AI 時代のスコアカード

各地の CFO から聞かれる問いはシンプルです。AI 支出から、どうすればより多くの価値を得られるのか。

長年、市場はソフトウェアの成功を導入状況で測ってきました。購入されたシート数、アクティブユーザー数、更新されたライセンス数です。AI の価値を理解するには、より強力な尺度が必要です。それは、達成された仕事です。

CFO やその他のビジネスリーダーが向き合う基本的な経済上の問いは、AI が完了する仕事の価値が、その仕事を生み出すコストより速く伸びるかどうかです。

その問いに答えるには、トークン当たりコストのような指標よりも深く見る必要があります。低コストのモデルはトークンが安いかもしれませんが、優れた結果を得るには試行回数や時間、人による確認が増える場合があります。より高性能なモデルはトークンが高価かもしれませんが、同じタスクを一度で完了できます。重要なのは、成功した成果を生み出す総コストを、その成果が生む価値と照らし合わせて測ることです。

AI 時代の究極のスコアカードは、「1 ドル当たりの有用なインテリジェンス」と捉えられます。この指標は、次の 4 つの重要な問いに答えます。

1. AI は重要な仕事を完了していますか。
2. 成功したタスク 1 件当たりのコストはいくらですか。
3. 人々はその結果を信頼できますか。
4. 利用が増えるほど、AI に投じた 1 ドルはより多くの価値を生みますか。

まず、仕事そのものから始めます。

AI はいくつの顧客課題の解決を支援しましたか。いくつのコード変更のリリースを支援しましたか。いくつの契約書をレビューしましたか。人々にどれだけの時間を取り戻しましたか。適切な文脈が適切な瞬間に得られたことで、どれだけの意思決定が改善されましたか。

トークンは、人々が使える仕事に変わるときに価値を生みます。モデルの能力が高まるにつれ、より長く複雑なタスクを担えるようになります。文脈を維持し、複数のステップを推論し、ツールをまたいで作業し、進行に応じて適応します。

最初に取り組むべき最適な場所は、1 つのワークフローです。「完了」とは何かを定義し、仕事が行われるシステムでその成果を測定します。

サポートチームなら、「完了」は顧客課題の解決を意味するかもしれません。エンジニアリングチームなら、テストに合格したコード変更かもしれません。法務チームなら、契約書を正確かつ期限どおりにレビューすることかもしれません。

予測レビューの準備をする財務チームを考えてみましょう。最終判断の前には、多くの作業が発生します。最新の予測を見つけ、データを Excel や Sheets に移し、変化を特定し、タブ間の整合性を取り、スライドを作り直し、すべての数字が完全に合っていることを確認します。

ChatGPT Work はそのプロセスの多くを担い、チームが重要な問いに集中する時間を増やせます。何が変わったのか。なぜか。次に何をすべきか。

これが、1 ドル当たりの有用なインテリジェンスの実践です。より多くの仕事がより速く完了し、人々は判断力、創造性、専門知識を生かすことに、より多くの時間を使えるようになります。

次の問いは、その仕事を高い品質で完了するためのコストです。

AI タスクは大きく異なります。すばやい回答なら、必要なコンピュートは少ないかもしれません。コーディング、調査、財務のワークフローでは、より深い推論、ツール利用、多くのアクションが必要になることがあります。そうした複雑なタスクはより多くのコンピュートを必要とする一方で、はるかに大きな価値を生み出せます。

モデルのレベルでは、成功したタスク当たりのコストは、価格、使用したコンピュート量、正しい結果に到達する可能性によって決まります。ビジネスにとっては、従業員の時間、人による確認、再試行、手戻りも総コストに含まれます。

計算は単純です。

• 仕事を完了する総コストを合計する
• 必要な品質基準を満たしたタスクを数える
• 総コストを成功したタスク数で割る

これが、トークン当たりの最低価格が、必ずしも成果当たりの最低コストにつながらない理由です。フロンティアモデルは、日常的な依頼であっても、一度で正しい答えを出し、再試行、待ち時間、確認、総コンピュートを減らせるなら、最も高い価値をもたらす場合があります。

階層化されたモデルファミリーは、お客様がこの方程式を最適化するための選択肢を広げます。先週リリースした GPT‑5.6 には 3 つのティアがあります。Sol は当社のフラッグシップ、Terra は性能とコストのバランスを取り、Luna は当社最速かつ最も手頃なモデルです。

これらのティアは、有用な出発点になります。最終的には、タスク全体の経済性が適切なモデルを決めるべきです。お客様は、高速で大量処理するワークフローには Luna、より深い対応が必要な仕事には Terra、少ない試行で最良の結果を得るために強い推論が有効な場合には Sol を使うことができます。

私たちは、すべてのトークンからより多くの有用な仕事を引き出せるよう GPT‑5.6 をトレーニングしました。Artificial Analysis Coding Agent Index では、最大推論に設定した GPT‑5.6 Sol が、別の有力モデルより出力トークンを 54% 少なく使いながら、新たな最先端を達成しました。下のグラフはその比較を示しています。

GPT‑5.6 ファミリー全体で、目標は同じです。1 ドル当たり、より多くの成功した仕事を生み出すことです。効率が高まると、既存のタスクはより手頃になります。能力が高まると、まったく新しい種類の仕事が可能になります。

新しいモデル世代ごとに、この方程式の両側が改善されるべきです。お客様はより価値の高い仕事を達成できるようになり、同時に、各タスクを完了するコストは下がり続けるべきです。

3 つ目の尺度は信頼性です。

AI の導入は段階的に深まっていく傾向があります。最初に、AI は下書きを支援します。次に、文脈を見つけ、ツールやデータをまたいで推論します。やがて、行動を起こし、例外に対応し、ワークフローを完了し始めます。その際、人は必要な場面で判断と制御を担います。

各段階で価値は増し、システムに求められるものも大きくなります。

信頼性には、直接的な経済価値があります。結果が正確で、根拠が明確で、一貫性があり、適切にエスカレーションされると、人々が確認、修正、やり直しに費やす時間は減ります。成功したタスクのコストは下がり、組織はより重要なワークフローで AI を使う自信を得られます。

チームは、次の 3 つの成果を追跡することで、これを具体化できます。

• そのまま使用可: 提供された結果が品質基準を満たした
• 修正が必要: 結果に再試行または人による編集が必要だった
• エスカレーションが必要: 人が介入して仕事を完了する必要があった

これらの尺度は、モデルの精度だけでは見えない、より豊かな実態を示します。AI がプロジェクト完了に必要な作業を本当に減らしているかどうかが分かります。

信頼性には、明確な境界も必要です。AI が下書きから行動へ移る前に、組織は次のことを定義する必要があります。

• システムがアクセスできるデータ
• システムが使用または変更できるシステム
• 人がアクションを確認または承認すべきタイミング

安全性、セキュリティ、プライバシー、制御は、より深い活用の基盤になります。人々は、システムがどのように振る舞い、自分たちのデータがどう扱われ、その行動がどう統制されるのかを理解する必要があります。

ChatGPT Work は、ChatGPT Enterprise のセキュリティ、プライバシー、コンプライアンス、ワークスペース管理の基盤の上に構築されています。これにより組織は、適切な監督を保ちながら、AI により多くの文脈と、より価値の高いワークフローへのアクセスを与えられます。

能力は最初の利用を勝ち取ります。信頼性は、AI を仕事の進め方の一部にします。

最後の問いは、規模が拡大したときに経済性が改善するかどうかです。

企業は、同じワークフローを時間の経過とともに追跡することで、これを測定できます。品質基準を満たしたタスク数、それらを完了する総コスト、成功したタスク当たりのコストを追跡します。品質が維持または向上するなかで、完了した仕事が総コストより速く増えるなら、AI に投じた 1 ドルはより多くの価値を生んでいます。

この方程式の中心にあるのがコンピュートです。

コンピュートは、研究と AI が完了するすべてのタスクを支えます。それは、プロダクトの品質、速度、信頼性、可用性、コストを形づくります。トレーニング用コンピュートは、将来の能力を築きます。推論用コンピュートは、今日の有用な仕事を実現します。どちらも、お客様にとってより良い成果につながるべきです。

より良いモデル、より効率的な推論、専用設計のハードウェア、高い稼働率、より賢いルーティング、より強いプロダクト設計は、いずれもコンピュートのリターンを高めます。インフラの各世代は、より高性能なモデルのトレーニングを支えます。その後、より良いアルゴリズム、ハードウェア、ソフトウェアが、それらのモデルをより効率的に提供する助けになります。

お客様は、それらの改善を人間にとって意味のある形で体験します。より良い回答、より速い結果、より少ない修正、より信頼できるプロダクト、そして必要な仕事を完了するためのより低いコストです。

こうした効果は複利のように積み上がります。より良いインフラは研究を加速します。研究は、より高性能で効率的なモデルを生み出します。より良いモデルはプロダクトを改善します。より良いプロダクトは、導入、学習、収益を促進します。その成長が、次世代の研究、コンピュート、展開、安全性への継続的な投資を支えます。

OpenAI は、1 つの共有インテリジェンスプラットフォームを通じて、これらの要素を結び付けています。人々は ChatGPT と ChatGPT Work を通じてそれを利用します。開発者は Codex と API を通じてそれを使って構築します。企業は、仕事が行われるシステムにそれを展開します。

1 つの層が改善されると、すべてのプロダクトとお客様が恩恵を受けられます。

これら 4 つの尺度を合わせることで、1 ドル当たりの有用なインテリジェンスが改善しているかどうかが分かります。

有用な仕事は、AI が何を生み出すかを示します。成功したタスク当たりのコストは、成果に到達するために何が必要かを示します。信頼性は、人々が自信を持って使える仕事の割合を示します。規模に伴う価値は、各ドルと各コンピュート単位が、時間とともにより多くを達成するかどうかを示します。

目標は、人々がより意味のある仕事を行い、より良い意思決定を下し、人間ならではの判断力と創造性が必要な仕事の部分により多くの時間を使えるよう支援する AI です。

私たちの仕事は、世代を重ねるごとにこの方程式を改善することです。より高性能なモデル、より速く信頼性の高い結果、そしてお客様が必要とする仕事のコスト低減です。

そうして AI は、時間とともに、より多くの人々や組織にとってさらに有用なものになります。