AI導入の進捗を「利用者数」や「ログイン率」だけで追うと、肝心の仕事の変化を見落とします。チャットを開いた人数が増えても、業務が委譲・再利用・並列化されているとは限らないからです。
OpenAIが2026年6月に公開したCodex利用研究は、エージェント導入を測る単位を「会話」から委譲した仕事へ変える必要性を示しています。企業で使える4つのKPIとして読み解きます。
1. 利用率より「委譲時間」を測る
個人ユーザーのサンプルでは、2026年5月までに80.6%が「経験者なら30分超」、70.2%が「1時間超」、25.6%が「8時間超」と推定される依頼を少なくとも1回行っていました。
重要なのは、これはAIの実行時間ではなく、同じ仕事を人が行う場合の推定時間だという点です。導入KPIも「何人が触ったか」だけでなく、30分・1時間・半日といった仕事の塊をどこまで安全に任せられたかで階層化すると、活用の深さが見えます。
2. 単発利用より「再利用率」を測る
論文では、Codex利用者の26.6%が2026年6月11日時点でSkillsを使っていました。Skillsは、複雑な手順やツール連携を再利用可能な形にしたものです。
毎回プロンプトを書き直す状態は、個人の工夫に依存しています。手順をスキル、テンプレート、検証ルールとして外部化できれば、品質の再現とチーム展開がしやすくなります。KPIには「承認済み手順から起動したタスクの比率」や「再利用された手順数」を置くのが実用的です。
3. 処理件数より「並列運用率」を測る
毎週、利用者の10%超が一度は3つ以上のCodexエージェントを同時に管理していました。これは、AIが一問一答の助手から、複数の仕事を委譲・監視する運用基盤へ変わり始めた兆候です。
ただし、並列数を増やすだけでは手戻りも増えます。実務では「同時実行数」とセットで、レビュー待ち時間、差し戻し率、重複作業率を追うべきです。生産ラインと同じで、仕掛かりを増やすこと自体は成果ではありません。
4. トークン量より「検証済み成果」を測る
2026年6月11日時点で、OpenAI社内ではCodexとChatGPTを合わせた出力トークンのうち99.8%をCodexが占めました。組織ユーザーでは63.3%、個人ユーザーでは16.5%です。エージェント型ツールへの移行度を示す数字としては興味深い一方、出力トークン量は生産性そのものではありません。
長い出力は、価値の増加にも無駄の増加にもなります。最終KPIは、受入条件を満たした成果物数、レビュー一発合格率、修正を含む完了時間、障害や再作業の削減量に結び付ける必要があります。
数字をそのまま自社目標にしない
この研究には重要な制約があります。タスク時間はLLMによる推定で、個人ユーザーの分析はデータ利用に同意したアカウントから無作為抽出した0.1%のサンプルです。またOpenAI社内は、利用制限がなく、知識共有や組織的支援が強い特殊な環境です。論文自身も一般企業の代表例ではないと明記しています。
したがって99.8%や25.6%をそのまま目標値にするのではなく、KPIの切り口を借りるのが安全です。
まとめ
エージェント導入を測る4つの視点は次の通りです。
- 利用者数ではなく、委譲できた仕事の時間
- 単発プロンプトではなく、承認済み手順の再利用
- 処理件数ではなく、レビューを含む並列運用
- トークン量ではなく、検証済み成果
AI導入の本当の転換点は、チャットを使う人が増えた時ではありません。仕事を適切な単位で任せ、再利用し、並列に進め、最後に人が検証できる運用へ変わった時です。