OpenAIが「AI-native企業」の実行力データを公開
室谷代表取締役OpenAIさんがまた面白い調査を出してきましたね。『Enterprise Signals』というシリーズの最新版で、AI-native企業がどうやってワークフローを“実行力”に変えているのか、というテーマです。
テキトー教師DotAI 認定講師AI-native企業、いま経営層の間でかなり注目されていますよね。でも「AIを使っている会社」と「AI-nativeな会社」は明確に違う、と。
この記事では、その差をデータで見せつつ、具体的なスタートアップ3社の事例を紹介しているんです。
この記事では、その差をデータで見せつつ、具体的なスタートアップ3社の事例を紹介しているんです。
室谷代表取締役うちMYUUUでも日々AIを業務に組み込んでいますが、ツールを導入するだけでは全く意味がないですからね。ポイントは“業務フローそのものをAI中心に再設計できるか”というところだと思います。
利用率上位企業は一般企業の8.3倍―「実行の時代」に入った理由
「試す企業」と「実行する企業」の格差拡大
- 2025年1月出力トークン差は2.6倍AI利用率上位10%（フロンティア企業）と一般企業（中央10%）の間で、アクティブユーザーあたり出力トークンにすでに格差
- 2025年4月差は8.3倍まで拡大フロンティア企業はAIを「実行担当者」として活用し、総出力では一般企業（=1）に対し17.1倍に到達
テキトー教師DotAI 認定講師まず衝撃的なのが、この数字です。OpenAIのEnterprise Signalsによると、AI利用率が上位10%の企業（フロンティア企業）は、アクティブユーザーあたりの出力トークン数が、一般企業（中央10%の企業）と比べて8.3倍になっていると報告されています。
室谷代表取締役8.3倍はすごいですね。しかも1月時点では2.6倍だったのが、ここまで開いた。
つまり「AIを試している企業」と「AIで結果を出している企業」の差は、時間とともに広がっている。この感覚は実体験としても分かります。
つまり「AIを試している企業」と「AIで結果を出している企業」の差は、時間とともに広がっている。この感覚は実体験としても分かります。
テキトー教師DotAI 認定講師整理するとこうです。
- フロンティア企業（上位10%）は、2025年4月時点の一般企業を1とした場合、17.1倍の出力トークンを生成
- 一般企業（中央10%）は同じ期間に2.1倍にとどまる
- 差は1月の2.6倍から、今回の8.3倍まで拡大
室谷代表取締役この「出力トークン」という指標がポイントですよね。単にチャットで質問しているだけなら、そんなに増えない。
エージェントに仕事を任せて、成果物を自動生成するほど、トークン消費は一気に増えますから。
エージェントに仕事を任せて、成果物を自動生成するほど、トークン消費は一気に増えますから。
テキトー教師DotAI 認定講師つまり、上の企業はAIを「相談相手」ではなく「実行担当者」として使い始めている、ということです。OpenAIはこれを「assistanceからexecutionへ」と表現しています。
室谷代表取締役しかも記事では、フロンティア企業の特徴として、エージェントを自社の文脈やツールにつなぎ、より実質的な仕事を委任し、成功したワークフローを反復可能にしている、と指摘しています。これ、かなり本質をついていますよね。
Basis：オンボーディングをエージェントで「教育可能」に
オンボーディングの変化：Basis×Codex
従来
- 初日のオンボーディングに2時間
- 特定の担当者の空き時間に依存
Codex導入後
- 初日は30分に短縮
- Codexが歓迎・重要コンセプト紹介・セットアップを自動実行
- HRはカルチャー浸透やサポートに時間を充当
- 会社固有のスキルとして再利用・更新可能
テキトー教師DotAI 認定講師具体例を見ていきましょう。最初に紹介されているのが、会計事務所向けにAIエージェントを開発するBasisです。
この会社は、従業員のオンボーディングにCodex（コードを書くAIエージェント）を活用しています。
この会社は、従業員のオンボーディングにCodex（コードを書くAIエージェント）を活用しています。
室谷代表取締役具体的にどう変わったんですか？
テキトー教師DotAI 認定講師初日のオンボーディングが、以前は2時間かかっていたのが30分になったそうです。HRの担当者は、その分カルチャー浸透やサポートに時間を割けるようになった、と。
室谷代表取締役なるほど。しかも単に「資料を読ませる」だけではないと。
テキトー教師DotAI 認定講師ええ。入社初日に、新しい従業員はCodexにすぐアクセスできて、さらに「会社固有のオンボーディングスキル」という、特定のワークフロー向けに再利用可能な指示書とリソース一式を受け取ります。
Codexは従業員を歓迎し、会社の重要コンセプトを紹介し、バックグラウンドでコンピューター上の統合セットアップを完了してくれるんです。
Codexは従業員を歓迎し、会社の重要コンセプトを紹介し、バックグラウンドでコンピューター上の統合セットアップを完了してくれるんです。
室谷代表取締役ここがポイントですよね。会社固有の「スキル」として一度プロセスを実装すれば、毎回同じクオリティで繰り返せる。
しかも、よくある質問や例外が出てきたら、人事チームが次の新入社員コホートの前にスキルを更新できる。
しかも、よくある質問や例外が出てきたら、人事チームが次の新入社員コホートの前にスキルを更新できる。
テキトー教師DotAI 認定講師Basisはこのオンボーディングのプロセスを一度デモンストレーションして、それを再利用可能なスキルに変換しました。明確なトリガー、既知のステップ、適切なツールへのアクセス、そして「完了」の定義まで全部セットにしたんですね。
これによって、プロセスが特定の担当者の空き時間に依存しなくなったわけです。
これによって、プロセスが特定の担当者の空き時間に依存しなくなったわけです。
室谷代表取締役これはどの会社にも応用できる考え方ですよね。たとえば新入社員研修の説明資料や環境構築手順を、エージェントに「実行可能なスキル」として持たせる。
人事は例外的な質問だけに集中すればいい。まさにAI-nativeな組織の作り方だなと思います。
人事は例外的な質問だけに集中すればいい。まさにAI-nativeな組織の作り方だなと思います。
ClayとExa Labs：アカウント管理とデベロッパー成長への応用
エージェント運用の進化プロセス（3社に共通）
- 01安定したプロセスを教えるエージェントに業務を一つのスキルとして記述させる（例：Clayのアカウント管理、Exa Labsのデベロッパー成長）
- 02永続的な文脈を与える仕事が変化しても継続して機能するよう、過去の会話や企業文脈を記憶する仕組みを組み込む
- 03機会をテスト済みのアクションに落とし込む掴んだ機会を実行可能な行動まで具体化し、成果につなげる
テキトー教師DotAI 認定講師続いて、ClayとExa Labsという2社も紹介されています。Clayはアカウント管理業務、Exa Labsはデベロッパーエコシステムの成長にエージェントを組み込んでいるそうです。
室谷代表取締役ただ、この2社の詳しい導入事例は、今回の公開情報だけだとまだ限定的ですよね。
テキトー教師DotAI 認定講師そうですね。記事の見出しには、Clayは「散らばった仕事に永続的なホームベースを与える」、Exa Labsは「機会をテスト済みの行動に変える」というコンセプトが示されています。
ただ、その具体的なワークフローや導入後のKPIまでは、現時点では明らかにされていません。
ただ、その具体的なワークフローや導入後のKPIまでは、現時点では明らかにされていません。
室谷代表取締役それでも、この3社に共通する「進化のプロセス」は読み取れますね。まずエージェントに安定したプロセスを教える。
次に、仕事が変化しても継続して機能するように永続的な文脈を与える。そして最後に、掴んだ機会をテスト済みのアクションまで落とし込む、という。
次に、仕事が変化しても継続して機能するように永続的な文脈を与える。そして最後に、掴んだ機会をテスト済みのアクションまで落とし込む、という。
テキトー教師DotAI 認定講師この「ステップで考える」というのは非常に重要です。いきなり高度な自律エージェントを作ろうとするのではなく、まず自分たちの業務を一つのスキルとして記述できるか、そしてそのスキルが必要な文脈に応じて更新できるか。
この地道な積み重ねが、結果的に8.3倍という差になって表れているのでしょう。
この地道な積み重ねが、結果的に8.3倍という差になって表れているのでしょう。
室谷代表取締役テキトー教師DotAI 認定講師あとは、こうしたエージェント運用を支える基盤への投資も気になるところですね。
室谷代表取締役はい、特に企業がエージェントを並列で動かすようになると、計算資源やモデルへのアクセス設計が重要になってきます。その意味では、ChatGPTとNVIDIAの関係を徹底解説：10GW提携からDGX Sparkまでも参考になると思います。
経営者が今から試すべき「3段階×実験のゆとり」
テキトー教師DotAI 認定講師OpenAIの記事は最後に、経営者向けの実践的なフレームワークも示しています。リーダーは、AIの成果を「人が信頼でき、測定でき、改善できる仕事」に変える必要があると。
さらに、実験の余地を残すことも大切だと指摘しています。
さらに、実験の余地を残すことも大切だと指摘しています。
室谷代表取締役つまり、最初から完璧なROIを求めるのではなく、一見すると価値が分かりにくいユースケースにもトライする余白を持つ、ということですかね。
テキトー教師DotAI 認定講師そうです。まさに「実験して、スケールする」というステップです。
この記事全体をまとめると、AI-native企業になるための道筋は次の3段階だと理解できます。
この記事全体をまとめると、AI-native企業になるための道筋は次の3段階だと理解できます。
テキトー教師DotAI 認定講師整理するとこうです。
- 教える: エージェントに安定した業務プロセスを教える（トリガー、ステップ、ツール、完了条件を定義）
- 永続化する: 仕事が変化しても対応できるよう、エージェントに永続的な文脈とデータへのアクセスを与える
- 実行する: エージェントが機会を捉え、実際のアクションに移し、結果を検証できる状態にする
室谷代表取締役ここに「実験のゆとり」を加えると、さらに良いですね。たとえば経理や人事といった管理部門のタスクから始めて、効果を測定しながら範囲を広げる。
MYUUUでも、社内の定型業務をAIエージェントに置き換える実験を少しずつ進めていますが、最初から完璧を目指すと絶対に頓挫します。
MYUUUでも、社内の定型業務をAIエージェントに置き換える実験を少しずつ進めていますが、最初から完璧を目指すと絶対に頓挫します。
テキトー教師DotAI 認定講師経営層がまずやるべきは、自社のどの業務が「教えられるプロセス」で、どの業務が「価値がすぐに見えにくいけれど実験する価値があるか」を仕分けすることかもしれませんね。
室谷代表取締役AI-native企業の定義はまだ流動的ですが、少なくとも「AIを使っているかどうか」ではなく「AIにどれだけ実行を任せているか」が、これからの企業成長を分ける指標になりそうです。OpenAIの今回のデータは、そのことを改めて数字で示してくれたと言えるでしょう。
テキトー教師DotAI 認定講師そして、その差はこれからさらに広がると予想されます。いまこの記事を読んでいる経営者の皆さんは、ぜひ自社のワークフローを「エージェントに教えられる形」に書き換えるところから始めてみてください。
室谷代表取締役ええ、8.3倍の差は、決して埋まらない差ではありません。今日から始められるステップがある、というのは希望ですよね。
