企業AIの差は、ライセンスを配った数では測れません。OpenAIが2026年8月に公開した企業利用データでは、AI利用上位10%の企業は、中央値付近の企業よりアクティブユーザー1人当たりの出力トークンが8.3倍でした。1月の2.6倍から、わずか5カ月で格差が3倍以上に拡大しています。同じモデルを使っていても、「相談相手」で止める企業と「仕事を任せる」企業で差が開き始めました。
何が起きているのか
OpenAIは、企業顧客のうち月間のAI利用量が上位10%の企業を「フロンティア企業」、45〜55パーセンタイルを「一般的な企業」と定義しています。6月時点の主な数字は次の通りです。
- 1人当たり出力トークンの差：8.3倍（1月は2.6倍）
- CodexがChatGPTとCodexの合計出力トークンに占める割合：64%
- 週次Plugin利用率：上位企業21%、一般企業9%
- 週次Skill利用率：上位企業19%、一般企業3%
業種別でも差は残ります。最大はIT・情報通信業の11.7倍、最小の製造業でも5.3倍でした。AI格差は「IT企業だから」で片付けられない規模です。
本質は「チャット」から「実行」への移行
トークンを多く使えば成果が増える、という単純な話ではありません。OpenAI自身も、短い回答が大きな価値を生む場合があり、トークン量は不完全な指標だと明記しています。
それでも差が示唆するのは、AIに質問するだけでなく、複数工程の仕事を委任する企業が増えていることです。上位企業はエージェントに次の3点を与えています。
- 文脈：社内ルール、過去資料、案件の背景
- 道具：社内データ、ブラウザ、ファイル、業務アプリへの接続
- 継続性：ゴールまで反復し、途中状態を保持する仕組み
これは製造業のVモデル開発にも似ています。優秀な担当者を置くだけでは品質は安定しません。要求、設計資産、検証環境、完了条件が接続されて初めて、再現性のある成果になります。AIも同じです。
伸び率トップはエンジニアではなかった
2月以降、企業向けCodexの週次アクティブユーザーは、エンジニアで5倍に増えました。一方、法務は108倍、営業と採用は各41倍、マーケティングは26倍です。
ソフトウェア開発が先行したのは、コードという明確な文脈と、テストという合否判定があったからです。今はその設計思想が知識労働へ広がっています。つまり、非エンジニア部門で必要なのは「プロンプト研修」だけではありません。入力資料、承認条件、レビュー方法を業務フローとして整えることです。
管理職が始める4つの実装
- 業務を1つに絞る：頻度が高く、結果を人が確認できる仕事を選ぶ
- 完了条件を書く：「資料を作る」ではなく、根拠・形式・承認者まで定義する
- 権限を段階化する：閲覧、下書き、実行を分け、高リスク操作には人の承認を残す
- 成功例を標準化する：個人のコツをSkillや手順書にして、チームで再利用する
PoCを増やすより、ひとつの業務を最後まで通す方が学びは大きいです。モデルの比較表より先に、「AIがどの情報を読み、何を操作し、誰が合格を判定するか」を設計するべきです。
数字を読むときの注意
この調査はOpenAIの企業顧客における、集計・匿名化された利用データです。全企業を代表する統計ではなく、トークン量と事業成果の因果関係も証明していません。AIを多く使うから強くなるのか、もともとデジタル基盤の強い企業がAIも多く使うのかは切り分けが必要です。
それでも「アクセスを配れば変革が起きる」という考えを疑うには十分です。導入率ではなく、完了した業務、再利用できる手順、人のレビューで防げた失敗を測る方が、経営指標として健全です。
まとめ
企業AIの競争は、モデル選びから業務設計へ移っています。同じAIを持っていても、文脈・道具・継続性・検証をつなげた企業ほど「相談」から「実行」へ進めます。8.3倍という数字は性能差ではなく、組織がAIに仕事を任せる準備の差です。