「で、効果は出てるの?」に答える——OpenAIが管理画面に“何に使ったか”と“何が変わったか”を載せた

要点

• OpenAIが2026年9月16日、ChatGPT管理コンソールの分析機能の使い方をまとめた記事を公開した。対象は ChatGPT Work と Codex。管理者と事業責任者が「どこで価値が生まれ、次にどこへ投資するか」を判断するための道具立てとして説明されている
• 中身は3層。Usage（利用量と費用）／Insights（何の仕事に使われたか）／Outcomes（成果への寄与）
• タスク分類器が入った。メッセージの一部をサンプリングして、ユースケースとタスクに分類する。例として「ソフトウェアエンジニアリング＝機能開発・コード保守」「営業＝アカウント調査と計画立案」が挙げられている
• タスクの詳細では、モデル・推論設定・速度の別に、クレジットの内訳が見える。「この仕事にこの設定は妥当か」を確かめ、モデル選択の研修をどこに当てるかを決めるために使う、という説明
• プラグイン利用状況とスキル一覧も見える。関連するプラグインの利用が少なければ、権限の問題か教育の問題。よく使われるスキルには管理者と更新の担当を置く、とされている
• Outcomes は Codex 向け。マージされたコミットとコード行数のうち Codex が関与した割合、コードレビューの動きを追える
• Admin プラグインと Admin API。管理者は ChatGPT Work の中で利用状況を比較し、経営向けの資料にまとめられる。API 経由で自社ダッシュボードに取り込み、業務システムのデータと突き合わせることもできる
• 記事には ROI の試算例が載っているが、すべて仮定の数字と明記されている（後述）
• 事業データは既定ではモデルの学習に使われない、と改めて記載されている

何が新しいのか

機能そのものより、問いの立て方が変わった点が重要です。

これまで社内のAI利用状況として見られたのは、だいたい「アカウント数」と「アクティブユーザー数」でした。増えていれば良し、減っていれば梃入れ。しかしこの数字は、その利用が仕事の役に立っているかを何も教えてくれません。

今回の内容は、そこに二段階を足しています。ひとつは「何の仕事に使われたか」。タスク分類器が、メッセージを業務のカテゴリに割り振ります。もうひとつは「それで何が変わったか」。Codex についてはマージされたコードへの寄与という形で、製品側が直接計測します。

そしてOpenAI自身が、製品だけでは完結しないと書いています。利用データとタスクデータは「管理者が事業責任者と一緒に価値を調べるための出発点」であり、事業責任者の側が「業務のどこが変わり、結果が良くなったか、その改善はいくらの価値か」という文脈を足す必要がある、という整理です。

ここは正直な記述だと思います。効果測定は管理画面の中では終わらないと、作った側が言っている。

仕組み

1. Usage — どこで使われ、どこにお金がかかっているか

ChatGPT Work と Codex を横断して、アクティブユーザー・クレジット・トークン利用量をまとめて見る画面です。グループやユーザーで絞り込めます。

使い方として挙げられているのは、導入が進んでいない部署を見つけ、その部署の責任者と「最初に手を付ける業務」と「研修の必要性」を話すという流れです。利用量の可視化を、予算管理ではなく支援先の特定に使う、という発想です。

2. Insights — 何の仕事に使われているか

タスク分類器が、メッセージのサンプルをユースケースとタスクに分類します。Overview タブで仕事の構成比を俯瞰し、Use cases タブでタスク別の内訳（クレジット・メッセージ数・アクティブユーザー数）を見ます。

記事の例では、ある営業チームでアカウント調査と計画立案が最大のクレジット消費でした。これを「営業の事前準備がAIでどう変わったか」を議論する起点にする、という使い方が示されています。

タスクの詳細画面では、モデル・推論設定（Reasoning）・速度（Speed）ごとのクレジット内訳が出ます。挙げられている例は、定型のブリーフなら、より速い・より安い設定で試し、品質と、確認・修正にかかる時間を比べてみるというものです。

3. Outcomes — 成果にどう効いたか（現時点では Codex）

マージされたコミット数とコード行数のうち、Codex が寄与した割合。加えてコードレビューの動き。グループ・ユーザー・リポジトリで絞れます。

ここでOpenAIが添えている読み方が実務的です。Codex の寄与割合が伸びているなら、その推移をレビュー時間・不具合・手戻りと並べて見る。そうして初めて「速く出せるようになったか」が判断できる、という趣旨です。出力量だけ見ないという釘の刺し方です。

4. Admin プラグインと Admin API

管理者は ChatGPT Work の中で、部署別の利用・費用・タスクを比較し、そのまま報告資料にできます。記事では、グラフと要点と次の一手を入れた経営向けスライドを作る例が挙げられています。

API では自社ダッシュボードへの取り込みと自動レポート化。例として、クレジット利用とサポートチケットの解決時間を並べて表示するダッシュボードが挙がっています。

5. 外部からの評価

Datadog の AI プロダクトマネージャー Bharadwaj Tanikella 氏のコメントが載っています。OpenAI のタスク分類を、同社のAIエージェント監視製品 Agent Console の中で使い、顧客のエージェントがどんな仕事をしているかを示している、という内容です。

6. ROI の試算例（すべて仮定の数字）

記事には営業のアカウント調査を題材にした試算が載っています。20人の営業が週2本のブリーフを作り、1本あたり3時間短縮、年46週で 5,520時間。そのうち50%が生産的な業務に回り、人件費を時給75ドルとすると 207,000ドルの余力価値。初年度コストをAI・導入・研修・運用サポート込みで60,000ドルと置くと、245%という計算です。

ただし記事は「すべて仮定の数字」「勝率向上や案件規模拡大などの効果は含まない」と明記しています。また顧客事例として 1Password（Codex で 553% の ROI と年間80万ドルの開発余力価値を同社が見積もっている）、ATV Big Air Tour（イベント掲載情報の確認が週8時間から1時間へ、在庫関連の作業が2〜3日から2〜3時間へ）、Playco（GPT‑6 Astra で手作業の修正が従来モデル比50%減）が挙げられています。いずれも各社の申告値です。

企業のAI活用にとっての意味

1. 「利用率」を追うのをやめる時期に来ている。

AI導入の社内報告が「アカウント配布数」と「月間アクティブ率」で終わっている会社は多いはずです。これは測りやすいから測っているだけで、経営が知りたいことではありません。

今回示された3層——使った量／使った仕事／変わった結果——のうち、日本の会社が今すぐ真似できるのは2層目です。ツールが無くても、部署ごとに「AIを何の仕事に使っているか」を5つ程度のタスク名で棚卸しすれば、それだけで議論の解像度が変わります。使っている仕事が分かれば、次に研修を当てる場所も決まります。

2. 効果測定の主語は、情報システム部門ではない。

OpenAI自身が「管理者と事業責任者が一緒にやる」と書いている点は、そのまま日本の会社の急所です。多くの場合、AI推進はIT部門か経営企画に置かれ、効果測定もそこが担わされます。

しかし「その業務の何が良くなったのか」「それはいくらの価値か」に答えられるのは、その業務を持っている部門長だけです。推進側の仕事は、数字を出すことではなく、部門長に問いを渡して答えてもらう場を作ることです。ここを設計していない限り、レポートは作られても意思決定には使われません。

3. 測る順番は「時間」ではなく「何を良くしたいか」から。

記事が挙げている5つの問いは、そのまま社内で使えます。①何を良くしたいか ②今のやり方はどうなっているか ③AIで何が変わるか ④それで何が可能になるか ⑤投資に見合うか。

特に③に付いている条件が重要です。確認と修正にかかった時間も含めて比べること。AIで下書きが10分でできても、手直しに50分かかっていれば、短縮したことになりません。この一行を測定ルールに入れておくだけで、社内の「AIで効率化しました」報告の精度は上がります。

4. ROIの数字は、そのまま使わない。

245%、553%といった数字が並びますが、記事自身が仮定値・自己申告値だと断っています。これを自社の稟議に転記するのは危険です。

一方で、計算の構造は借りる価値があります。〈対象人数 × 頻度 × 1回あたりの短縮時間 × 年間稼働週〉で年間時間を出し、そのうち何割が実際に価値ある仕事に回ったかを掛け、人件費単価を当て、導入・研修・運用のコストと比べる。この「何割が実際に回ったか」を正直に置けるかどうかが、使える試算と絵に描いた餅の分かれ目です。多くの現場では、この係数は控えめに置くのが妥当です。

5. 「よく使われているスキル」に、持ち主を決める。

地味ですが効く指摘が入っています。よく使われているスキルには、明確な担当者と定期更新が要る。

社内でうまくいったプロンプトや指示ファイルは、たいてい作った人の手元に留まり、更新されないまま古くなります。業務が変われば中身も変わるべきなのに、誰も直さない。社内で流通しているAIの型に、持ち主と更新日を付ける。これは製品を待たずに今日できることで、AI活用が個人技で終わるか組織の資産になるかを分けます。

※本記事の内容と数値は、すべてOpenAIが公開した発表資料の記述に基づきます。記事中のROI試算はOpenAIが仮定値として示したもので、実際の効果を保証するものではありません。顧客事例の数値は各社の申告値です。利用可能な機能・プラン・地域の範囲は一次情報および自社の契約内容をご確認ください。

※ この記事は海外の一次情報（発表元の公式発信）のみを出典とし、内容を確認のうえ掲載しています。