OPENAI SEARCH INSIGHT

2026.08.17 / OpenAI最新情報

AutoScout24、Codexで開発期間を最短2〜3日に短縮

この記事で分かること: AutoScout24 GroupがChatGPTとCodexをどの業務に導入し、開発・非技術部門にどのような変化があったのかを知りたい。

OpenAIは2026年5月12日、欧州・カナダのオンライン自動車マーケットプレイスを運営するAutoScout24 Groupが、ChatGPTとCodexを業務へ導入した事例を公開した。同社は一部プロジェクトで、従来は2〜3週間を要した開発期間を2〜3日へ短縮したとしている。

一般のChatGPT利用者にとって注目点は、AIを単発の便利ツールとして扱うのではなく、全社員への基礎的な利用機会と、専門職の業務フローへの深い組み込みを分けたことだ。OpenAIの公式発表によれば、品質確認、文書化、アイデアの試作などでAIを使い、速さと品質の両立を目指した。

AutoScout24 Groupが直面していた課題

AutoScout24 Groupは、欧州のAutoScout24とカナダのAutoTrader.caを含む複数ブランドを運営する企業だ。公式発表では、月間利用者は3,000万人超、車両掲載数は200万件超、ディーラーパートナーは4万5,000社、世界の従業員数は約2,000人と説明されている。

同社では、利用者が車を検索・比較・購入する体験と、販売店が在庫を宣伝・販売する仕組みを継続的に改善する必要があった。一方で、プロダクトへの期待の上昇、システムの複雑化、大規模な移行、古いシステムの存在、開発需要の増加が重なっていたという。

こうした環境では、小さな改善を積み重ねるだけでは十分でなく、ソフトウェアを作り、テストし、拡張する方法そのものを見直す必要があった。そこで同社は、大規模言語モデルを活用して開発プロセスを再構築する機会を探り、OpenAIをパートナーに選んだとしている。

ChatGPTを約2,000人、Codexを約1,000人へ導入

導入の特徴は、対象者と目的を分けた二層構造にある。まずChatGPTを組織全体に展開し、約2,000人の従業員にAIツールへのアクセスを提供した。部門を問わずAIの基礎的な理解と利用経験を広げることが狙いだった。

並行して、エンジニアリング、データ、プロダクトの業務にはCodexを組み込んだ。Codexは、コード作成やソフトウェア開発に関わる作業を支援するコーディングエージェントだ。公式発表によると、日常のプロセスに統合されたCodexは、約1,000人の「builder」従業員に提供された。

ここでいうbuilderは、公式記事の表現であり、開発・データ・プロダクトなど、製品や仕組みを構築する役割の従業員を指す。全員に同じ使い方を求めるのではなく、職種ごとに必要な深さでAIを使えるようにした点が、今回の取り組みの柱となっている。

3カ月の評価後、日常ワークフローへ組み込み

AutoScout24 GroupはCodexの選定にあたり、チーム横断で3カ月間の評価を実施した。公式発表では、使いやすさ、既存の業務フローとの適合性、生産性とコード品質の測定可能な改善が評価されたとしている。

重要なのは、AIを別画面で試すだけの独立したツールにせず、すでにある仕事の流れへ入れたことだ。開発者が日々扱うコードレビュー、修正、技術文書、障害後の振り返りといった業務で使うことで、AIの利用を特別な作業ではなく通常業務の一部にした。

同社は部門横断の「AI Champions」ネットワークも設けた。この役割は、経営・中央チームと現場チームの間でフィードバックを循環させ、AIの機能を実務的な利用例へ翻訳することだった。トップダウンで一律に命じるのではなく、現場で役立つ用途から利用を広げる設計といえる。

Codexで使った業務と公式発表の成果

公式発表で挙げられたCodexの主な用途は、自動化されたプルリクエストレビュー、大規模なリファクタリング、技術文書の作成、インシデント後の分析だ。プルリクエストレビューとは、コード変更を本番環境へ取り込む前に内容を確認する工程を指す。

リファクタリングは、ソフトウェアの動作を大きく変えずに内部のコード構造を整理・改善する作業だ。こうした作業は品質維持に不可欠な一方、手作業では時間を要しやすい。Codexの活用により、レビューや文書化に伴う手作業の負担を減らしたとしている。

成果としてOpenAIは、選定されたプロジェクトで開発期間が2〜3週間から2〜3日になったこと、開発の処理量が増えて反復と実験が速くなったことを示した。また、自動レビューを通じてコード品質と一貫性を高め、レビューや文書化の手作業を減らしたと説明している。

ただし、この短縮幅はすべての開発案件に当てはまる平均値として発表されたものではない。公式記事は「select projects」、すなわち一部のプロジェクトについての結果として示している。導入効果を読む際には、業務の種類、既存システム、チームの成熟度によって成果が異なり得る点に注意したい。

非エンジニアにも広がった試作の役割

AIツールの効果は開発部門だけに限られなかった。公式発表によると、技術職ではない役割の従業員も、アイデアのプロトタイプ作成や概念の検証を独力で進められるようになった。プロトタイプは、完成品の前に方向性や使い勝手を確認するための試作品である。

これにより、アイデアを最初に形にする段階で、開発チームへの依頼を待たずに検討を進められる場面が増える。AutoScout24 Groupは、組織全体でのイノベーション能力が広がり、プラットフォーム改善をより速く届けることにつながるとしている。

同社のフレデリック・クラウス最高技術責任者は、AIが変えるのは作り方だけではなく、利用者とディーラーパートナーに何を届けられるかだと説明した。反復が速くなれば、買い手にはより良い体験を、販売店には顧客への到達と成約を支える方法を提供できるという認識を示している。

今日から使うなら、利用者が押さえたい実践ポイント

個人や小規模チームがChatGPTを使う場合も、まずは繰り返し発生する作業を一つ選ぶと始めやすい。例えば、会議メモの要点整理、文書のたたき台作成、比較観点の洗い出し、作業手順の整理など、成果物を人が確認しやすい業務が候補になる。

開発者であれば、Codexのようなコーディング支援を、コードの説明、テスト観点の洗い出し、レビュー時の確認項目、技術文書の下書きなどに使う方法がある。ただし、生成されたコードや説明をそのまま採用せず、仕様、安全性、依存関係、テスト結果を人が確認する工程は欠かせない。

また、社内情報や顧客情報を扱う際は、自身の組織で定められたAI利用ルール、情報分類、承認手順を確認する必要がある。今回の公式発表はAutoScout24 Groupの事例であり、他社・他組織での利用条件、価格、提供範囲を示すものではない。

Agent Memories編集部の考察

今回の事例で実務上とくに参考になるのは、「全員にAIを触れる環境を用意すること」と「専門職の工程に深く統合すること」を同時に進めた点だ。前者だけでは試用で終わりやすく、後者だけでは知識が一部の専門チームに閉じる可能性がある。

AI Championsのように、現場の質問や成功例を集め、具体的な仕事へ落とし込む役割も重要だろう。AI導入を単なるツール配布として終わらせず、どの工程で、誰が、何を確認しながら使うのかを決めることが、継続的な利用につながると考えられる。

一方で、開発スピードの向上は自動的に信頼性を保証するものではない。AutoScout24 Group自身も、信頼性を損なわずに迅速なイノベーションを実現する課題を挙げている。速さを測る指標だけでなく、レビュー品質、障害、手戻り、利用者への影響もあわせて確認する姿勢が必要になる。

よくある質問

ChatGPTとCodexは今回、どのように使い分けられましたか？

公式発表では、ChatGPTは組織全体へ展開され、AIリテラシーの基盤づくりに使われた。一方、Codexはエンジニアリング、データ、プロダクトのワークフローへ組み込まれ、コードレビュー、リファクタリング、文書化、分析などに使われた。

開発期間が2〜3日に短縮されたのは全案件ですか？

いいえ。OpenAIの公式記事は、一部のプロジェクトで開発期間が2〜3週間から2〜3日になったと述べている。全案件、全チーム、全企業に同じ結果が出るという意味ではない。

AIがエンジニアを置き換えたという発表ですか？

そうではない。公式記事のリーダーシップに関する学びでは、既存チームの能力を「置き換える」のではなく「拡張する」ことに焦点を置くべきだとしている。人の判断や既存チームの専門性を補う形での活用が示されている。

今後、AutoScout24 Groupは何を進める予定ですか？

公式発表によると、同社は内部ワークフローと顧客向け製品の両方でAI利用を拡大する方針だ。中核システムへのより深い統合を進め、自動化と知能化を高めることに注力するとしている。ただし、個別機能の提供時期や条件は発表文には示されていない。

まとめ

AutoScout24 Groupは、ChatGPTを約2,000人へ広く提供しつつ、Codexを約1,000人の構築業務を担う従業員のプロセスへ統合した。広い利用機会と、業務に根差した専門的な活用を組み合わせたことが、同社のAI導入の特徴である。

公式発表では、コードレビューや文書化の負担軽減、品質と一貫性の改善、非技術職による試作の促進が成果として挙げられた。AIを今日の仕事に取り入れる際は、まず確認可能な小さな業務から始め、人による検証と情報管理のルールを組み合わせることが実践的な第一歩になる。

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。