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

エージェントが仕事を変革する方法

公開日: 2026-06-25 | カテゴリ: Company

A new Economic Research paper measuring Codex’s economic potential at the frontier. Read the paper (opens in a new window)

要約

エージェント的（agentic）AIは、単発のやり取りから委任された長期的タスクへと知識労働の単位を変えています。チャットボットによるやり取りはしばしば短く自己完結的ですが、エージェントはツール呼び出しのオーケストレーションや環境との対話、反復による解決に向けて、数分〜数時間にわたり独立して稼働できます。その結果、エージェントは急速に仕事のための最も強力なAIツールになりつつあります。

過去1年で、OpenAI 内部でもこの変化を直接観測しました。Codex が一般公開されてから最初の数か月間、ChatGPT は依然として OpenAI 内での主要な業務用AIツールでした。2025年8月まで、OpenAI の平均的な従業員は Codex に対してトークンの10%未満しか費やしていませんでした。現在では、Legal や Recruiting のような非技術部門を含め、すべての部門が Codex を主要な業務用AIツールとして利用しています。この傾向は、エージェント型ツールの能力とアクセス性の拡大を踏まえたとき、将来の仕事の姿を示していると考えています。

主要な傾向（個人ユーザー、組織ユーザー、OpenAI の従業員における観察）

Codex の採用は、Codex の能力向上に伴って成長した。
ユーザーはより長期の作業に Codex を使うようになった。
- 2026年5月時点で、サンプルされた個人ユーザーのうち80.6%が、人間の作業時間で30分を超えると推定される少なくとも1件の Codex リクエストを行い、70.2%が1時間超、25.6%が8時間超と見積もられる少なくとも1件のリクエストを行っている。
Codex は OpenAI の全ての部門で主要なAIツールになった。
- エンジニアリングが最初に移行し、Legal、Finance、Recruiting は2026年4月ごろに Codex が主力になった。OpenAI の平均的な従業員において、現在 Codex の使用が出力トークンの85%以上を占める。Codex ユーザーは非ユーザーよりも多くのトークンを使う傾向があるため、全社的なトークンに占める割合はさらに高く、OpenAI 内で生成される週次の出力トークンの99.8%が Codex によるものである。
非開発者の採用が特に急速に伸び、開発者の伸びを上回った。
- 2025年8月以降、個人ユーザーの非開発者は137倍、組織ユーザーの非開発者は189倍、OpenAI 内では12倍に増加した。
Codex は OpenAI の従業員が職務記述外のタスクをこなすのを可能にした。
- 技術的利用はエンジニアに依然多いが、非技術ユーザーも自動化、データ変換、ツール操作、デバッグ、構造化された分析などのコーディングや技術的実行を定期的に行っている。

エージェントはより長時間、より難しいタスクに取り組む

すべての Codex リクエストのうち約4分の1は、人が完了するのに1時間以上かかるタスクに相当すると見積もられている1。
Codex の独立した長期コンテキスト作業能力が向上するにつれて、ユーザーは短いやり取りからより難易度の高い長期タスクへとシフトした。
下の説明は、個人ユーザーのうち人が完了するのに以下の人間時間しきい値を超えると推定されるリクエストを行ったユーザーの割合の推定である: 30分超、1時間超、4時間超、8時間超2。
- 2025年12月から2026年5月にかけ、30分超に相当すると推定されるリクエストを行ったユーザーの割合は80.6%に上昇した。
- 1時間超は70.2%に上昇した。
- 8時間超に相当するリクエストの割合は低い基準から最速で伸びた。
日次の Codex ランタイムにもエージェント利用の成長が現れている。OpenAI の日次アクティブユーザーのうち、最も多く使うユーザーは1日に数十時間のエージェント稼働を Codex に求める。2026年6月までに、99パーセンタイルのユーザーは1日あたり60時間を超える Codex エージェントターンを複数の並列エージェントに分散して定期的に生成している。
Codex がより強力かつ並列化可能になるにつれ、ユーザーは1回の回答を求めるだけでなく、1日の間に複数のエージェントタスクをオーケストレーションする方向へ移行した。

エンジニアからその他部門への採用の拡大

OpenAI のエンジニアは最初に Codex を採用し、徐々に移行した。平均的なエンジニアは2025年12月までに OpenAI 製品の利用の大半を Codex に移した。現在、平均的なエンジニアは出力トークンの99%を Codex で生成している（ChatGPT ではなく）。
Legal、Finance、Recruiting はやや遅れて（2026年4月ごろ）多数派が Codex を使うようになったが、その移行ははるかに速かった。平均的な法律担当者やリクルーターは現在、出力トークンの85%以上を Codex で生成している。
過去6か月で OpenAI 内の Codex 利用は深まり強化された。アクティブな内部ユーザーの間で、結合された出力トークンは部門横断で急増した。Research は最も大きな飛躍を示し、2026年6月には中央値の利用が2025年11月時点の56倍に達した。Customer Support は32倍、Engineering は27倍、Legal はより緩やかに伸びつつも11月時点の13倍に到達した。

これら2つのパターン（チャットボットからエージェントへの切り替えと、エージェント労働量の指数関数的増加）は、OpenAI が生産的な仕事を行うために AI をどのように使うかを根本的に変えたことを示している。

非開発者が最も急速に増えるユーザー群

OpenAI、組織、個人のすべてのユーザー群で、Codex の利用は当初開発者から始まった（コーディングツールとしての性格上自然な対象）。しかし Codex がより一般的な知識労働へと拡張するにつれ、非開発者の採用はさらに急速に増加した。
2026年6月初めまでに、個人の非開発者ユーザーは2025年8月以来137倍、組織の非開発者ユーザーは189倍、OpenAI 内の非開発者は12倍に増加した（この集団は元々平均より高い出発点にあったため伸び率が相対的に小さい可能性がある）。
このシフトは、すべての非開発者がエンジニアと同じ使い方をしていることを意味するわけではない。むしろ、より多くの非開発者が何らかのエージェント的作業に Codex を使うようになったことを意味する。

Codex が生産的な作業の射程を拡大する

Codex は非技術部門が以前は技術的専門知識でボトルネックになっていたワークフローを加速することを可能にする。
次のヒートマップは、OpenAI 内の推定職種と Codex 出力に表れる作業タイプを比較したものである。Data Science / Research に対しては Engineering / Coding が最大のカテゴリとして現れる一方、Finance / Biz Ops、Marketing、Operations、その他の部門では Knowledge Work が最大カテゴリになっている。
とはいえ、エージェント型ツールは個々の労働者が行えることを拡張する。例えば、ビジネス機能に従事する労働者が Codex で行った作業の4分の1以上がエンジニアリングやコーディングに相当していた。エージェントはタスク境界を越えるコストを下げ、従来はより専門的な技術支援が必要だった隣接的な作業を労働者自身で実行できるようにする。

Occupation vs. work done with Codex

Consolidated inferred department	Engineering / Coding	Data Analysis	Financial Analysis	Knowledge Work	Other
Engineering	72%	4%	1%	18%	5%
Data Science / Research	51%	10%	0%	30%	9%
Finance / Biz Ops	31%	9%	16%	34%	10%
Product / Marketing / Ops	25%	3%	7%	51%	15%
Other	50%	7%	2%	38%	4%

（各部門内の出力トークンに占める割合）

エージェントの経済的潜在力が意味すること

非エンジニア従業員によるエージェント型ツールの利用増加は、これらの労働者が何をできるかのフロンティアを拡大する。これは、ワークフローをどのように再設計するかを決める企業、どのスキルが価値を持つかを学ぶ従業員、そして労働市場に対するAIの影響を理解しようとする政策立案者や研究者にとって重要である。
本ペーパーは、フロンティアユーザーが高度なエージェントツールをどのように採用するかを示している。結果は、広く低摩擦なアクセスが強力なエージェントツールに与えられたときに何が起きるかを示している：ツールが改善されるにつれて、人々はそれらをより長く、より複雑で、より横断的な作業に使うようになる。時間がたてば、これが仕事の将来の姿になる可能性が高い。

2026 Economic Research — Codex

著者: OpenAI

フットノート

タスクの時間射程（Task horizon）は、Codex のトランスクリプトにアクセス可能な LLM-as-judge を用いて推定している。
これらのしきい値はモデル推定に基づくため、厳密な値というより方向性を示すものとして扱うべきである。また、これは個人データのみを対象とし、ランダムサンプル（ユーザーの0.1%）のクエリに基づくものである。

How agents are transforming work

要約

Summary

Key Points

翻訳

要約