OpenAI「B2B Signals」公開――企業AI導入は“席数”から“知能の使い方”を測る段階へ

OpenAIは2026年5月6日、企業におけるAI活用の広がりを測る新しい指標群「B2B Signals」を公開した。これは、同社の経済・社会分析プロジェクト「OpenAI Signals」の企業版にあたるもので、Enterpriseアカウントの利用データを匿名化・集計し、企業内でAIがどの程度深く使われているかを観察する試みだ。重要なのは、単に「何人にライセンスを配ったか」ではなく、「従業員がAIにどれだけ複雑な仕事を任せているか」を測ろうとしている点にある。(openai.com)

B2B Signalsの中心的な発見は、AI活用の先進企業と一般的な企業の差が拡大していることだ。OpenAIは、AI利用量の95パーセンタイルに位置する企業を「frontier firms」、50パーセンタイルを「typical firm」と定義し、従業員1人あたりに生成されたトークン量を比較した。その結果、先進企業は一般的企業の3.5倍の「知能」を使っており、この差は2025年4月時点の2倍から広がったという。もっともOpenAI自身も、トークン量は事業価値そのものではなく、短い応答が高価値で長い応答が低価値の場合もあると断っている。あくまで「AIにどれだけ仕事をさせているか」の代理指標である。(openai.com)

興味深いのは、この3.5倍の差が単なるメッセージ数の多さだけでは説明できない点だ。OpenAIの分解では、先進企業と一般企業の差のうち、メッセージ量で説明できるのは36%にとどまる。残りは、より豊富な文脈を与える、より複雑なタスクを依頼する、より実質的なアウトプットを生成させるといった「活用の深さ」に由来するとされる。つまり、AI導入の成熟度は「よく質問しているか」から「業務の一部をどこまで委ねているか」へ移っている。(openai.com)

その象徴がCodexの利用差だ。B2B Signalsによると、先進企業は一般企業に比べ、従業員1人あたり16倍のCodexメッセージを送っている。ChatGPT Agent、Apps in ChatGPT、Deep Research、GPTsでも大きな差が見られ、汎用的な検索・ファイルアップロード・データ分析よりも、コーディング、複数ステップの委任、社内文脈の利用、深い調査を伴う高度なツールで差が開いている。これは、企業AIの競争力が「チャットボットを使える状態」ではなく、エージェント的なワークフローを組織に埋め込めるかどうかに移りつつあることを示している。(openai.com)

用途別に見ると、先進企業との差が最も大きいのは教育・学習で、従業員1人あたりのメッセージ数は7倍、次いでコーディングが4倍だった。AIは単なる作業短縮ツールではなく、従業員が新しいスキルやAIそのものの使い方を学ぶための基盤にもなっている。一方、企業全体で最も一般的な用途は依然として文章作成・コミュニケーションだが、部門ごとの専門化も進んでいる。たとえばIT・セキュリティでは手順案内が多く、ソフトウェア開発やデータサイエンスでは約半数がコーディング関連、財務では分析・計算の比率が目立つ。(openai.com)

業界別には、単一の「AI導入リーダー」は存在しない。B2B Signalsでは、金融・保険はChatGPTの大規模導入で上位に立ち、専門・科学・技術サービスはCodex導入とAPI利用強度で首位、教育サービスは1人あたりのメッセージ強度が高いとされる。小売やヘルスケアは他指標では必ずしも上位でない一方、API利用強度では高く、業界ごとに「広く使う」「深く使う」「製品や業務システムに組み込む」という異なる導入経路がある。(openai.com)

この流れは、OpenAIのこれまでの企業向け戦略ともつながる。2025年版の「State of Enterprise AI」では、OpenAIは100万超のビジネス顧客、700万超のChatGPT workplace seatsを抱え、ChatGPT Enterpriseの席数は前年比約9倍、Enterpriseメッセージは2024年11月以降に約8倍へ増えたと報告していた。またAPIでは、9,000超の組織が100億トークン超を処理し、約200組織が1兆トークンを超えたという。B2B Signalsは、この量的拡大の次に来る「質的な使い込み」を測るための枠組みと見られる。(cdn.openai.com)

外部調査とも問題意識は重なる。McKinseyの2025年調査では、回答企業の88%が少なくとも1機能でAIを定常利用している一方、多くはまだ実験・パイロット段階にあり、企業全体でのEBIT影響は限定的とされる。高成果企業は、ワークフロー再設計、リーダーの関与、KPI管理、人間による検証プロセスなどを重視しており、B2B Signalsが示す「深さ」「ガバナンス」「業務委任」と同じ方向を向いている。(mckinsey.com)

一方、Menlo Venturesの2025年レポートは、企業の生成AI支出が2024年の115億ドルから2025年に370億ドルへ拡大し、うち190億ドルがアプリケーション層に向かったと推計している。つまり市場全体では支出が急増しているが、支出が成果に直結するわけではない。B2B Signalsの意義は、AI投資を「購入額」や「導入席数」ではなく、実際の業務深度・部門展開・高度ツール利用で再評価しようとするところにある。(menlovc.com)

ただし、注意点もある。第一に、B2B SignalsはOpenAI製品の利用データに基づくため、企業AI全体の完全な代表値ではない。第二に、トークン量やメッセージ量は価値の代理指標であり、収益、品質、リスク低減、顧客満足などの成果を直接測るものではない。第三に、先進企業が多く使うから成果が出ているのか、成果を出せる組織だから深く使えるのかという因果関係は慎重に見る必要がある。OpenAIも、分析は匿名化・集計データに基づき、メッセージ分類は自動システムで行い、従業員が個別顧客データを確認していないと説明している。(openai.com)

今後、企業のAI導入評価は「使える状態にしたか」から「どの仕事をAIに委ね、どの成果を検証し、どのガバナンスで拡張するか」へ移るだろう。B2B Signalsが示すのは、AI格差がモデル性能だけでなく、組織設計、教育、権限管理、社内データ接続、エージェント運用の巧拙から生まれ始めているということだ。AIの導入は、もはやIT部門だけのプロジェクトではない。企業が自らの仕事の構造を測り直すための、新しい経営指標になりつつある。