OpenAIのChatGPT-5.6は数時間でWebアプリを構築可能 — 実用的なPOSを構築することはできるか？

OpenAIは7月9日にGPT-5.6をリリースしました。3つの新しいモデルが登場し、ほぼすべてのコーディングベンチマークで記録を塗り替え、リリースから数時間のうちに印象的なデモが次々と公開されました。そこで、タイトルにある問いに対して率直に回答しましょう。答えは「ノー」です。GPT-5.6単独では実用的なPOSを構築することはできません。AIを使って実用的なPOSを構築しようとする人は皆、同じ壁にぶつかります。そしてそれは、AIの知能の高さとは一切関係ありません。POSを「実用的」なものにする要素、すなわち確定されたカード決済、負荷がかかっても正確に維持される在庫、認定されたリーダーハードウェアなどは、それを記述するモデルがどれほど優れていようとも、コードとして生成することはできないからです。

このモデルが極めて優秀であるからこそ、この主張には裏付けが必要です。

これまでにGPT-5.6でどのようなものが構築されたか？

すでに多くのものが、素早く構築されています。新しいモデルファミリーのフラッグシップであるSol（より安価なTerraやLunaと並ぶ）は、OpenAIのこれまでで最高のコーディングモデルです。競合モデルの半分以下の出力トークン数でありながら、Artificial Analysis Coding Agent Indexで80点という新記録を達成しました。OpenAIのローンチページでは、ブラウザのセーリングゲーム、仕掛け時計の村、美術館のウェブサイト全体が紹介されており、それぞれ短いプロンプトから生成されています。モデルは自らレンダリングされた出力を検査し、視覚的な問題を修正してから成果物を引き渡します。

早期導入者たちは、1日もしないうちにさらに優れた実例を明らかにしました。

• Solは、流動性知能をテストするために設計されたパズル環境において、公開ARC-AGI-3ゲームで初めて勝利したモデルとなり、87%のスコアを記録しました。

• あるプロダクトマネージャーがPRD（製品要求仕様書）を入力したところ、XP、アンロック可能な相棒アバター、保護者向けの報酬編集ダッシュボードを備えた、完全にゲーム化された宿題トラッカーが一発で生成されました。

• 新しい ultra 設定は、4つのエージェントを並行して調整し、要求の厳しい作業を同時進行のワークストリームに分割します。

• Lovableの報告によると、GPT-5.6は前モデルと比較して、約25%少ないステップ数、最大48%少ないツール呼び出しでユーザーアプリの構築を完了します。

したがって、見出しの前提は現実のものです。今や「午後のひとときで、洗練された実用的なWebアプリを作る」ことは、特別な偉業ではなく、最低基準となっています。

なぜGPT-5.6は実用的なPOSを構築できないのか？

POSとは、「支払う」ボタンが付いたWebアプリではないからです。画面、ボタン、カートのロジックといったアプリケーションコードは、目に見える20%に過ぎません。残りの80%はコマースインフラであり、インフラをテキストとして出力することはできません。

最初の壁は決済です。対面でカード決済を受け付けるには、加盟店アカウント、PCI準拠、そしてハードウェア認定を通過した決済端末が必要です。これらはそれぞれ、契約、監査、または物理的なデバイスです。GPT-5.6は、完璧なお会計画面を90秒で書くことができますが、その画面の先でVisaカードを受け付けることはできません。それを実現するプロンプトは存在しないのです。

決済の後に何が破綻するのか？

現実世界の負荷がかかった状況における正確性です。すべての加盟店が認識しているいくつかの例を挙げます。

• 同時並行の在庫処理。 2台のレジが同時に最後のクロワッサンを販売したとします。「ほぼ機能する」程度のWebアプリのコードでは過剰販売が発生しますが、POSは毎回この競合を正しく解決しなければなりません。

• 照合。 1日の終わりの売上合計は、売上、返金、一部返金、チップ、追加料金を含め、決済プロセッサーの精算額と1セント単位で一致する必要があります。「大体近い」では、簿記上のトラブルになります。

• 税金。 税率、税区分、非課税ルール、端数処理の規則は管轄区域によって異なり、予告なしに変更されます。

• オフライン対応。 混雑のピーク時にインターネットが切断された場合でも、レジは販売を継続し、復旧後にクリーンに同期する必要があります。

• ハードウェア。 レシートプリンター、キャッシュドロワー、バーコードスキャナーはそれぞれ独自のプロトコルで通信し、それぞれ特有のエラーを起こします。

この非対称性に注目してください。95%の確率で動作する生成されたデモは大成功と言えます。しかし、0.5%の確率でエラーを起こすレジは、毎日損失を出し、1ヶ月以内に撤去されるでしょう。ベンチマークは前者の基準を評価しますが、加盟店は後者の基準で生きています。

では、お会計カウンターにAIの居場所はないのか？

いいえ、大いにあります。「POSからAIを遠ざける」というのは誤った結論です。正しい結論は、モデルにインフラの代わりを生成させるのではなく、既存のコマースインフラの上で設計を行わせることです。レイアウト、フローロジック、会話のスピードでの反復など、モデルが現在驚くほど得意としている処理をモデルに任せる一方で、決済、在庫、税金、ハードウェアは、その業務のために構築され認定されたシステムで実行します。

この分業こそが、MCP（Model Context Protocol、AIツールを外部システムに接続するためのオープン標準）によって可能になるものであり、私たちがFinalのBuildをその周りに構築した理由でもあります。プロンプトを入力し、「独自のAIを接続（MCP）」を選択して、生成されたブロックをChatGPT、Claude Code、Cursor、またはCodexに貼り付けるだけで、独自のAIツールがお会計フローを構築し、ライブプレビューを表示します。その後、Final Payが決済を処理し、認定端末がカードを受け付け、すべてのステーションで在庫が正確に維持されるインフラへとデプロイされます。GPT-5.6は、構築に何年もかかった部分を同時に構築するよう求められない限り、本当に数時間でPOSを構築することができます。詳しい手順については、ChatGPT-5.6を使用してカスタムPOSを構築する方法をご覧ください。