AI先進企業は「AIを使う会社」ではない
AI活用が進む企業と、ChatGPTなどの生成AIを導入しただけの企業。
その差は、単純に「どのAIモデルを使っているか」ではありません。
重要になっているのは、
仕事そのものをAI前提で設計できているか
という点です。
OpenAIは2026年9月1日、Basis、Clay、Exa Labsの事例をもとに、AIネイティブ企業がどのようにAIエージェントを実際の業務へ組み込んでいるのかを紹介しました。
詳しい内容は、OpenAI公式「How AI-native companies turn workflows into operating capability」で確認できます。
AI活用は「質問」から「仕事を任せる」へ
これまでの生成AI活用では、
人間が質問する → AIが回答する → 人間が作業する
という使い方が中心でした。
しかし、AI活用が進む企業では、AIに渡す仕事の単位そのものが大きくなっています。
調査、資料作成、営業準備、オンボーディング、コーディングなど、複数の工程を含む仕事をAIエージェントに任せ、人間は判断・レビュー・例外対応などへ集中する形です。
OpenAIも、企業におけるAI利用が「assistance（支援）」から「execution（実行）」へ移行していると分析しています。
AI先進企業では何が違う？
OpenAIの調査では、AI利用量で上位10%に入る「frontier firms」は、一般的な企業と比較して、アクティブユーザー1人あたりの出力トークン数が8.3倍に達しています。
1月時点では2.6倍だったため、その差はさらに広がっています。
ただし、ここは数字の意味に注意が必要です。
8.3倍は「生産性が8.3倍」「売上が8.3倍」という意味ではありません。
あくまで、アクティブユーザー1人あたりの出力トークン数を比較した指標です。
OpenAIはこれをAI活用の深さを見るための指標として扱っており、先進企業ではエージェントを社内情報やツール、再利用可能なワークフローにつなぐ動きも進んでいます。
Basis：オンボーディングを2時間から30分へ
OpenAIが紹介している一つ目の事例がBasisです。
Basisでは、新入社員の初日のオンボーディングにCodexと企業専用のオンボーディングスキルを活用しています。
従来約2時間かかっていた初日のオンボーディングを、約30分まで短縮したとされています。
ポイントは、単にAIへ質問できるようにしたことではありません。
一度確立したオンボーディング手順を、
明確な開始条件 → 必要な手順 → 使用するツール → 完了条件
を持つ、再利用可能なワークフローとしてAIへ渡しています。
つまり、個人のAI活用ではなく、会社の業務プロセスそのものをAIが実行できる形に変えているわけです。
Clay：営業情報をAIが継続的に整理する
Clayでは、営業担当者が扱うCRM、メール、Slack、通話、資料などに分散した情報を扱うため、各アカウント専用のAIエージェントを利用しています。
エージェントは一次情報を確認しながら案件情報を更新し、別のエージェントが各アカウントの情報から、次に取るべき行動を整理します。
Clayによれば、この仕組みによって担当者は夜間の受信トレイ整理を約1時間削減しています。
ここで重要なのは、AIが一度回答して終わるのではなく、
継続的に情報を確認 → 更新 → 次の行動を提示する
という業務フローになっていることです。
Exa：発見から実装・テストまでAIへ
Exa Labsでは、Codexを使って開発者向けのインテグレーション機会を探すワークフローを構築しています。
AIが有望な機会を探し、必要な情報を収集し、プルリクエストを作成し、テストを実行し、週次アップデートまで準備します。
一方で、どの機会を重要と判断するのか、外部との関係をどう扱うのかなどは人間が判断します。
つまり、
AIが調査する → 実装する → テストする → 人間が確認する
ところまで、一つのワークフローとして設計されています。
重要なのは「AI」よりワークフロー
これらの企業に共通しているのは、単純に最新AIを導入していることではありません。
重要なのは、
誰が何をAIに任せるのか
AIはどの情報へアクセスできるのか
どのツールを使えるのか
どこまで自律的に動けるのか
どこで人間が確認するのか
何をもって成功とするのか
まで設計していることです。
OpenAIも企業向けの実践方法として、成果とKPI、AIが利用するコンテキストやツール、権限、証拠、人間によるレビュー地点などを明確にすることを挙げています。
AIを導入するだけではなく、AIが働ける環境そのものを設計することが重要になっています。
OmochiXの見方
今回の事例で特に重要なのは、企業のAI競争が「どのモデルを使っているか」だけでは決まらなくなっていることです。
同じAIを使える企業同士でも、
AIに渡せる仕事の大きさ
社内データとの接続
ツールへのアクセス
権限と安全境界
人間による確認方法
成果を測定して改善する仕組み
によって、実際に生み出せる価値には大きな差が出る可能性があります。
これから重要になるのは、
人間が作業する → AIが補助する
だけではなく、
人間が目的を決める → AIに仕事を任せる → 人間が確認する → 成果を測る → ワークフローを改善する
という仕組みを会社の中に作れるかどうかです。
まとめ
AI先進企業になる第一歩は、高価なAIツールを大量に導入することではありません。
まず一つの業務を分解し、
AIに任せる → 人が確認する → 成果を測る → 改善する
というループを作ることです。
OpenAIが紹介したBasis、Clay、Exaの事例でも、AIを単発の質問ツールではなく、オンボーディング・営業・開発といった継続的な業務フローの一部として組み込んでいます。
AIモデルの性能が上がるほど、企業側に求められる能力も「AIを使えるか」から「AIに仕事を任せられる組織を作れるか」へ変わっていくでしょう。
OmochiXでは今後も、企業がAIを実際の業務へどう組み込み、どのように成果へつなげているのかを追っていきます。
参考情報
本記事は2026年9月4日時点のOpenAI公式情報をもとに作成しています。
- OpenAI公式｜How AI-native companies turn workflows into operating capability
- OpenAI公式｜From assistance to execution: How enterprises put AI to work
記事中の「8.3倍」はアクティブユーザー1人あたりの出力トークン数の比較であり、生産性・売上・利益が8.3倍になったことを示す数値ではありません。
