OPENAI SEARCH INSIGHT

2026.09.02 / OpenAI最新情報

OpenAI、Codex活用で業務を実行可能な仕組みに変える3社の事例

この記事で分かること: OpenAIの事例から、AIエージェントを単なる支援から測定・改善できる業務実行基盤へ発展させる設計方法を知りたい。

OpenAIは、AIエージェントを既存業務に接続し、再利用可能な実行能力へ変える方法として、Basis、Clay、Exa Labsの事例を公開した。共通するのは、単に回答を得るのではなく、業務の手順、必要な文脈、利用ツール、権限、人による確認点を明確に設計している点だ。

開発者やAI導入担当者が評価すべきなのは、生成量だけではない。OpenAIは、成果物の品質、処理時間、例外、レビュー負荷、リスクを測る必要があるとする。エージェントを価値のある業務に深く接続し、検証済みの手順として反復できるかが、実用化の焦点になる。

OpenAIが示した「支援」から「実行」への差

OpenAIのEnterprise Signalsによると、AI利用量で上位10%に当たる「フロンティア企業」は、アクティブユーザー1人当たりの出力トークン数が一般的な企業の8.3倍に達した。1月時点の2.6倍から差が広がっており、企業AIの使われ方に大きな開きが生じている。

ただし、この数値は出力が多いこと自体を成功指標とするものではない。OpenAIは先行企業について、エージェントを社内の文脈やツールへ接続し、より実質的な仕事を委任し、成功した業務フローを繰り返しやすくしていると説明する。

出力量はAIへの依頼量を示しても、業務価値を直接示すものではない。日本の企業で導入効果を評価する際も、チャット回数やプロンプト数だけで判断せず、完了タスク、リードタイム、品質、コスト、売上、リスク低減といった業務結果へ指標を結び付ける必要がある。

Basis：初日オンボーディングを再利用可能なスキルへ

会計事務所向けのAIエージェントを開発するBasisでは、新入社員の初日オンボーディングにCodexと企業固有のオンボーディングスキルを用いる。ここでいうスキルは、特定ワークフロー向けに再利用できる指示とリソースのセットを指す。

OpenAIによれば、初日に従業員はCodexへすぐアクセスできる。Codexは会社の主要概念を紹介し、従業員のコンピューターを使ってバックグラウンドで統合作業の設定を進める。Basisでは、初日のオンボーディング所要時間が2時間から30分になったという。

Basisは一度実演した業務を、明確な起動条件、既知の手順、必要ツール、「完了」の定義を持つスキルへ転換した。そのため、特定担当者の空き時間に依存しにくくなる一方、例外や複雑な質問にはチームが介入できる設計となっている。

繰り返し発生する質問や例外が見つかれば、人事担当者は次の入社者グループの前にスキルを更新できる。これは固定的な自動化ではなく、例外をプロセス改善の入力として扱う運用だ。新入社員にとっても、入社直後からAIと働く具体的な型を学べる。

Clay：分散した営業文脈を持続的に更新する

GTMチーム向けの自己学習型レベニューエンジンを開発するClayは、CRM、メール、Slack、商談通話、資料、テキストメッセージ、社内チームや顧客側関係者との会話に分散する案件情報を扱う。長期のエンタープライズ営業では、こうした文脈の更新が重要になる。

ClayのGTMエンジニアは、アカウントごとの持続的なワークスペースと専用サブエージェントを試した。各サブエージェントは一次情報を確認し、夜間に案件フォルダーを更新する。朝には統括エージェントが各案件の更新をまとめ、優先して実施すべき行動を短いリストにする。

行動例としては、未回答の顧客質問への返答、購買委員会における関係者の不足の補完、見込み客が再び関与する理由の提示が挙げられる。Clayによると、この仕組みは夜間の受信箱トリアージをおよそ1時間削減する。推奨の根拠は案件ごとに近い場所へ残され、営業担当者は行動前に一次情報を確認できる。

進行中の業務をエージェントへ任せるには、一貫した情報構造、更新頻度、共有可能な根拠、人が行動時に判断する地点が必要だとOpenAIは示す。アカウント権限を前提に、営業、BDR、ソリューションエンジニア、営業責任者が同じ文脈を参照する形への拡張も想定されている。

Exa Labs：機会をテスト済みの成果物まで運ぶ

AIエージェント向けWeb検索インフラを開発するExa Labsは、検索APIを開発者が利用し得る場所へ広げる「Exa everywhere」を目標に置く。この活動では従来、開発者リレーションズ部門とアカウントチームがリポジトリーや周辺エコシステムを監視し、有望な統合機会を特定して情報を集め、複数のシステムをまたいで連携していた。

Exaは、発見から実装までの一連の流れをCodex向けに定義した。優先順位、必要な情報源へのアクセス、人による出荷前レビューを組み込み、Codexは優先度の高い統合機会の監視、文脈の収集、プルリクエスト作成、テスト実行、週次更新の準備を担う。情報源にはSlackやNotionが含まれる。

状況に応じて、チームのレビュー用に初回告知など次のアクションの下書きも作成する。信号の発見からテスト済みの成果物までをつなぐ一方、何を重要視するか、どの約束をするか、外部関係をどう扱うかは人が決定するという役割分担が明示されている。

テスト結果とレビュー点をワークフローに置くことで、出荷前にエージェントの作業を可視化できる。より影響の大きい仕事へ拡張するほど、権限、根拠、意思決定権の設計が重要になるという。自律性を先に広げるのではなく、検証と責任の境界を先に実装する考え方といえる。

実務で設計すべき6つの論点

OpenAIは、実験から拡大へ進むための出発点として、戦略優先度、システム、引き継ぎ、統制、測定可能な結果が交わる「重要な価値領域」を一つ選ぶことを勧める。頻繁に反復され、学習でき、再設計の投資に見合うエンドツーエンド業務が対象になる。

• 成果責任者、KPI、現状ベースライン、ガードレールを先に定める。
• 起動条件、期待成果、必要文脈、ツール、権限、継続性をエージェントの職務記述として書く。
• 提示すべき根拠と、人によるレビューで停止すべき地点を指定する。
• 業務成果、ドメインロジック、アクセス管理、導入、日常利用の責任者を明確にする。
• 有効だった手順と根拠をスキル、プラグイン、共有ワークスペースとして再利用可能にする。

OpenAIは用途ごとの位置付けとして、Chatを質問や迅速な協業、Workを複数ステップのナレッジワークと完成成果物、Codexを技術的実行に対応するものとして挙げる。重要なのは製品名に合わせて業務を変えることではなく、業務の責任・評価・レビュー要件に合う実行形態を選ぶことだ。

Agent Memories編集部の考察

3社の事例の技術的な新規性は、モデルに自由度の高いタスクを与えた点だけにはない。反復可能な業務を選び、状態を保持する文脈を与え、外部ツールへの接続を定義し、評価と人の承認をループに組み込んだ点にある。これはエージェントを単発の会話UIから業務システムへ近づける設計である。

日本の実務では、まず手順書が存在するのに担当者依存が残る業務を棚卸しするとよい。入社手続き、障害一次対応、営業案件の情報更新、開発者向け統合候補の調査などは候補になり得る。ただし、公式事例をそのまま適用するのではなく、自社の権限体系、監査要件、個人情報、承認責任に合わせて再設計する必要がある。

特に評価対象は「AIが何をしたか」だけでなく、「どの根拠を参照し、どの権限で、誰が最終判断したか」である。小さな実験で例外とレビュー負荷を記録し、改善されたワークフローだけを次の業務へ展開する方法が、過剰な自律化を避けつつ組織能力を蓄積する現実的な進め方になる。

よくある質問

AIエージェント導入では、まずどの指標を測るべきか

OpenAIは、責任者、KPI、ベースライン、ガードレールを定め、完了タスク、接続された文脈やツール、例外、レビュー負荷を追跡することを示している。価値の測定では、処理時間、品質、コスト、収益、リスクを業務に応じて組み合わせる。

エージェントに業務を任せると、人の確認は不要になるか

不要にはならない。Basisでは例外や複雑な質問にチームが介入し、Clayでは営業担当者が根拠を確認して行動し、Exaでは出荷前のテストと人のレビューを置く。公式事例はいずれも、人の判断を外すのではなく、判断すべき場所を明確にしている。

持続的な文脈とは何を意味するか

Clayの事例では、アカウントごとのワークスペースとサブエージェントが一次情報を定期的に確認し、案件フォルダーを更新する仕組みを指す。会話ごとに情報を渡し直すだけではなく、変化する業務の状態を一定の構造で保ち、次の行動判断へつなげる考え方だ。

技術チームはCodex活用の前に何を決めるべきか

対象業務の起動条件、完了条件、必要な情報源、利用ツール、アクセス権限、生成すべき根拠、テスト、停止・レビュー条件を定義すべきだ。Exaのようにプルリクエストやテストまで扱う場合は、外部公開やコミットメントに関する決定権も人側へ明確に残す必要がある。

まとめ

OpenAIの公開事例は、Basisが定型業務をスキル化し、Clayが分散情報を持続的な文脈として更新し、Exa Labsがツール・テスト・レビューを通じて実行へつなげる構図を示した。導入の成否は、AIの出力能力だけでなく、業務設計、根拠、権限、評価、人の意思決定を一体で実装できるかにかかる。

まずは重要で反復性のある業務を一つ選び、成果指標と例外処理を可視化する。その実験で得た文脈、評価、レビュー点、責任分担を再利用できる形で残すことが、AIエージェントを個人の効率化から組織の運用能力へ変える第一歩となる。

本カテゴリはMiraigent / Agent Memoriesによる非公式編集記事です。OpenAIとの提携・承認・後援を示すものではありません。