DocsDigest
Back to listLanguage: JA
OpenAIOpenAI NewsMay 6, 2026, 12:00 AM

How frontier enterprises are building an AI advantage

A condensed section focused on the key takeaways first.

Original Post
OpenAIClaude

Quick Digest

Summary

A condensed section focused on the key takeaways first.

openaienmodel: gpt-5-mini-2025-08-07

How frontier enterprises are building an AI advantage

enterprise-aiagentic-workflowscodexai-governancedeveloper-toolsenablementtokens

Key Points

  • Frontier firms use 3.5x intelligence per worker
  • Codex shows ~16x message gap for frontier firms
  • Prioritize depth: governance, enablement, and agentic workflows

Summary

Frontier firms (95th percentile) now use ~3.5x as much AI intelligence per worker as typical firms (up from 2x in 2025). That gap is driven mainly by depth — richer prompts, more tokens, and more complex, delegated workflows — not merely message volume (which explains ~36% of the difference). Advanced, agentic tools (notably Codex) show the largest gaps, indicating the competitive edge comes from embedding AI into production workflows and delegating multi-step work to agents.

Key Points

  • Metric: tokens generated used as a proxy for depth of AI work; frontier = 3.5x intelligence/worker.
  • Volume vs depth: message volume explains ~36% of the frontier gap; most of the advantage is deeper, more complex usage.
  • Agentic tools: Codex traffic is ~16x higher per worker at frontier firms; ChatGPT Agent, Apps in ChatGPT, Deep Research, and GPTs follow similar patterns.
  • Production impact: Cisco reported ~20% faster builds, 1,500+ engineering hours saved/month, and 10–15x defect-resolution throughput using Codex in production.
  • Product integrations: companies are embedding AI in in-app assistants, dev tools, and customer support (e.g., Travelers’ AI Claim Assistant expected to handle ~100k FNOL calls in year one).

Practical guidance for engineering teams

  • Measure depth, not just seats or message counts: track tokens per worker, task complexity, and end-to-end outcomes.
  • Enable safe production use: build governance (model/version controls, access controls, auditing) that enables, not blocks, adoption.
  • Treat enablement as infrastructure: invest in training, templates, and shared components so teams can apply AI to domain-specific workflows.
  • Start small, scale what works: identify frontier teams, validate impact, then productize or integrate successful agents into systems.
  • Move from chat to delegation: prioritize agentic workflows that can take multi-step actions, operate on code/files, and integrate with internal systems.

Why engineers should care

Depth and delegation are where measurable ROI emerges. Focusing on production readiness, observability, and developer enablement will unlock compound advantages as AI becomes capable of executing more complex, long-horizon tasks.

Full Translation

Translations

A translation section that keeps the flow of the original article.

openaijamodel: gpt-5-mini-2025-08-07

フロンティア企業はどのようにしてAI優位性を築いているか

May 6, 2026 企業 グローバル・アフェアーズ

TLDR

  • フロンティア企業（使用量が95パーセンタイルの企業）は、一般的な企業と比べて1人当たりで3.5xのインテリジェンスを使っている（2025年4月の2xから増加）。
  • ギャップは単なるメッセージ量の差ではない：メッセージ量はその差の36%しか説明せず、大部分はより深く複雑なAI活用から生じる。
  • エージェント的（agentic）ワークフローがフロンティアの指標になりつつある：特に高度なツールで差が顕著。フロンティア企業はCodexのメッセージを1人当たり16x送っている。
  • 組織はフロンティアへ移行できる：使用の深さを測定し、プロダクションでの利用を可能にするガバナンスを作り、イネーブルメントに投資し、成果をスケールし、チャット支援からエージェントによる委任作業へ移行する。

概要

多くの企業にとって、AI導入の第1フェーズはアクセスに関するものだった：誰がAIツールを持っているか、何席に展開されたか、従業員が実験しているかどうか。これは依然重要だが、もはや差別化要因ではない。当社の最新調査は、AI優位性が複利的に拡大し始めていることを示唆する。フロンティア企業が先行する理由は、1人当たりのインテリジェンス利用が多く、より高度なツールを集中的に導入し、ワークフローに深く組み込んでいるからだ。

本日、OpenAI Signalsのビジネス版である「B2B Signals」を紹介する。これは、OpenAI製品の企業利用に関するプライバシー保護された集約シグナルに基づき、企業内でのAIの普及度合いを定期的に測定するものだ。主な提供内容は以下の通り：

  • 企業内部でAIがどの程度深く使われているか
  • フロンティア採用に関連したツールとタスク
  • 業界、製品、機能にまたがるビジネスユースケースの広がり

注意：本レポートのすべての分析は、識別不能化・集約化された企業の使用データに基づく。メッセージ内容は自動分類システムで分類され、個別の企業やAPI顧客データをOpenAI従業員がレビューすることはなかった。

AI優位性は複利的になり始めている

もっとも明確なシグナルは“深さ（depth）”だ。フロンティア企業は現在、一般的な企業と比較して1人当たり3.5xのインテリジェンスを利用しており、これは2025年4月の2xから増加している。メッセージ量（message volume）はこの差のわずか36%を説明するに過ぎず、大部分はより深い利用から来ている。

フロンティア企業の労働者は、AIにより複雑な作業を任せ、より豊富なコンテキストを提供し、より実質的な出力を生成させている。本レポートでは「tokens generated（生成されたトークン）」を、要求されるインテリジェンスの代理指標として用いる。トークンはビジネス価値の直接測定ではないが、従業員がAIにどれだけの作業を依頼しているかを測るうえで有用な指標であり、AI利用の深さを評価するための有益なプロキシとなる。

要するに：一般的な企業はAIを質問への回答に使っているのに対し、フロンティア企業は複雑な作業の実行にAIを使っている。単にメッセージを多く送信しているのではなく、各インタラクションがより多くの実作業を担っているのだ。

これらのシグナルは、フロンティア企業がより複雑で挑戦的な業務にAIを用いていることを示唆している。リーダーに課される問いは、「どれだけ多くの人がアクセスしているか／どれだけ頻繁に使っているか」から、「AIがどこでワークフローを深め、チームの働き方を変えているか」へと移っている。

エージェント的ワークフロー（agentic workflows）が成熟度の次の指標に

フロンティアはまた、委任（delegation）へと向かっている。最大の優位は高度でエージェント的なツールに見られる。Codexは最も大きな差を示し、フロンティア企業は一般企業に比べて1人当たり16xのCodexメッセージを送っている。

ChatGPT Agent、Apps in ChatGPT、Deep Research、GPTsも同様の方向性を示しており、フロンティア企業は従業員がコーディングし、複数ステップのタスクを委任し、社内コンテキストを適用し、より複雑なリサーチを行うためのツールを採用するのが得意であることを示している。

AIシステムがツールを使いこなし、ファイルやコードベースを横断し、長期のタスクを完了できるようになるにつれて、企業はAIエージェントに意味のある作業を委任することに適応する必要がある。先行する企業は、AIを単なる高速なインターフェースとしてではなく、業務を根本から再設計する手段として使うオペレーティング能力を構築している。

事例：Cisco

CiscoはCodexを使って大規模なエンジニアリング組織の複雑なソフトウェア作業を加速している。プロダクションワークフローにおいて、Codexはビルド時間を約20%短縮し、月間で1,500+エンジニア時間を節約し、欠陥修正スループットを10-15xに増加させた。Ciscoチームが述べるように、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たという。

AI利用の幅と機能別の深化

AI利用は幅広いが、より専門化したAIがビジネスのプロダクションワークフローに移行しつつある。企業はAPIを通じて以下のようなユースケースを展開している：

  • in-app assistants（アプリ内アシスタント）
  • coding and developer tools（コーディング・開発者ツール）
  • customer support（カスタマーサポート）

これらはAIが製品、サービス、内部システムの一部になり得る領域だ。

書き物・コミュニケーションでの利用が最も広いが、機能別の利用は増加している。具体的には：

  • ITやセキュリティはハウツーや手順に関するクエリが集中。
  • Software DevelopmentやData Scienceは高いコーディング使用率を示す。
  • Financeは分析や計算にAIを使っている。

このパターンは、AIが一般的な生産性向上を超えて、各機能のコア業務により近い作業へ入り込んでいることを示している。

産業別・指標別の多様なリーダーシップ

単一の「AI採用リーダーボード」は存在しない。ある業界はChatGPTの広範な採用で先行し、別の業界はCodexの利用やAPIの集中的利用、あるいはメッセージ強度でリードしている。つまり、組織には複数の導入経路がある：

  • アクセスを拡大する
  • 利用の深さを深める
  • エージェント的ツールを採用する
  • AIを直接製品やシステムに組み込む

事例：Travelers Insurance

TravelersはOpenAIを用いて構築したAI Claim Assistantを展開している。同アシスタントは顧客をfirst notice of loss（初回損害通知）プロセスに案内し、保険に関する質問に答え、クレームを開始するため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する。Travelersは初年度で約100,000件のfirst notice of loss対応をアシスタントが処理すると見込んでいる。

AIリーダーを分けるもの

フロンティア企業と一般企業の差を固定された溝として読むべきではない。多くの組織は、アクセス段階からより深く統合されたAI利用へ移行する過程にまだある。フロンティアの価値は、時間をかけて勢いを生み出すのに役立つ実践が何かを示す点にある。

もっとも明確なシグナルの一つは教育と学習で、タスクレベルでフロンティア優位が最も大きい分野だ。これは、先進的な企業がAIを単に作業完了に使うだけでなく、従業員がAIを適切に使うためのスキル、習慣、信頼を育てるためにAIを活用していることを示唆する。

組織がフロンティアへ向かうための道筋は次の通り：

  • 利用の深さ（depth）を測定する
  • プロダクション利用を可能にするガバナンスを構築する
  • イネーブルメント（教育・支援）をコアインフラとして扱う
  • フロンティアなチームを特定し、そのインパクトをスケールする
  • チャット中心の支援からエージェントによる委任作業へ移行する

B2B Signalsは定期的な企業AIの洞察を共有する

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導入をビジネス価値へと変えるのに何が役立つかを理解するための明確なデータを必要としている。B2B Signalsは先進企業の行動とパターンを追跡し、組織がどのようにインテリジェンスをビジネス価値に変えているかをより明確に示す。

この初回リリースは、利用の深さ、エージェント的ワークフロー、および業界・機能にまたがる新興パターンに焦点を当てている。今後のアップデートでは、これらの指標に関する進捗を追跡し、エンタープライズAIの進化に合わせてシグナルを適応させていく予定だ。

2026

著者: OpenAI

関連記事：

  • View all Introducing ChatGPT Futures: Class of 2026（Company May 6, 2026）
  • OpenAI and PwC collaborate to reimagine the office of the CFO（Global Affairs May 4, 2026）
  • Building the compute infrastructure for the Intelligence Age（Global Affairs Apr 29, 2026）