OPENAI SEARCH INSIGHT

2026.09.26 / OpenAI最新情報

CodexとGPT-Live-1でProactionが商談デモを高速化

この記事で分かること: OpenAIのCodexや音声・マルチモーダルモデルを、営業デモ作成と車両管理業務のエージェント化にどう活用したのかを知りたい。

OpenAIは2026年9月25日、車両フリート管理ソフトウェアを手掛けるProactionのCodex活用事例を公開した。Proactionは、商談相手ごとの車両・業務フローを反映したHTMLデモを営業側で作成し、開発チームを介さずに提案を進める運用を構築したとしている。

同社の共同創業者兼COOであるColin Knudsen氏によると、Codexで作るカスタムのインタラクティブデモは月4〜6件、1件当たり30〜45分で作成できるという。開発者が同等のデモを作る場合と比べ、月40〜60時間のエンジニアリング作業を回避できるとの試算を示した。

OpenAIが公開したProactionのCodex導入事例

Proactionは、乗用車、トラック、建設機械などを保有・運用する事業者向けにソフトウェアを提供する企業である。フリートの構成や現場の業務手順は顧客ごとに異なるため、自社プラットフォームが個別の業務にどう適合するかを示すことが、販売において重要だった。

従来、顧客別に最適化したデモの作成には、十分に確保できないエンジニアリング時間が必要だったという。そのため創業者らは、会話やスライド資料を中心に提供可能な機能を説明していた。OpenAIの公式記事は、Codexの導入がこの販売プロセスを変えたと説明している。

Knudsen氏は、技術職ではない立場からデモを必要とする際、以前はエンジニアを巻き込む必要があったが、現在はCodexで自ら作成できると述べた。ここでのポイントは、単なる文章生成ではなく、商談文脈を基に顧客固有の操作可能なHTMLデモ環境を組み立てる用途にCodexを使っている点にある。

商談情報から顧客別HTMLデモを作る仕組み

公式発表によると、営業電話の後、Knudsen氏はCodexにGranolaの記録、見込み顧客とのメールスレッド、顧客から共有されたスプレッドシートを参照させる。Codexはその文脈を用い、Proactionの製品と顧客自身のフリートを模したHTMLデモ環境をカスタマイズする。

画面共有時、見込み顧客には自社の車、トラック、機材が、自らの業務に沿った形で表示される。顧客は調整が必要な点を指摘し、提案の完成形を営業担当者と共同で詰められる。Proactionは、こうした過程をエンジニアを関与させずに進められるとしている。

個別データを使ったデモは、見込み顧客が次の段階へ進む具体的な判断材料になる。Knudsen氏の推計では、初期接点から、継続的な育成対象ではなくソリューション開発へ進む案件の割合は、カスタムデモにより50〜60%増加した。これはProaction側の推計であり、OpenAIが第三者検証した効果値として示したものではない。

デモから本番開発への引き継ぎも短縮

Proactionでは、エンジニアが比較可能なデモを作成するなら1件当たり約10時間を要するとKnudsen氏は見積もる。毎月4〜6件のデモを作る運用では、営業デモ用途だけで40〜60時間の開発工数を別の業務へ振り向けられる計算になる。

時間短縮は商談のフロント側に限らない。見込み顧客が顧客になった後、Knudsen氏はカスタムデモを視覚的な参照資料としてエンジニアに渡す。何を作るべきかに関する質問や往復が減り、要件の解像度を高めた状態で開発へ引き継ぐ狙いがある。

同社はCodexを使い、見込み顧客がログインして自社向けのワークフローや営業資料を確認できる顧客向けソリューションセンターも構築した。非エンジニアのチームメンバーも顧客との会話をより明確な要件に変換でき、エンジニアの参加時点で具体像を共有しやすくなるという。

Codexを営業・支援・プロダクト業務の接点に置く

Knudsen氏の日常業務は営業、カスタマーサポート、プロダクトマネジメントにまたがる。ProactionはGranola、Gmail、Slack、Linear、GitHub、HubSpotなどのツール向けCodexプラグインを通じ、顧客文脈を集約してCodex内で作業を進める運用を紹介している。

具体的には、通話文字起こしやメール履歴を基にしたフォローアップの準備、Linearの課題作成、HubSpotの商談情報更新を行う。また、直近の通話を確認して営業チーム向け更新情報を準備する、スケジュール実行の自動化も設定したという。

同氏は1日に15〜20種類のタスクがあると見積もり、Codexによって月25〜33時間を節約できると考えている。公式記事で述べられた数値は同氏の見積もりであり、導入企業や既存の業務設計によって同じ時間削減が得られることを意味するものではない。

GPT-Live-1とGPT-6 Astraによる車両運用エージェント

Proactionは販売支援だけでなく、自社プラットフォームでもOpenAIモデルを利用している。顧客が車両不具合の報告とともに写真を提出した際には、ChatGPT-5.6 Solが損傷の特定を支援する。またGPT-Live-1を用い、フリート運用の日常業務をさらに担うエージェントを開発している。

同社はこの構想を「Managed Execution Layer」と呼ぶ。顧客は通行料金や整備などを専門エージェントに依頼でき、適切なエージェントを自動的に動かすワークフローも設定できる。これらのエージェントは、GPT-Live-1やGPT-6 Astraを含むモデルを使い、音声通話、文書・画像の確認、テキスト分析、チャット応答を行う。

保守調整を担う「Marty」は、運転者から問題を聞き取り、修理工場へ電話し、整備を手配した上で、見積もりの承認・支払いを支援するよう設計されている。人による確認または介入が必要な場合にはProactionのチームが対応するとしており、完全無監督の自律実行を示す説明ではない。

プロダクト責任者のDanny O’Halloran氏は、GPT-6 Astraのcomputer-use実行はより簡潔で、ChatGPT-5.6 Solでは同じ作業の実行により長い処理が必要だったと述べた。公式発表には、各モデルの一般提供時期、料金、利用可能な地域・プランなどの条件は記載されていない。

Agent Memories編集部の考察

この事例で実務上評価すべきなのは、生成AIを「営業資料を速く書くツール」にとどめず、商談の一次情報を顧客別の操作可能な試作品へ変換する工程に組み込んだことだ。会話記録、メール、表計算データを横断し、提案・要件定義・開発引き継ぎを一本の成果物でつなげている。

日本の開発組織が同様の運用を検討する場合、最初に確認すべきはデモ生成速度ではなく、外部入力の統制である。商談録音、メール、車両情報、顧客共有ファイルには機密情報や個人情報が含まれ得る。参照を許可するデータ、アクセス権、保存先、出力物のレビュー責任を工程ごとに定める必要がある。

また、HTMLデモを本番仕様や正式見積もりと混同させないガバナンスも重要になる。デモで表現した機能、連携、画面、ワークフローが実装確約を意味するのかを明示し、営業・プロダクト・開発の承認境界を設けたい。「見せられるもの」と「提供を約束できるもの」を分離する設計が、導入後の手戻りを左右する。

音声エージェントでは、発信、予約、見積もり承認、支払い支援といった行為ごとに権限を分解するのが現実的だろう。特に対外通話や金銭に関わる処理は、実行前後の監査記録、人へのエスカレーション条件、例外時の停止手順を先に設計してから自動化範囲を広げるべきである。

よくある質問

ProactionはCodexで何を作成しているのか

OpenAIの公式記事によれば、営業後に得た通話記録、メール、スプレッドシートなどを基に、見込み顧客の車両や業務フローを反映するカスタムHTMLデモを作成している。加えて、顧客向けソリューションセンターの構築にもCodexを利用したとしている。

60%という数値は何を示すのか

公式記事の英語タイトルは売上の60%向上を掲げる。一方、本文で具体的に説明される数値は、初期接点からソリューション開発へ進む案件割合が50〜60%増えたというKnudsen氏の推計である。売上算定の方法や期間は、提示された公式本文では確認できない。

GPT-Live-1とGPT-6 Astraはどの業務に使われるのか

Proactionは、車両運用を支援するエージェントでこれらのモデルを使用する。エージェントは音声通話、文書・画像の確認、テキスト分析、チャット応答を行うとされる。GPT-6 Astraは、顧客向け体験をより速く構築する用途でも言及されている。

導入すれば非エンジニアだけで本番開発まで完結するのか

公式事例は、主に顧客別デモ作成や要件の明確化において、エンジニア関与を減らした事例である。本番実装を非エンジニアだけで完結できるとは述べていない。Proaction自身も、作業に人のレビューや介入が必要な場合にはチームが対応すると説明している。

まとめ

OpenAIの公式発表では、ProactionはCodexを使って商談情報から顧客別デモを作り、営業と開発の間にある要件伝達の摩擦を減らしている。月40〜60時間の開発工数回避や案件移行率の変化は同社関係者の推計だが、AI活用を具体的な業務成果物へ接続する実装例として注目される。

開発者・AI専門職にとっての論点は、モデル性能だけではない。顧客文脈を取り込む接続設計、デモの品質保証、権限管理、人手介入の基準をどう一体化するかが重要になる。Proactionの事例は、AIを営業支援と業務実行の両方に広げる際の運用設計を検討する材料となる。

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。