OpenAI の目標は、AI を今後さらに利用しやすく、高性能で、手頃な価格にしていくことです。GPT‑4 から GPT‑5.4 にかけて、1,000,000 トークンあたりの価格は 97% 低下しました。GPT‑5.6 はその進歩をさらに推し進め、出力トークン数を 54 % 削減し、タスクあたりの所要時間を 57 % 短縮しながら、「Artificial Analysis Coding Agent Index」でより優れたパフォーマンスを実現しています。
しかし、トークン価格だけでは、AIが価値を生み出しているかどうかは分かりません。リーダー層は、1ドルあたりの有効な仕事に注目すべきです。完了したタスク、節約した時間、改善された意思決定、そして拡張可能なワークフローを指します。
チームがチャットから、より長時間にわたるワークフローへと移行するにつれて、管理者は需要、支出、リスクをより明確に把握する必要があります。
自信を持って投資するための5つの方法をご紹介します。
企業のリーダーは、AIの利用状況を明確に把握することが必要です。誰が利用しているのか、どの製品やモデルを使っているのか、どの程度のキャパシティを消費しているのか、そしてその利用がどのような業務を支えているのかを把握しなければなりません。その可視性がなければ、増え続ける請求額を把握するのは困難です。それは、無駄、生産的な試行、または業務上不可欠になりつつあるワークフローを反映している可能性があります。
ChatGPT ワーク は、長時間にわたる複数ステップのタスクをサポートしているため、利用量はワークフローによって大きく異なる場合があります。管理者は、消費されたクレジットだけでなく、その使用量の背景にある作業内容を確認できる必要があります。これは、ChatGPT 全体の需要を共有して把握できることによって実現しています。更新された使用状況分析と支出管理により、管理コンソール（新しいウィンドウで開く）で管理者は、ユーザー、製品、モデル別の導入状況、クレジット使用量、支出を把握し、経時的な傾向を追跡し、新たなパターンを特定し、利用状況が広範な導入、パワーユーザーのワークフロー、または追加投資に値する可能性のある反復的なビジネスプロセスを反映している場合を理解できます。
異なる視点からのインサイトは、投資や支援に関する意思決定の指針となります。
- ワークスペース：導入状況と支出は連動していますか？
- チームとユーザー：需要はどこで高まっており、誰がさらなるサポートを必要としている可能性がありますか？
- プロダクトとモデル。より高価な応答性能はどこで使われており、その需要は持続していますか？
これらのビューを組み合わせることで、管理者はどこに投資し、指導し、制限を設けるべきか判断できます。
トークン単価が最も低くても、必ずしも総コストが最も低くなるとは限りません。より安価なモデルでは、失敗したり、再試行が発生したり、修正が必要な成果物を生成したりする場合があります。より高性能なモデルは、トークンあたりのコストが高くなる場合がありますが、試行回数とレビュー作業を抑えながら、より短時間で許容可能な結果に到達できることがあります。
モデルの評価は、モデルが実行すべき作業に基づいて行います。エッジケースも含め、実際のタスクを反映した評価を使用し、テスト前に「十分に良い」の基準を定義します。次に、その基準に到達するための総コストを、モデルとツールの使用量、試行回数、完了率、レイテンシ、人によるレビューを含めて測定します。
優先度の高いワークフローでは、 採用された成果 1 件あたりのコストを追跡します。カスタマーサポートでは、それは解決済みのケースかもしれません。エンジニアリングでは、テスト済みでレビューを通過した変更かもしれません。そのコストを、節約できた時間、短縮されたサイクルタイム、守られた収益、回避されたリスク、創出されたキャパシティなどのビジネス価値と結び付けて示します。
モデルの選択は、全体の一部にすぎません。明確な指示、目的に特化したツール、再利用可能なコンテキスト、明示的な停止条件により、ループや無駄な支出を削減できます。目標は、タスクに合わせてモデルとワークフローを適切に選択することです。品質基準を満たす場合は、小規模または高速なモデルを使用し、複雑で曖昧な作業やリスクの高い作業にはフロンティア応答性能を割り当てます。
企業のリーダーは、ガバナンスを、どの AI の取り組みを拡大できるかを決定する運用レイヤーとして捉えるべきです。実務として行うべきことは、ChatGPT が利用できるコンテキスト、アクセスできるツール、実行できるアクション、リスクの高い手順を誰が承認するか、そしてチームが価値あるワークフローを見いだした際に追加のキャパシティをどのように付与するかを定義することです。
チームがプラグイン、コネクター、コンピューター使用、そしてエンタープライズシステム全体で動作可能なその他のフロンティア機能を導入するにつれて、これがますます重要になります。ChatGPT ワーク は、アクセス、承認済みコンテキスト、接続済みツール、許可されたアクション、利用状況、支出に関する一元的な管理機能を管理者に提供します。ワークスペースのデフォルト設定、グループ制限、個別の上書き設定、プロジェクトの背景情報を含むレビューリクエストなどの支出管理により、リーダーは制限を広範に引き上げることなく、価値の高い業務を支援できます。
優先度の高いデプロイメントでは、OpenAI の AI デプロイメントエンジニア（新しいウィンドウで開く）が、評価（evals）、アーキテクチャ、レイテンシ、信頼性、ワークフロー設計についてお客様と直接連携し、パフォーマンスとコスト効率の両方を向上させます。プライバシーとガバナンスは、その取り組みの開始時から組み込むべきです。機密性の高いワークフローは、拡大する前に、適切なアクセス制御、データ保持に関する方針、コンプライアンス状況の可視性、承認経路を備えている必要があります。該当する場合、ゼロデータ保持（新しいウィンドウで開く）オプションを含む OpenAI のエンタープライズ向けプライバシー管理機能は、高信頼環境での AI 導入に役立ちます。
企業のリーダーは、AI投資をポートフォリオとして管理すべきです：日常的な生産性向上のための幅広いアクセス、反復作業を改善する機能別ワークフロー、そして自社固有のコンテキストに基づく少数の戦略的な重点投資から成ります。最も有望な候補となるのは、有意な規模で繰り返され、担当責任が明確で、品質、リスク、ビジネス価値を測定できるワークフローです。
資金提供は成熟度に応じて行われるべきです。探索では、モデルがそのタスクに対応できるかどうかをテストすべきです。検証では、明確な品質基準に照らして代表的なケースをテストすべきです。本番運用への資金投入は、拡張に必要な統合、統制、信頼性、変更管理を支えるものであるべきです。ID、信頼済みコネクタ、キュレーションされたナレッジ、評価、オブザーバビリティ、モデルルーティング、再利用可能なエージェントパターンなどの共通機能には、一元的に予算を割り当てるべきです。そうすることで、新しいワークフローを立ち上げるたびに、より容易かつ安全に行えるようになります。
ワークフローの価値が実証されたら、リーダーはその需要に合わせてプロダクト、キャパシティ、サポートモデルを調整する必要があります。ChatGPT ワーク は、チャット、コーディング、エージェント型ワークフロー、コネクター、プラグイン、Computer Use、管理に対応する、すぐに使える機能を提供します。企業は、それらの要素が差別化された価値を生み出す領域で、独自データ、権限、評価、ワークフローロジックによってその基盤を拡張できます。
本番環境のワークロードでは、商用構成を利用パターンに合わせる必要があります。アクセスの確実性が必要な本番システムやエージェントにはGuaranteed Capacity、予測可能な高ボリュームのAPIワークロードにはスケールティア、非同期処理や繰り返し使用されるコンテキストにはBatch API（新しいウィンドウで開く）、Flex processing（新しいウィンドウで開く）、またはプロンプト Cachingが適しています。
より大規模な戦略的導入では、OpenAI Frontier と Deployment Company（新しいウィンドウで開く） が、エンタープライズシステム全体で AI コワーカーを構築、導入、管理できるよう企業を支援します。このアプローチにより、リーダーは、各ワークフローごとに独自のインフラストラクチャを再構築するのではなく、適切なプロダクト、キャパシティ、サポートモデルを備えて、効果が実証された取り組みを拡大展開できます。
