OpenAI は 2026 年 8 月 12 日、相互に補完し合う 2 つの調査を発表しました。企業顧客の利用動向をまとめた『Enterprise Signals』と、企業内で AI の導入がどのように広がるかを分析した学術論文『How Organizations Use AI: Evidence from ChatGPT』です。データによると、利用量が上位 10% に入る企業では、アクティブユーザー 1 人当たりの token 生成量が一般企業の 8.3 倍に達しています。半年前には 2.6 倍だったことから、AI 活用に本格的に取り組む企業が、指数関数的な効率格差を生み出しつつあることがわかります。
企業の AI 活用は「AI に質問する」段階から「AI に仕事を任せる」段階へ
OpenAI はレポートの中で、AI 活用を 2 つのレベルに分けています。対話型 AI は会話を通じてユーザーの思考や論理を整理する一方、AI Agent（AI Agent）は自律的に手順を計画し、ツールを呼び出して複数ステップのタスクを実行し、レビュー可能な成果物を作成できます。
2026 年 6 月時点で、Codex（OpenAI のソフトウェア開発向け AI Agent）が生成する token は、企業顧客の総出力量の 64% を占めています。同じモデルを使用していても、AI Agent 型のタスクは、より長く多段階の作業を伴うため、単純な質疑応答よりもはるかに速いペースで成長しています。
なぜ「先進企業」との差は広がり続けるのか？
レポートでは、アクティブユーザー 1 人当たりの月間 token 生成量が上位 10% に入る企業を先進企業、45～55 パーセンタイルに位置する企業を一般企業と定義しています。この差は業界や企業規模を問わず見られ、情報技術業界で最も大きく 11.7 倍、製造業では相対的に最も小さいものの 5.3 倍に達しています。一般企業の利用量は過去 1 年間で 1.9～2.8 倍の増加にとどまり、多くの組織はいまだ単純な質疑応答の段階にあります。
この格差は、AI Agent を実際の業務環境に接続しているかどうかによっても生じています。先進企業の週間アクティブユーザーのうち、21% が Plugins（企業システムやデータと連携する拡張機能）を、19% が skills（再利用可能な業務指示）を利用しています。一方、一般企業ではそれぞれ 9% と 3% にとどまります。
AI Agent はどの部門に広がっているのか？
AI Agent の活用は、もはやエンジニアリング部門だけに限定されていません。2 月以降、企業内における Codex の週間アクティブユーザー数は、法務部門で 108 倍、営業部門と採用部門でそれぞれ 41 倍、マーケティング部門で 26 倍に増加しました。これに対し、エンジニアリング部門は 5 倍でした。Virgin Atlantic のエンジニアリングチームは Codex を活用し、レガシーコードのリファクタリングにかかる時間を 2 週間から 30 分に短縮しています。
また、レポートでは、多くの企業調査とは異なる現象も確認されています。導入から 6 カ月後、一般社員が 1 週間に送信するメッセージ数は、経営幹部より 13 件多くなっていました。これは、組織内で AI を深く活用している社員を見つけ、その実践方法を社内に広めるほうが、経営層が手本を示すよりも効果的であることを示唆しています。
『How Organizations Use AI』が分析した米国上場企業では、AI を導入済みの企業は、資産規模、従業員数、研究開発投資のいずれも大きい傾向が見られました。
AI Agent の導入を進める伝統産業にとって何を意味するのか？
レポートが繰り返し強調しているのは、先進企業と一般企業が使用しているモデルは同じだという点です。差を生んでいるのは、AI Agent を自社のデータ、ツール、業務プロセスに接続し、明確な権限管理とレビュー体制を構築できているかどうかです。多くの企業が導入に行き詰まる主な原因は、データ連携、業務プロセスの棚卸し、ガバナンスという 3 つの要素を十分に整備できていないことにあります。
台湾の伝統産業が AI Agent を導入する際も、特にこの 3 点が障壁となっています。社内にシステム統合を自力で実施できるエンジニアリングチームがなく、誰が利用でき、誰がレビューを担当するのかという権限ルールも整備されていないケースが少なくありません。
EgentHub は、台湾のエンタープライズ向け AI Agent 管理プラットフォームで、200 社を超える製造企業と 300 社を超える小売ブランドにサービスを提供しています。クラウドとオンプレミスを組み合わせたハイブリッド構成、4 種類のナレッジベース方式、MCP プロトコルを通じて、企業が既に使用している ERP や CRM システムと連携します。さらに、FDE の伴走コンサルタントが、業務プロセスの整理からプロンプトエンジニアリングまで、実務への導入を支援します。導入企業では、1 社当たり月平均 2,000 時間を超える工数を削減しています。
先進企業と一般企業の差を決めるのは、どちらが先に業務プロセスとガバナンスを着実に整備できるかです。
よくある質問
先進企業はどのように定義されていますか？
OpenAI は『Enterprise Signals』において、アクティブユーザー 1 人当たりの月間 token 生成量が上位 10% に入る企業を先進企業、45～55 パーセンタイルに位置する企業を一般企業と分類しています。この分類は業界や企業規模を問わず適用され、企業の大きさではなく AI 活用の深度を測るものです。
製造業の差が 5.3 倍と比較的小さいことは、伝統産業が AI Agent の導入に適していないという意味ですか？
むしろ逆です。5.3 倍は全業界の中で最も小さい差であり、製造業の一般企業には、より大きな追随余地が残されていることを意味します。レポートによれば、格差の原因は業務プロセスとの連携とガバナンスにあります。これらは後から整備できる基盤であり、業界の種類とは関係ありません。
企業が AI Agent を導入する際、最初に何をすべきですか？
レポートの結論は、データ連携、業務プロセスの棚卸し、権限ガバナンスという 3 点を示しています。まず反復性の高い業務プロセスを 1 つ選定し、システム連携とレビュー体制を整えたうえで、ほかの部門へ展開していくことが重要です。
なぜ一般社員の AI 利用量は経営幹部より多いのですか？
レポートでは、導入から 6 カ月後、一般社員が 1 週間に送信するメッセージ数は経営幹部より 13 件多いことが確認されています。その理由として、一般社員は反復的なタスクをより多く抱えており、AI Agent がその業務負担を直接軽減できることが考えられます。これは、組織内で AI 活用を推進する際、トップダウンで手本を示すよりも、社内で AI を深く活用している社員を見つけ、推進役として育成するほうが効果的であることも示しています。
参考資料
- Enterprise Signals — Enterprise data — OpenAI 公式の企業利用データレポート
- From assistance to execution: How enterprises put AI to work — OpenAI レポートの解説記事
- How Organizations Use AI: Evidence from ChatGPT — 学術論文（arXiv プレプリント、Aaron Chatterji、David Holtz ほか共著）