OpenAIが企業AI利用の格差拡大を報告、上位企業はトークン生成量8.3倍——自律エージェントを業務実行に組み込む先進3社の手法
要点
- 米OpenAIが企業におけるAI利用動向データを公開し、AI活用の上位10%に位置する先進企業と一般的な企業との利用量格差が8.3倍に拡大したことが明らかになった。
- 先進企業ではAIを単なる作業支援にとどめず、社内コンテキストや業務ツールと接続した「エージェント」として実質的な業務実行を委託する動きが進んでいる。
- 会計AIのBasisはオンボーディング（新入社員の受け入れ・環境構築）作業を2時間から30分に短縮し、プロセスを再利用可能なスキルとして運用している。
- 営業プラットフォームのClayは顧客アカウントごとに専用サブエージェント（特定タスクを担うエージェント）を割り当て、分散した商談情報を夜間に整理して毎朝の優先アクションを自動提示している。
- 検索インフラのExa Labsは、エコシステム監視からPull Request（コード変更の取り込み提案）の作成・テスト実行までの一連の開発連携をエージェントに委託しつつ、人間によるレビュー体制を維持している。
米OpenAIは2026年9月1日、企業におけるAI活用動向をまとめたレポート「Enterprise Signals」の最新データを公式ブログで公開した。企業のAI活用が「作業支援（assistance）」から「業務実行（execution）」へと移行する中で、先進企業と一般的な企業との間で導入スピードや活用深度の二極化が進んでいる実態が明らかになった。
同社によると、エージェントを社内情報や既存ツールと密接に連携させ、業務プロセスそのものを自律化するスタートアップ各社が成果を上げているという。
利用量格差は3倍以上に拡大、支援から実行へシフト
公開されたデータによると、AI利用量の上位10%を占める「フロンティア企業」では、アクティブユーザー1人あたりの生成トークン（AIが処理・出力する文字やデータの単位）数が、中央値付近に位置する一般的な企業の8.3倍に達している。2026年1月時点の格差は2.6倍だったため、わずか数か月でその差は3倍以上に広がった計算になる。
OpenAIはこの格差の背景について、単に利用頻度が増えただけでなく、企業のオペレーション構造そのものが変化しているためだと分析している。上位企業では、AIモデルに社内固有の文脈や各種ツールへのアクセス権限を与え、まとまった実質的作業を委託するとともに、成功したワークフローを組織内で再現可能な形に定着させているという。
こうしたエージェント運用の実例として、OpenAIはBasis、Clay、Exa Labsの3社の取り組みを紹介している。
Basis：新入社員のセットアップを「スキル」として自動化
会計事務所向けAIエージェントを開発するBasisでは、新入社員のオンボーディング業務にAIを活用している。従来は初日に約2時間を要していた受け入れ手続きが、導入後は30分に短縮され、人事担当者が企業文化の伝達や個別サポートに専念できる時間が増加した。
同社では、新入社員の初日にAIツール「Codex」へのアクセス権と、オンボーディング専用の「スキル」（特定の業務手順とリソースを定義した再利用可能な指示セット）を提供する。Codexは新入社員を迎えて基本概念を案内しながら、PC上でバックグラウンド動作し、各種ツールの連携や初期環境のセットアップを完了させる。
受け入れ手順は明確なトリガー、実行ステップ、完了条件を備えたスキルとして定義されており、特定社員の対応可否に依存しない体制が構築された。業務中に新たな質問や例外事象が発生した場合は、人事チームがスキルを更新し、次回の受け入れに反映させる仕組みを整えている。
Clay：アカウントごとに分散する商談情報を夜間に集約
営業チーム向けのレベニュープラットフォームを開発するClayでは、顧客ごとに分散する商談情報の管理にエージェントを取り入れている。商談に関わる重要な情報は、CRM（顧客関係管理システム）、電子メール、Slack、通話記録、プレゼンテーション資料、メッセージ履歴などに散在しがちであることが長年の課題となっていた。
同社のエンジニアは、顧客アカウントごとに専用のワークスペースと独立したサブエージェントを配置する手法を導入した。各サブエージェントが夜間に各種の一次情報源を確認して商談フォルダを更新し、翌朝には統括エージェントが全アカウントの更新内容を統合して優先対応リストを作成する。リストには、未回答の顧客質問への対応や購買関与者の不足確認、見込み客への再アプローチなどが簡潔に提示される。
このワークフローにより、担当者は毎晩約1時間を要していた受信トレイや情報の確認作業を削減できたという。各提案には根拠となった一次情報が紐づけられており、営業担当者は証拠を確認した上で判断・行動できる設計となっている。
Exa Labs：開発者連携の監視からPR作成・テストまでを一貫処理
AIエージェント向けWeb検索インフラを提供するExa Labsは、自社の検索APIを開発者エコシステム全体へ展開する取り組み「Exa everywhere」においてエージェントを活用している。
従来はDevRel（開発者向け広報・関係構築）やアカウント担当者が外部リポジトリや市場動向を監視し、有望な連携先を特定した上で、情報収集と開発調整を行っていた。同社はこの一連のプロセスをCodexのワークフローとして定義した。
現在では、Codexが優先度の高い連携機会を監視し、関連情報を収集してPull Requestを作成した上で、自動テストの実行やSlack・Notionの情報を基にした週次報告の作成までを担当する。状況に応じて初期告知のドラフト作成も行うという。
一方で、どの機会を優先するか、どのような対外関係を結ぶかといった最終判断は人間が担っている。テスト結果やレビューポイントを設けることで、コードや告知が外部に公開される前にエージェントの作業内容を可視化し、必要に応じてワークフローの調整を行える仕組みとしている。
成功企業に見る共通の運用パターン
OpenAIは、これら3社の事例にはエージェントを実務へ定着させる共通のパターンが存在すると説明している。
- プロセスの再利用化: 確立された手順を明確な指示と権限を持つ「スキル」としてパッケージ化する（Basisの手法）。
- コンテキストの永続管理: エージェントに継続的な情報アクセス権を与え、変化し続ける業務状況を常に最新へ保つ（Clayの手法）。
- 境界を定めた実行と検証: ツール連携・テスト・人間によるレビューを組み合わせ、シグナルの検知から安全な実行までをつなぐ（Exa Labsの手法）。
いずれの企業も、業務中に生じた例外事項やテスト結果をワークフローの改善にフィードバックしており、限定された特定の業務から検証を始めて徐々にエージェントの担当範囲を広げているという。
さらに同社は、企業がエージェント導入を進めるための初期ステップとして、戦略的重要性と測定可能な成果が交差するエンドツーエンドの業務を1つ選定することや、責任者・KPI・安全基準（ガードレール）を明確に定めて完了タスク数やレビュー負荷を測定することの重要性を挙げている。