OpenAIのデータによると、上位のエンタープライズユーザーは再利用可能なAIスキルを6倍の頻度で採用している

Why it matters

For startup operators, OpenAI's data suggests repeatable agent workflows depend on shared instructions, controlled access and review systems. The findings come from OpenAI's own customers, and output tokens say little about ROI.

OpenAI, led by co-founder and CEO Sam Altman (@sama), published two studies on August 12 arguing that the enterprise AI divide is increasingly determined by how companies organize work around agents. Its heaviest users adopt reusable skills roughly six times as often as typical customers and use Plugins at over twice the rate, according to OpenAI's announcement.

OpenAI on X

起業家や独立した運営者にとって、これらの報告は展開のための実務的なプレイブックを提供するが、重要な制約がある。それは、これが独立したあるいはベンダー横断的な企業AI研究ではなく、OpenAI自身の顧客テレメトリに基づく分析であることだ。

Altman studied computer science at Stanford for two years before leaving to co-found Loopt, a location-based social-networking company. He later went from founder to seed investor and president of Y Combinator. In a 2018 YC interview, he described missing the intensity of operating while he was investing from the sidelines. OpenAI's latest enterprise research carries that operator's focus: access to a powerful model is treated as the starting condition, while repeatable deployment is the work.

その枠組みはまたOpenAIの商業戦略にも資する。報告はChatGPT Work、Codex、Plugins、skills and connected appsを企業エージェントのためのオペレーティングシステムの一部として提示している。OpenAIは、顧客が孤立した会話を越えて、エージェントに指示、企業データ、複数ステップの業務を完了するために必要なツールを与えるよう促している。

What the usage gap measures

OpenAI's Enterprise Signals report divides customers into two groups. "Frontier firms" are the top 10% each month by output tokens generated per active user. "Typical firms" sit between the 45th and 55th percentiles.

この尺度によれば、frontier firmsは6月にtypical firmsのアクティブユーザー当たりの出力トークン量の8.3倍を生成しており、これは1月の2.6倍のギャップから拡大している。この結果は、重度の利用者が同定に使われた指標でさらに差を広げていることを示すが、彼らがより良い成果を出しているとか、より高いリターンを得ていることを確立するものではない。

OpenAIはその制約を認めている。長い応答がほとんど価値を持たない場合もあれば、短い応答が高額な問題を解決する場合もある。トークン量はユーザーがAIに任せる仕事の量の代理指標であり、長いエージェント課題は短いチャットのやり取りよりも自然と多くのトークンを生む。

能力（capability）のデータはより有益な区別を提供する。毎週のアクティブユーザーのうち、frontier firmsでは21%がPluginsを使用し、typical firmsでは9%だった。繰り返し行う作業のための再利用可能な指示をパッケージ化するskillsは、frontier firmsで19%、typical firmsで3%に達した。OpenAIは自社のアクティブ従業員の95%が毎週Pluginsを使用していると述べており、これは顧客に対する目標値も兼ねている。

例えば、営業用のPluginは企業のプレイブックを顧客関係管理システムへのアクセスと組み合わせることができる。エージェントはアカウント履歴を取得し、過去の提案を参照し、レビュアーが検討するためのカスタマイズされた応答を準備することができる。このワークフローは有用な知識を従業員の個人的なプロンプト履歴から共有プロセスへと移す。

それがOpenAIの中心的なプロダクト賭けである。持続的なエンタープライズ層は、モデルの周りに置かれる権限、統合、再利用可能な指示、レビューシステムから構築されるだろう。OpenAIは自社の顧客テレメトリを用いて経営陣に何を購入すべきか、展開チームに何を構築すべきかを伝えている。

Codex moves outside engineering

Codex generated 64% of the combined Codex and ChatGPT output tokens among OpenAI's enterprise customers in June. That figure reflects both adoption and the greater volume produced by agents completing longer tasks, so it cannot be read as a simple share of users or assignments.

方向性は明瞭だ。OpenAIによれば、2月以降、毎週アクティブな企業向けCodexユーザーは法務で108倍、営業で41倍、採用で41倍、マーケティングで26倍に増加した。エンジニアリングは既により確立されたベースから5倍に成長した。

OpenAIのより広範なEnterprise Signals analysisは1000万件以上のメッセージに基づき、コーディングとシステムおよびエージェント運用がエージェント関連メッセージのほぼ4分の3を占めることを示している。採用ではシステムとエージェント運用がエージェント関連メッセージの32%、営業で26%、ポリシーで25%、コミュニケーションで24%を占める。

この採用パターンは、Codexを開発者専用製品にとどめないというAltmanの推進を支持する。企業の成長は、同じ実行ツールを弁護士、採用担当者、マーケター、ファイナンスチームの前に配置することにますます依存している。

A workforce study with a different lens

OpenAI published a companion working paper, "How Organizations Use AI: Evidence from ChatGPT", examining account records, worker roles, message classifications and public-company financial data through March 2026.

論文のworker-characteristics sampleは1,764組織と17,446,551件のメッセージをカバーしている。研究者らは匿名化されたデータを使用し、職務名を広いカテゴリにマップし、メッセージ内容を自動で分類した；個々のメッセージを手動でレビューすることはしなかった。採用から6か月時点で、early-career workers and trainees sent roughly eight to nine more messages per week than the average active user within the same firm. 管理職はより少ないメッセージを送ったが、論文はグループ間の13メッセージの差を報告していない。

論文はまた、US public companies adopting ChatGPT Enterprise tended to be larger, employ more people and spend more on research and development than companies without a ChatGPT Enterprise ticker match. 比較対象群をChatGPT Enterpriseを使っていない企業と見なすべきではない、という制約を研究者ら自身が認めている。これらの特性は、AIへのアクセス自体がより強い企業を生み出すという主張を複雑にする。すでに資本、技術スタッフ、経営能力を備えた組織は、AIを深く採用するのが容易かもしれない。

Enterprise Signalsにも関連する制約がある。OpenAIはすでに自社の製品に対して支払っている顧客を分析しており、その結果はOpenAIの顧客基盤内での採用の研究であって、全企業市場のベンチマークではない。レポートの集約された方法論は、frontierとtypicalの顧客コホートの規模と構成を特定していないことも残している。

OpenAI's enterprise playbook

The reports give operators a practical sequence: find employees already building effective workflows, connect agents to approved data and tools, define where people must review decisions, and convert successful experiments into shared systems. Governance becomes part of deployment because agents with access to customer records, financial systems or internal communications require explicit boundaries and auditable actions.

スタートアップチームにとって有益な教訓は比較的なものではなく、運用面のものだ。共有指示、制御されたアクセス、レビュー手順は、有効な従業員の実験を再現可能な社内プロセスへと変えられるが、OpenAIのデータはこれらの実践が収益や生産性を向上させることを示してはいない。

OpenAIにとって、この研究はモデルアクセスの販売から、企業がAI作業を構成し監督する層を所有する方向への大きなシフトを支持する。OpenAIの3月31日の資金調達は $122 billion at an $852 billion post-money valuationをもたらしたとOpenAIは述べており、その資本はエンタープライズ配布と継続利用に関する商業的な賭けを高めた。

新データで最も強い結果は組織行動のギャップである。同じモデルへのアクセスを購入している企業が、明確に異なる使用パターンを生み出している。重度の利用者は知識をskillsにパッケージ化し、エージェントを運用システムに接続し、作業方法をチーム全体に広げている。これらの習慣が収益、品質、労働生産性に対応する利得を生み出すかどうかは、研究の証拠の範囲外にある。OpenAIは使用がどこで複利的に増えるかを示した。顧客は依然として価値がどこにあるかを証明しなければならない。