OpenAIの「Agent Post-Training」は7つのサブチームに分業していた──求人票を1件ずつ読む

OpenAIの採用ページ(jobs.ashbyhq.com/openai)を2026年8月27日にcurlで確認したところ、「Research」部門「Agents」チームの下に、「Agent Post-Training」という肩書きを共有する求人が8件同時掲載されていた。うち7件は特定領域に絞ったサブチーム(API & Power Users・Artifacts・Computer Use・Connectors・Context・Frontier Evals and Environments・Personality)、残り1件は特定領域を持たない総合枠だ。全求人が共通の「ABOUT THE TEAM」文言を掲げており、そこにはこのチームの位置づけが次のように書かれている。

The Agent Post-Training team creates the frontier agents OpenAI ships to the world. We are training the models behind our agents in Codex, ChatGPT, the API, and other frontier products: persistent, proactive intelligence that can operate computers, collaborate with people and other agents, and expand what people and organizations can imagine, attempt, and achieve.

(Agent Post-Trainingチームは、OpenAIが世界に出荷するフロンティアエージェントを作っている。私たちはCodex・ChatGPT・API・その他のフロンティア製品の裏にあるモデル──コンピュータを操作し、人間や他のエージェントと協働し、人や組織が想像し試み達成できることを広げる、持続的で主体的な知性──を学習させている)

3行まとめ

1. Agent Post-Trainingは7つの専門サブチーム(API & Power Users・Artifacts・Computer Use・Connectors・Context・Frontier Evals and Environments・Personality)+総合枠の計8求人を同時掲載しており(2026年8月27日確認)、エージェント学習後処理を機能単位で分業している
2. Frontier Evals and Environmentsチームの求人は、同チーム出身者が過去に手がけた公開ベンチマークとしてGDPval・SWE-bench Verified・MLE-bench・PaperBench・SWE-Lancerの5つを名指ししている
3. Contextチームの求人は「AGIへの最後のイネーブラーはコンテキストに計算資源を使うことだと私たちは信じている」と書き、Codex Chronicleという製品インターフェースへの言及がある

分業の単位:「何を教えるか」でチームが分かれている

7つのサブチームの職務説明を並べると、モデルに教える「対象」で分業していることが分かる。

Computer Use Researchの求人票は、自チームの現状について珍しく踏み込んだ一文を含んでいた。

This work sits at the intersection of frontier model training, product behavior, evaluation, and systems engineering, and will directly shape the computer-use capabilities shipped in OpenAI's next generation of agents. Currently, our models are the best in the world at this behavior!

(この仕事は、フロンティアモデルの学習・プロダクトの振る舞い・評価・システムエンジニアリングの交差点に位置し、OpenAIの次世代エージェントに搭載されるコンピュータ操作能力を直接形作る。現時点で、私たちのモデルはこの振る舞いにおいて世界最高だ!)

「世界最高」という評価は同社自身の主張であり、第三者ベンチマークでの裏付けは求人票には示されていない。

Context team:「AGIへの最後のイネーブラーはコンテキスト」

最も踏み込んだ主張をしていたのがContext Researchチームの求人票だ。

We believe that the final enabler for AGI is spending compute on context. As a Context Researcher on Agent Post-Training, you will scale compute spent on context. You will get to work in our frontier training stack on enabling the next paradigm of model training with a clear product interface for iterative deployment (Codex Chronicle).

(AGIへの最後のイネーブラーは、コンテキストに計算資源を使うことだと私たちは信じている。Agent Post-TrainingのContext Researcherとして、コンテキストに使う計算資源をスケールさせる。反復的なデプロイのための明確なプロダクトインターフェース(Codex Chronicle)を伴う、次のモデル学習パラダイムを可能にするフロンティア学習スタックで働くことになる)

「Codex Chronicle」という名称がここで初出するが、求人票内にこれ以上の説明はなく、Codex関連の何らかの製品インターフェースだと推測されるにとどまる。この用語を掘り下げた記述は、本記事執筆時点でのGoogle検索・Zenn/Qiita検索でも確認できなかった。

Frontier Evals and Environments:自チームの実績を名指しで列挙

このチームの求人票は珍しく、過去にチーム出身の研究者が手がけた公開ベンチマークを実名で列挙していた。

Some prior open-sourced evaluations built by researchers in this role include GDPval, SWE-bench Verified, MLE-bench, PaperBench, and SWE-Lancer.

(この役割の研究者が過去に構築し公開した評価には、GDPval・SWE-bench Verified・MLE-bench・PaperBench・SWE-Lancerが含まれる)

SWE-bench Verifiedはコーディングエージェントの実力を測る指標として業界で広く参照されているベンチマークで、その開発者がこのチーム出身であることを求人票が明かしている形になる。求人票はこのチームの目的を「安全なAGI/ASIへの進捗を推進するnorth star model environmentsの構築を助けること」と表現している。

Personality team:「性格」を評価・報酬信号に変換する

Personalityチームは、モデルの「性格」を書き味や好感度以上のものとして定義していた。

We use "personality" to mean much more than writing style or general likability. It includes whether an agent understands what the user is trying to accomplish, communicates with good judgment, adapts to context, asks useful questions, handles disagreement honestly and takes initiative at the right moments.

(私たちは「性格」を、書き味や一般的な好感度よりずっと広い意味で使っている。それには、エージェントがユーザーの目的を理解しているか、良い判断力で伝えているか、文脈に適応しているか、有用な質問をするか、意見の相違に正直に対応するか、適切な瞬間に主体性を発揮するかが含まれる)

この定義を、評価・学習データ・報酬信号・モデル改善に翻訳するのがこのチームの役割だとされている。

総合枠との違い

特定領域を持たない「Agent Post-Training Research」(総合枠)の求人票は、対象範囲を意図的に広く取っている。

This role is intentionally broad. The strongest candidates are not defined by one method or subfield; they are people who can take an ambiguous capability problem and make progress across research, engineering, data, evals, and product.

(この役割は意図的に広く設計されている。最も強い候補者は、1つの手法やサブ分野で定義される人材ではなく、曖昧な能力課題を引き受け、研究・エンジニアリング・データ・評価・プロダクトを横断して進捗を生み出せる人材だ)

7つのサブチームが「何を教えるか」で縦割りに分かれているのに対し、総合枠はその縦割りに当てはまらない課題を拾う役割として位置づけられているとみられる。

「エージェント」を名乗る職種構造の比較材料

当サイトでは、エージェント関連の職種として、AnthropicのGTM Claudification(自社の営業をエージェント化する社内チーム)や、AIエージェントの仕組みと活用事例を扱ってきた。今回の求人票群は、「エージェントを作る」という仕事が、コーディング支援だけでなく、成果物作成・コネクタ連携・コンテキスト管理・性格設計といった複数の専門分野に細分化されている現状を、採用ページという一次資料から確認できる材料になっている。

求人票の記述をどこまで裏付けられたか

この記事は8件の求人票の記述のみを一次ソースとしている。各チームの実際の人数、Codex Chronicleの具体的な中身、「コンピュータ操作で世界最高」という自己評価の妥当性は、いずれも求人票の外側の情報であり本記事では確認していない。求人票はいずれも同一の「ABOUT THE TEAM」定型文を共有しており、各求人固有の「ABOUT THE ROLE」部分だけが実質的な差分だった。

自分自身はOpenAIの採用プロセスに関わったことがなく、この記事は公開されている求人票の読み込みのみに基づいている。

感想・指摘はコメント欄へ。