度あるか
  • 使いたいモデルの提供元が、公式サイトの参加組織に入っているか。入っていない場合、間に立つ事業者を使うか
  • 使う予定の拡張と、それぞれの代わりの手段を書けるか
  • 推論の要約など、提供元によって出る・出ないが分かれる機能に依存していないか
  • 会話の履歴を自社側に置く設計になっているか
  • 受け入れテストの結果と予行演習の報告を、納品物に入れたか
  • 乗り換えの最終判断を人が行うこと、AIの採点は材料にとどめることを、体制として決めたか

このうち2つ目と3つ目が答えられない段階なら、まだ準拠を要件にする前に調べることが残っています。逆に全部に答えられれば、準拠を要件にする意味がはっきりし、受注側との認識のずれも小さくなります。

まとめ

Open Responses は、複数のAI提供元を同じ書式で呼ぶための公開仕様で、2026年10月に Linux Foundation 傘下の AAIF に寄贈され、1社の都合で変わりにくい共通語になりました。ただし、そろうのは呼び出しの書式だけで、モデルの性能・安全機能・料金・データの扱いは提供元ごとに違い、Anthropic と Google は公式の参加組織の一覧に入っていません。発注や内製で要件にするなら、「準拠」の一語で済ませず、受け入れテストの結果、使う拡張と代わりの手段の一覧、会話の履歴の置き場所、乗り換えの予行演習を納品物に入れることが、乗り換えの保険を実際に効かせる条件です。評価と最終判断は人が行い、AIの採点は差を見つける道具にとどめましょう。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次