冒頭は記事のために生成したイメージ映像です。実機、実在施設、観測データを示すものではありません。
生成AIのアカウントを社員へ配った。研修もやった。利用者数も増えた。
それでも、仕事の進み方があまり変わらない会社がある。
一方で、同じようなAIを使いながら、調査、資料作成、コード修正、社内手続きといった仕事を、少しずつAIへ任せ始めた会社もある。
この二つの会社を分けるのは、契約したmodelの名前ではない。
AIが使えるかではなく、仕事を「任せられる形」へ組み替えられたか。
2026年8月12日、OpenAIが公開したEnterprise Signalsの解説は、その差が広がっていることを示す興味深い数字を出した。
ただし、数字の大きさだけを見て「AIで生産性が8.3倍になった」と読めば、話を盛りすぎる。
大事なのは、その数字の先に見えてくる委任の設計だ。
「8.3倍」は、生産性8.3倍ではない
OpenAIは、enterprise customersを月ごとのactive user当たりoutput tokensで並べ、上位10％を「frontier firms」、45〜55 percentileの企業を「typical firms」と呼んでいる。
両者の差は、2026年1月の2.6倍から、6月には8.3倍へ広がった。
8.3倍。いかにも強そうな数字だ。
けれど、これは売上でも、利益でも、完成した仕事の数でもない。AIが生成したtoken量をactive userで割った値だ。
しかも、上位群と中位群は、その同じ指標で分けられている。だからこの数字から直接言えるのは、OpenAIのenterprise customerの中で、利用量・利用の深さの開きが大きくなったということまでだ。
OpenAI自身も、token量はbusiness valueの不完全な尺度だと明記している。短い回答が大きな価値を持つこともあれば、長い出力がほとんど役に立たないこともある。
AI Agentは、調査して、toolを呼び、fileを作り、失敗すれば試し直す。長い仕事ほどoutput tokensは増えやすい。よく働いた証拠かもしれないし、迷子になった記録かもしれない。
token meterを、そのまま生産性meterにしてはいけない。
それでも、差が2.6倍から8.3倍へ広がり、後述するtool接続やagent利用の差も同時に出ていることは、何かが変わり始めた兆候として見る価値がある。
output tokens/active userの比率。OpenAI自身が生産性そのものの指標ではないと明記。 図を大きく開く
相談相手から、仕事を担う存在へ
Enterprise Signalsによれば、2026年6月、enterprise customersにおけるCodexとChatGPTの合計output tokensのうち、Codexが64％を占めた。
これも「全仕事の64％をAI Agentが完了した」という意味ではない。長いagentic taskは出力量が多いため、件数以上に比率が大きくなりやすい。
それでも、会社で使われるAIが、質問へ答えるchatだけではなく、toolを使って複数工程を進める側へ寄っていることは読み取れる。
広がっているのはsoftware developmentだけではない。
2026年2月以降、weekly active enterprise Codex usersはlegalで108倍、salesとrecruitingで41倍、marketingで26倍に増えた。engineeringは5倍だった。
この倍率には、元の利用者数が小さかった職種ほど大きく見える効果がある。絶対数も公開されていないため、「法務がengineeringを追い越した」とは言えない。
ただ、AI Agentが開発者だけの道具ではなくなりつつあることは分かる。OpenAIが分析した1,000万件超のenterprise messagesでは、agentic messagesのおよそ75％をcodingとsystem / agent operationsが占めた。recruiting、sales、policy、communicationsでも、4分の1前後から3分の1がsystem / agent operationsに分類されている。
2026年8月6日に公開された個人アカウント側のSignalsでも、仕事中の利用は、仕事以外の利用に比べて、何かを尋ねるより、taskを完了したり成果物を作ったりする用途が2倍以上多かった。
こちらはFree、Go、Plus、Proという個人管理のaccountを対象にした別のdatasetで、企業dataと混ぜてはいけない。それでも、「聞くAI」から「やらせるAI」への変化が、複数の利用層で起きていることを示す補助線にはなる。
OpenAI Enterprise Signals(2026年8月12日公開)の自己申告data。絶対数は非公開で「法務が工学を追い越した」わけではない。 図を大きく開く
AIを導入することと、AIへ委任することは違う
AIを導入するだけなら、accountを発行し、利用規則を配り、研修を開けばよい。
AIへ仕事を委任するには、もう少し面倒なことを決めなければならない。
何を完成とするのか。
どの情報を読ませてよいのか。
どのtoolを、どこまで操作してよいのか。
何を自動検査し、何を人間が見るのか。
失敗した時、どこまで戻し、誰に知らせるのか。
最終的な訂正責任を誰が持つのか。
つまり、AIへ任せるためには、これまで人間同士では「あれ、いつもの感じで」「いい具合に」で済ませていた仕事を、目に見える形へほどく必要がある。
ここが、少し皮肉で面白い。
AIへ仕事を渡すほど、人間の側が仕事を具体的に説明しなければならなくなる。
OpenAIのdataでは、frontier firmsのweekly active usersはPluginsを21％、skillsを19％利用していた。typical firmsでは、それぞれ9％と3％だった。
modelが同じでも、会社のplaybook、現在のdata、業務tool、繰り返し使えるinstructionsへ接続できるかで、任せられる仕事は変わる。
優秀な人へ「会社のことは何も教えない。社内systemにも触らせない。でも良い仕事をして」と頼んでも難しい。それはAIでも同じだ。
ただし、接続を増やせばよいわけでもない。
社内dataを読める。顧客へ連絡できる。fileを書き換えられる。決済や公開操作までできる。
能力が増えるたび、便利さと一緒に、誤操作の届く距離も伸びる。
委任の成熟度を、五つの段階で考える
ここからはOpenAIの分類ではなく、企業が自社の現在地を考えるための整理だ。
Level 0：個人で試す
調べ物や相談へ使う。まだ業務workflowには入っていない。まず必要なのは、機密情報や個人情報など、入力してはいけないものを理解することだ。
Level 1：下書きを作らせる
メール、議事録、企画書、codeの下書きを作る。成果物は人間が全件確認し、正本は別に管理する。
多くの会社の「AI活用」は、いまここにある。
Level 2：閉じた作業を任せる
入力、出力、完成条件が明確な仕事を一つ渡す。たとえば、決められた資料から比較表を作り、指定formatで保存する。
この段階では、外部systemを書き換える権限を持たせなくてよい。20件ほどのtest caseで、正答率だけでなく、引用漏れ、禁止情報、やり直し回数も測る。
Level 3：toolへ接続する
CRM、browser、file、社内DBなどを扱わせる。ここからは「賢いprompt」より、least privilege、操作log、approval gate、rollbackが重要になる。
人間の確認を置く場所も、最後の一回だけとは限らない。高risk操作の直前、外部送信の前、異常値が出た時など、事故が広がる手前へ置く。
Level 4：組織のworkflowとして回す
個人の成功promptではなく、teamで再利用できる手順になる。担当者が休んでも動き、失敗はexception queueへ集まり、ownerが定期的に見直す。
ここで見る数字は利用tokenだけではない。
完了時間、手戻り率、人間の修正時間、見逃したerror、停止からの復旧時間、顧客への影響。速くなった分と、危険が増えた分を同じdashboardで見る。
なお、すべての業務をLevel 4へ持っていく必要はない。高riskな判断をLevel 2に留め、人間が毎回確認するのも立派な設計だ。
成熟とは、人間を消す度合いではない。どこまで任せ、どこで戻すかが見えている度合いだ。
「Human in the loop」を、承認印にしない
AIの話になると、「最後は人間が確認します」という言葉がよく出てくる。
しかし、百件の成果物を、締切直前に一人で眺めるだけなら、人間は安全装置というより渋滞になっている。
しかも、AIが自然な文章で自信ありげに書くほど、人間は誤りを見落としやすい。確認者がAIの出力を一から作り直せるほど理解していなければ、承認buttonは儀式になる。
NIST AI Risk Management Frameworkは、人間とAIの役割、対象task、human oversight、deploymentに近い条件でのevaluation、稼働後のmonitoring、incident responseやoverrideまでを組織として定義する考え方を示している。
日本のAI事業者ガイドライン第1.2版も、riskに応じた人間のcontrol、人間判断の介在、責任者の明示、定期的・客観的monitoring、運用後の継続改善を挙げている。
共通しているのは、「人間が見る」という一言で終わらせないことだ。
誰が、何を見るのか。何を根拠に止めるのか。誤りが出た時、どう訂正するのか。
AIへ任せる量が増えるほど、人間の責任は薄くなるのではない。責任の置き場所が、より具体的になる。
まず一週間で、小さな委任を作る
大きな全社構想から始める必要はない。
毎週発生し、入力資料が決まっていて、失敗しても取り戻せる仕事を一つ選ぶ。
Day 1：対象taskを一つに絞る。
Day 2：完成条件、禁止操作、利用dataを一枚に書く。
Day 3：過去事例20件でtestする。成功だけでなく、誤り方を記録する。
Day 4：read-only、またはcopy環境で動かす。
Day 5：外部送信・更新の直前にapproval gateを置く。
Day 6：失敗を人間へ戻す条件とrollbackを試す。
Day 7：時間短縮だけでなく、修正時間とerrorを見て、拡大・維持・停止を決める。
最初から完全自動化を狙うと、会議と規程だけが巨大になりやすい。
小さな仕事を実際に任せ、失敗を観察し、止め方を覚える。その一周が、次の委任に使える会社の資産になる。
AI活用の差は、委任できる組織を作れるか
OpenAIの調査は、大規模で興味深い。一方で、OpenAI自身の有料enterprise customerを見たprovider dataでもある。
companion working paperの企業分析も、ChatGPT Enterpriseを採用した米国上場企業は、非採用企業より規模が大きく、R&D投資などの補完資産を持つ傾向を示した。しかしpaperは、それをAI導入の因果効果として読まないよう明記している。
強い会社が先にAIを導入したのか。AIを導入した会社が強くなったのか。現時点のdataだけでは切り分けられない。
だから、8.3倍を見てtoken消費競争を始める必要はない。
見るべきなのは、自社の仕事がどこまで任せられる形になっているかだ。
目的がある。必要なcontextがある。使えるtoolがある。成功条件がある。失敗を見つけるtestがある。異常時に人間へ戻る道がある。そして、最終的に責任を持つ人がいる。
AIを導入した会社と、仕事を任せ始めた会社。
その差は、AIの賢さより、人間が仕事を設計する力から生まれ始めている。
