最先端企業がどのようにAI優位性を構築しているか
OpenAI の最新データは、企業間の AI 格差が単なる利用頻度の違いではなく、複雑な作業への委譲やエージェント活用といった「深度」に起因することを示し、次世代の競争優位性を定義づける指標を提示した。
キーポイント
AI 利用の深度が格差を生む主因
先導企業（Frontier firms）は従業員あたりの知能使用量が一般企業の 3.5 倍に達しており、その差の大部分はメッセージ量ではなく、より複雑なタスクへの AI の活用によるものである。
エージェントワークフローが新 Frontier の証
最先端企業では Codex などの高度なツール利用が顕著で、従業員あたりの使用量が一般企業の 16 倍に達しており、チャット支援から作業の委任へと移行している。
B2B Signals の新指標発表
プライバシーを保護した集約データに基づく「B2B Signals」が導入され、業界横断的な AI 浸透度や先進的利用の傾向を追跡する新たな基準として機能する。
企業への戦略的提言
一般企業が先導層に追いつくためには、深度を測定し、生産環境向けのガバナンスを整備し、エージェントによる委任型ワークフローへ移行することが不可欠である。
影響分析・編集コメントを表示
影響分析
この分析は、企業における AI 導入の成功基準が「ツールへのアクセス」から「業務プロセスへの深い統合」へとシフトしたことを示しており、経営層や CTO に対して戦略的見直しを迫る重要な指標となる。特にエージェント活用による生産性向上の可能性を示すことで、次世代の AI 投資先を明確に定義し、業界全体の成熟度を加速させる契機となる。
編集コメント
「アクセス」から「深度」へ、AI 成熟度の定義が劇的に変化していることを示す決定的なレポートです。企業は単にツールを導入するだけでなく、いかに複雑な業務を AI に委任できるかを問われる時代に入ったと言えます。
TLDR
- フロンティア企業（利用状況の上位 5% に位置する企業）は、現在、1 人あたりあたりのインテリジェンス使用量が一般的な企業の 3.5 倍に達しており、これは 1 年前の 2 倍からの増加です。
- この格差は単なる活動量の違いではなく深さの問題です：メッセージ送信量はフロンティア企業の優位性の 36% しか説明できず、残りの大部分はより豊かで複雑な AI の利用によるものです。
- エージェント型ワークフローがフロンティアの指標となりつつあります：最大の優位性は高度なツールにおいて現れており、フロンティア企業は 1 人あたりの Codex メッセージ送信量が一般的な企業の 16 倍に達しています。
- 組織はフロンティアへと移行可能です：先導する企業は深さを測定し、本番環境での利用に向けたガバナンスを構築し、イネーブルメント（支援・能力強化）への投資を行い、成功した施策をスケールさせ、チャットベースの支援からエージェントによる委任された業務へと移行しています。
多くの企業にとって、AI 導入の第 1 段階はアクセスに関するものでした：誰が AI ツールを持っていたか、どの程度のライセンス（シート数）が展開されたか、従業員が実験を行っているかどうかです。これは依然として重要です。しかし、アクセス自体がもはや差別化要因ではありません。
最新の調査によると、AI の優位性は複利効果を生み出し始めたと示唆されています。フロンティア企業が先行しているのは、1 人あたりのインテリジェンス使用量が増加し、高度なツールをより集中的に採用し、AI をワークフローにより深く組み込んでいるからです。
本日、私たちは B2B Signals（B2B シグナル）を発表します。これは OpenAI Signals のビジネス版拡張機能であり、OpenAI 製品の利用におけるプライバシー保護された集約信号に基づき、AI が企業間でどのように拡散しているかを継続的に測定するものです。これには以下が含まれます：
- 企業内部における AI の利用深度
- フロンティア採用と最も関連性の高いツールおよびタスク
- ビジネスユースケースが業界、製品、機能全体でどのように拡大しているか
*注：本レポートのすべての分析は、個人を特定できない形で集約されたエンタープライズ利用データに基づいています。メッセージ内容は自動化システムによって分類され、この分析の一環として OpenAI の従業員が個別の企業、ビジネス、または API カスタマーデータをレビューしたことはありません。
最も明確なシグナルは「深度」です。フロンティア企業では、現在、1 人あたりの労働者あたり利用されるインテリジェンス量が一般的な企業の 3.5 倍に達しており、2025 年 4 月の 2 倍から増加しています。メッセージ量の増加はこの格差の 36% しか説明できず、残りの大部分はより深い利用によるものです。フロンティア企業の労働者は、AI により複雑な業務を任せるよう求め、より豊かな文脈を提供し、より実質的な出力を生成させています。
本レポートでは、生成されたトークン（token）を要求されるインテリジェンスの代理指標として使用しています。トークンはビジネス価値の直接的な測定値ではありませんが、従業員が AI にどの程度の業務を任せているかを測るのに役立ち、AI 利用の深度を評価するための有用な代理指標となります。
簡単に言えば：一般的な企業は AI を質問への回答に利用していますが、フロンティア企業は複雑な業務の実行支援に利用しています。単により多くのメッセージを送っているのではなく、各インタラクションが実際の作業のより大きな部分を担っているのです。
これらのシグナルを総合すると、先駆的な企業は AI をより複雑で挑戦的な業務に活用していることが示唆されます。リーダーにとっての問いは、AI にアクセスできる人の数や利用頻度から、AI がどのようにワークフローを深化させ、チームの運用方法を変えているかに移りつつあります。
先駆的な領域では、委任への移行も進んでいます。
この優位性は、高度なツールおよびエージェント型ツールにおいて最も顕著です。Codex は最大の差を示しており、先駆的な企業は典型的な企業に比べて従業員あたり 16 倍のメッセージを送信しています。ChatGPT Agent、ChatGPT 内の Apps、Deep Research、GPTs も同様の方向性パターンを示しており、先駆的な企業がコード作成を支援するツールや、多段階タスクの委任、社内外コンテキストの適用、より複雑な調査の実行を可能にするツールの採用において優れていることが示唆されます。
AI システムがツールを使用し、ファイルやコードベース間での作業を行い、長期にわたるタスクを完了する能力を高めていくにつれ、企業は意味のある業務を AI エージェントに委任するために適応する必要があります。
最も先に動き出した企業は、AI を単なる高速なインターフェースとしてだけでなく、ゼロから仕事を再設計する方法として活用するための運用能力を構築しています。
Cisco は、大規模なエンジニアリング組織全体で複雑なソフトウェア作業を加速させるために Codex を使用しています。本番環境のワークフローにおいて、Codex はビルド時間を約 20% 短縮し、毎月 1,500 時間以上のエンジニアリング時間を節約し、欠陥解決のスループットを 10〜15 倍向上させました。Cisco のチームが述べているように、最大の成果は Codex を「チームの一部」として扱ったときに得られました。
AI はまた、ビジネス全体の生産ワークフローにも導入されつつあります。
企業は、アプリ内アシスタント、コーディングおよび開発者向けツール、カスタマーサポートなどにおいて API 活用事例を展開しています。これらは、AI が製品やサービス、内部システムの一部となる場所です。
AI の利用は文章作成とコミュニケーションで最も広範ですが、機能固有の用途も増加しています。IT およびセキュリティチームは質問を主に手順や手続きに関するガイダンスに集中させ、ソフトウェア開発およびデータサイエンスチームはコーディングでの利用度が高く、財務チームは分析と計算のために AI を活用しています。このパターンは、AI が一般的な生産性向上を超え、各機能の中核責任により密接に関連する業務へと移行していることを示唆しています。
AI 導入に関する単一のランキングリーダーボードは存在しません。一部の業界は広範な ChatGPT の採用で先駆け、他の業界は Codex の利用、API の強度、またはメッセージの頻度でリードしています。つまり、組織には複数の参入ポイントがあります：アクセス規模の拡大、利用の深化、エージェント型ツールの導入、あるいは AI を製品やシステムに直接組み込むことです。
Travelers Insurance は、これが実践においてどのように見えるかを示しています。OpenAI と共同で構築された同社の AI クレームアシスタントは、顧客に損失初報の手順を案内し、保険契約に関する質問に回答し、クレーム開始に必要な情報を収集し、Travelers のシステム内で直接クレームを作成します。Travelers は、このアシスタントが初年度に約 10 万件の損失初報電話に対応できると期待しています。
先端的企業と典型的な企業の間の格差は、固定された隔たりとして捉えるべきではありません。多くの組織はまだ、広範なアクセスからより深く統合された AI 利用へと移行する過程の初期段階にあります。先端的価値とは、時間の経過とともに企業が勢いを築くのにどの実践が寄与しているかを示す点にあります。
最も明確なシグナルの一つは教育と学習であり、タスクレベルでの先端的優位性が最大となっています。これは、指導的な企業が AI を単に業務を完了させるためだけでなく、従業員が AI を効果的に活用するために必要なスキル、習慣、自信を構築するのを支援するためにも使用していることを示唆しています。
組織は、利用の深さを測定し、生産利用を可能にするガバナンスを構築し、エンパワーメントを中核インフラとして扱い、先端的チームを特定してその影響を広げ、チャットを超えてエージェントによる委任業務へと移行することで、先端的企業へと近づいていくことができます。
エンタープライズ AI は急速に進化しており、リーダーは AI 導入がビジネス価値にどう転換されるかを理解するために明確なデータを必要としています。
B2B Signals は、主要企業の行動とパターンを追跡し、組織に対して知能をどのようにビジネス価値に変換しているかについて、より明確な視点を提供します。
今回の最初のリリースでは、利用の深さ、エージェントワークフロー、および業界や機能横断的な新興パターンに焦点を当てています。今後のアップデートでは、これらの指標における進捗を追跡し、エンタープライズ AI の進化に応じてシグナルを適応させていきます。
原文を表示
TLDR
- Frontier firms—those at the 95th percentile of usage—now use 3.5x as much intelligence per worker as typical firms, up from 2x a year ago.
- The gap is about depth, not just activity: Message volume explains only 36% of the frontier advantage; most of the gap comes from richer, more complex AI use.
- Agentic workflows are becoming a frontier marker: The largest advantage shows up in advanced tools, with frontier firms sending 16x as many Codex messages per worker as typical firms.
- Organizations can move toward the frontier: Leading firms measure depth, build governance for production use, invest in enablement, scale what works, and move from chat-based assistance to delegated work with agents.
For many enterprises, the first phase of AI adoption was about access: who had AI tools, how many seats had been deployed, and whether employees were experimenting. That still matters. But access is no longer the differentiator.
Our latest research suggests the AI advantage is beginning to compound. Frontier firms are pulling ahead because they use more intelligence per worker, adopt advanced tools more intensively, and embed AI more deeply into workflows.
Today, we’re introducing B2B Signals, a business extension of OpenAI Signals. It provides a recurring measure of how AI is diffusing across businesses, based on privacy-preserving, aggregated signals from enterprise use of OpenAI products, including:
- How deeply AI is being used inside firms
- Which tools and tasks are most associated with frontier adoption
- Where business use cases are broadening across industries, products, and functions
*Note: All analyses in this report are based on de-identified, aggregated enterprise usage data. Message content was classified using automated systems, and no OpenAI employee reviewed individual enterprise, business, or API customer data as part of this analysis.*
The clearest signal is depth. Frontier firms now use 3.5x as much intelligence per worker as typical firms, up from 2x in April 2025. Message volume explains only 36% of that gap; the majority comes from deeper usage. Workers at the frontier are asking AI to take on more complex work, providing richer context, and generating more substantive outputs.
In this report, we use tokens generated as a proxy for intelligence demanded. Tokens are not a direct measure of business value, but they help measure how much work employees are asking AI to do, making them a useful proxy for the depth of AI use.
Put simply: Typical firms are using AI to answer questions; frontier firms are using it to help execute complex work. They are not just sending more messages; each interaction is doing more of the actual work.
Together, these signals suggest frontier firms are using AI for more complex and challenging work. For leaders, the question is shifting from how many people have access or how often they use AI to where AI is deepening workflows and changing how teams operate.
The frontier is also moving toward delegation.
The advantage is largest in advanced and agentic tools. Codex shows the largest gap, with frontier firms sending 16x as many messages per worker as typical firms. ChatGPT Agent, Apps in ChatGPT, Deep Research, and GPTs show similar directional patterns, suggesting frontier firms are better at adopting tools that help workers code, delegate multi-step tasks, apply company context, and conduct more complex research.
As AI systems become more capable of using tools, working across files and codebases, and completing longer horizon tasks, enterprises will need to adapt to delegating meaningful work to AI agents.
The firms moving first are building the operating muscle to use AI not just as a faster interface, but as a way to redesign work from the ground up.
Cisco uses Codex to speed up complex software work across a large enterprise engineering organization. In production workflows, Codex helped reduce build times by about 20%, save 1,500+ engineering hours per month, and increase defect-resolution throughput by 10-15x. As Cisco’s team put it, the biggest gains came when they treated Codex as “part of the team.”
AI is also moving into production workflows across the business.
Companies are deploying API use cases across in-app assistants, coding and developer tools, and customer support. These are places where AI can become part of products, services, and internal systems.
AI use is broadest in writing and communication, but function-specific usage is growing. IT and Security teams concentrate their queries heavily in how-to and procedural guidance, Software Development and Data Science teams show high coding usage, and Finance teams are using AI for analysis and calculation. The pattern suggests AI is moving beyond general productivity and into work more closely tied to each function’s core responsibilities.
There is no single AI adoption leaderboard. Some industries lead in broad ChatGPT adoption, others in Codex use, API intensity, or message intensity. That means organizations have multiple entry points: scale access, deepen usage, adopt agentic tools, or build AI directly into products and systems.
Travelers Insurance shows what this looks like in practice. Its AI Claim Assistant, built with OpenAI, guides customers through first notice of loss, answers policy questions, gathers the information needed to start a claim, and creates claims directly inside Travelers’ systems. Travelers expects the assistant to handle approximately 100,000 first notice of loss calls in its first year.
The gap between frontier firms and typical firms should not be read as a fixed divide. Many organizations are still early in the process of moving from broad access to deeper, more integrated AI use. The value of the frontier is that it shows which practices appear to help firms build momentum over time.
One of the clearest signals is education and learning, where the task-level frontier advantage is largest. That suggests leading firms use AI not only to complete work, but to help employees build the skills, habits, and confidence needed to use AI well.
Organizations can move toward the frontier by measuring depth of use, building governance that enables production use, treating enablement as core infrastructure, identifying frontier teams and scaling their impact, and moving beyond chat toward delegated work with agents.
Enterprise AI is evolving quickly, and leaders need clear data to understand what helps translate AI adoption into business value.
B2B Signals tracks the behaviors and patterns of leading firms, giving organizations a clearer view of how leading companies are translating intelligence into business value.
This first release focuses on depth of use, agentic workflows, and emerging patterns across industries and functions. Future updates will track progress on these measures and adapt the signals as enterprise AI evolves.
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み