AI導入の費用対効果を測る新たな指標、OpenAIが「1ドルあたりの有用なインテリジェンス」を提唱

要点

• OpenAIは、AI導入の成功を測る基準として、従来の「アカウント購入数」ではなく「完了した仕事量」を重視すべきだと提唱した。

• 費用対効果を評価する総合的な指標として「1ドルあたりの有用なインテリジェンス」を定義し、4つの測定基準を示した。

• 先週リリースされた最新AIモデル「GPT-5.6」ファミリーは、用途に応じて「Sol」「Terra」「Luna」の3つの階層（ティア）が提供されている。

• GPT-5.6 Solは、プログラミング性能を測る特定のテストで他社の主要モデルを上回る成功率を記録し、推定APIコストを36.2%削減した。

• 米OpenAIは2026年7月17日、企業がAI（人工知能）へ投資した費用の価値を正しく評価するための新たなアプローチを公式ブログで発表した。多くの企業がAIの費用対効果に疑問を抱くなか、同社は従来のソフトウェアで用いられていたライセンス契約数などの指標ではなく、「AIが実際に達成した成果」を測定するべきだと指摘している。その上で、総合的な評価指標となる「1ドルあたりの有用なインテリジェンス（Useful Intelligence per Dollar）」を提唱した。

トークン単価を超えた「成果ベース」のコスト算出

OpenAIは、企業の最高財務責任者（CFO）から最も頻繁に寄せられる「AI投資からより多くの価値を引き出すにはどうすればよいか」という疑問に対し、成果に着目したアプローチの必要性を訴えている。これまでのソフトウェアは、購入されたアカウント数やアクティブユーザー数といった「導入規模」で成功が測られてきたが、AIの価値を理解するためには「完了した仕事の量」という強力な基準が必要だという。

特に、AIモデルの利用料金として語られやすい「トークン（AIが文章を処理する際の最小単位）あたりの単価」のみを比較することは、実際の費用対効果を見誤る原因になると同社は指摘している。たとえば、トークン単価が安いモデルを使用しても、求める成果を得るために何度も指示を再試行したり、人間による長時間の確認や修正作業が必要になったりすれば、最終的なコストは高くなってしまう。逆に、トークン単価は高くても能力の優れたモデルであれば、1回の試行で正確な仕事を完了できるため、結果としてタスク全体のコストを抑えられる可能性があるからだ。

「1ドルあたりの有用なインテリジェンス」を測る4つの問い

OpenAIが提唱する「1ドルあたりの有用なインテリジェンス」という指標は、以下の4つの問いを軸に構成されている。

1. AIは価値のある仕事を完了しているか？
   企業はまず、AIに任せる業務（ワークフロー）を1つ定め、そこで「完了」が何を意味するのかを定義し、成果を測定する必要がある。たとえばカスタマーサポートであれば「顧客の問い合わせ解決」、エンジニアリングであれば「テストを通過したコード変更」、法務であれば「契約書の正確な確認」がそれに当たる。
2. 成功したタスクにかかる実質コストはいくらか？
   タスクの完了にかかるコストは、AIの利用料だけでなく、従業員が確認にかけた時間、再試行のコスト、やり直しの作業コストなどをすべて合算した上で、成功したタスクの数で割って算出する。
3. その結果を信頼できるか？
   AIの信頼性（ディペンダビリティ）が高ければ、人間が結果を修正したり繰り返したりする手間が省け、直接的な経済価値が生まれる。
4. 利用規模の拡大とともに、1ドルあたりの価値は向上するか？
   同じワークフローを継続的に追跡し、AIの品質を維持しながら、完了した仕事の成長スピードが総コストの増加スピードを上回っているかを測定する。

新モデル「GPT-5.6」によるコストと性能の最適化

OpenAIは、この費用対効果の方程式を最適化する手段として、先週リリースしたばかりの最新AIモデル「GPT-5.6」ファミリーを紹介している。GPT-5.6には、顧客が用途に合わせて選択できるよう3つの異なる階層（ティア）が用意されている。

• Sol（ソル）: 高度な推論能力を誇る、同ファミリーのフラグシップモデル。
• Terra（テラ）: パフォーマンスとコストパフォーマンスのバランスに優れたモデル。
• Luna（ルナ）: 最も高速で手頃な料金で利用できるエントリーモデル。

これらを使い分けることで、高速で大量の処理が必要なタスクにはLunaを、深い洞察が求められるタスクにはTerraを、そして複雑な思考が必要な場面にはSolを割り当てるといった、柔軟な運用が可能になる。

ブログによれば、GPT-5.6はトークンあたりの成果を最大化するように訓練されている。エンジニアリング作業の性能を測るベンチマーク「Artificial Analysis Coding Agent Index」（DeepSWE v1.1）において、GPT-5.6 Solの最大推論設定は72.7%の成功率を記録した。これは、競合他社モデルである「Claude Fable 5」の69.9%を上回るスコアでありながら、推定API（アプリケーションの機能を外部から呼び出す仕組み）コストを36.2%低減し、出力トークン数を54%削減しているという。

信頼性向上のためのアプローチと安全性の確保

企業におけるAIの導入を支援する機能として、OpenAIは「ChatGPT Work」についても言及している。これは「ChatGPT Enterprise」が持つ強固なセキュリティやプライバシー、管理機能を基盤としており、より複雑な業務プロセスへのアクセスを可能にする。

AIの信頼性を高めるために、チームは提供された成果物を「そのまま使用可能（Ready to use）」「要修正（Needs correction）」「人間へのエスカレーション（要引き継ぎ：Needs escalation）」の3つに分類して追跡することを推奨している。これにより、AIがどれほど効率的に業務負担を軽減できているかを可視化できるという。

また、AIに単なる下書き作成を超えて、アクションを起こさせたりシステムを操作させたりする前には、アクセスできるデータ範囲や操作可能なシステム、人間による承認が必要なタイミングなど、明確な境界（ルール）を設定することが極めて重要であると結んでいる。なお、この方程式の中心には計算資源（コンピューティングパワー：AIの処理や学習に必要な計算用のコンピューター）が存在し、これがAIの製品品質や処理速度、コストのすべてを左右していると付け加えた。