「わが社もChatGPTを全社導入した」——この一文が競争優位を語れた時代は、静かに終わりつつある。座席数（ライセンス数）やログイン率でAI活用を測る発想が、もう実態を捉えられなくなっているからだ。ではいま、伸びている企業と足踏みする企業を分けているものは何か。その問いに、当事者であるOpenAI自身のデータが具体的な数字で答えを出した。
2026年8月中旬、OpenAIは企業向けの利用実態レポート From assistance to execution: How enterprises put AI to work（支援から実行へ——企業はいかにAIを働かせているか）を公開した。自社の法人顧客における実利用の集計データをもとにしたもので、要点は明快だ——AI活用の企業間格差は縮まるどころか、この半年で3倍に開いた。そしてその差を生んでいるのは、どのモデルを買ったかではなかった。
homulaはエンタープライズ向けのAIエージェント・インテグレーターとして、戦略策定からPoC・実装・運用・内製化までを一気通貫で支援している。本稿では、このレポートを一次情報として正確に読み解き、日本企業が「格差の正体」を取り違えないための観点を整理する。
格差は「8.3倍」に広がった——それも半年で3倍に
レポートの核心は、企業間の利用量格差だ。利用量で上位10%に入る「フロンティア企業」は、2026年6月時点で、一般的な企業と比べてアクティブユーザー1人あたり8.3倍の出力トークンを生成していた。注目すべきはその変化速度で、この差は同年1月にはわずか2.6倍だった。つまり半年で約3倍に拡大している（VKTR）。
出力トークンは「AIにどれだけ実際の仕事をさせたか」の代理指標だ。チャットで一問一答を交わすだけなら消費は小さく、資料を丸ごと書かせ、コードを生成させ、複数ステップの作業を任せれば桁違いに増える。8.3倍という数字は、先進企業がAIにより重い仕事を委ねていることを示している。
その「委任」の主役が、対話型のChatGPTではなくエージェントだった点も重要だ。同レポートによれば、法人顧客においてコーディングエージェント Codex が生成した出力トークンは、CodexとChatGPTの合計の**64%**を占めた（BankInfoSecurity）。AIの重心は「人が問いかける道具」から「自律的に手を動かすエージェント」へと、すでに移り始めている。
差を生むのは「モデル」ではなく「ツールとスキル」
ではフロントランナーは、特別なモデルを使っているのか。答えはノーだ。同じモデルを使いながら差がつく理由を、レポートは2つの利用習慣で説明している——**プラグイン（ツール接続）とスキル（再利用可能な手順）**の装着率である。
| 週次アクティブユーザーのうち利用する割合 | フロンティア企業 | 一般企業 |
|---|---|---|
| プラグイン（アプリ・データ・ツール接続） | 21% | 9% |
| スキル（再利用可能な作業手順） | 19% | 3% |
出典：OpenAI「From assistance to execution」
差は歴然としている。プラグインで2倍以上、スキルに至っては6倍以上の開きだ。ここでいうプラグインとは、AIを社内システムやツール、データに接続する仕組み——技術的にはMCP（Model Context Protocol）などで実現される「外部への手」——を指す。スキルとは、「この作業はこの手順で、このスクリプトを参照して進める」という再利用可能な指示のパッケージだ。
モデルは業務を「知らない」。素のLLMがどれだけ賢くても、自社の販売管理システムを叩く手も、経理の締め手順の知識も持っていない。ツール（手）とスキル（手順）を与えて初めて、エージェントは実務を完了できる。参考までに、OpenAI社内では従業員の**95%**が週次でプラグインを使うという。差の正体は、モデルの性能ではなく「装着」の有無なのだ。
つまり格差は、より高価なモデルを買った企業と買わなかった企業の差ではない。手持ちのAIに、ツールとスキルをどれだけ装着して実務に載せたか——その運用の巧拙の差である。
広がりは「エンジニアの外」で起きている
この波を「開発者の生産性向上」の話だと捉えると、規模を読み違える。レポートで顕著なのは、伸びがエンジニアリング以外の職種で急加速している点だ。報道によれば、Codexの週次アクティブユーザーは2026年2月以降、法務で108倍、営業で41倍、採用で41倍、マーケティングで26倍に増えた。エンジニアリングの5倍を大きく上回る（VKTR）。
コーディングエージェントが、コードを書かない部門で最も速く広がっている——これは「エージェントは開発ツール」という前提が崩れつつあることを意味する。契約書のレビュー、提案書の下書き、候補者スクリーニング、キャンペーン制作。定型的な知的作業を持つあらゆる部門が、エージェントに実務を委ね始めている。格差は特定チームの話ではなく、全社の業務設計の話になった。
日本企業が読み違えないための3つの論点
数字の勢いに引きずられず、投資判断に落とすための留保を3つ挙げる。前回の記事「エージェント導入は『実験』から『稼働』へ」で触れた稼働データと合わせて読むと、方向はより鮮明になる。
1. これは「委任量」の格差であって、成果の保証ではない。 8.3倍はあくまで投入（トークン消費）の指標だ。重い仕事を任せるほど、間違った判断・情報漏えい・過剰なコストのリスクも比例して増える。委任を増やす前に、「誰が・何の権限で・どのデータに触れて」その仕事をしたかを追える統制が要る。アクセルとブレーキは同時に設計するものだ。
2. ツール接続は、そのまま「攻撃面」になる。 プラグイン装着率が競争優位に直結する一方で、AIに外部への手を与えることは、権限とデータ経路を増やすことでもある。接続を個別に配線して増やせば、把握できない「野良の接続」が生まれ、統制が効かなくなる。装着は正しいが、装着の仕方が問われる。
3. スキルは資産であり、同時に供給網リスクでもある。 再利用可能なスキルは組織の暗黙知を資産化する強力な手段だが、外部から取り込むスキルやプラグインには、悪意ある指示が紛れ込む余地がある。実際、主要ベンダーはサードパーティ製スキル・プラグインの内容を検査する仕組みを整え始めている。「何を装着するか」の審査は、これから統制の必須項目になる。
「フロンティア企業は8.3倍使っている」を導入圧力に使うのは危険だ。装着（ツール・スキル）と統制（権限・監査）を欠いたまま委任量だけ増やせば、それは競争優位ではなくリスクの前借りになる。
homulaの観点：委任・装着・統制を「同じ順序」で設計する
このレポートが日本企業に突きつけるのは、「AIを入れるか否か」ではなく「AIにどう仕事を委ね、何を装着し、どう統べるか」という運用設計の問いだ。homulaはこの3つを分けずに、同じ設計の中で組む。
- 委任は、勝ち筋の1業務から。 AIエージェント・ブートキャンプでは、業務棚卸し・プロトタイプ構築・ROI試算を3〜5日で完結させる。全社展開の前に、委任して成果が出る1業務を最短5日のPoCで見極める。
- 装着は、構築ゼロで束ねる。 Agens はMCPを活用し、200以上のツールと構築ゼロで接続する統合プラットフォームだ。プラグインを個別配線して野良化させるのではなく、ツールもスキルも単一の入口に束ねる。レポートが示した「装着率の差」を、統制を保ったまま埋める。
- 統制は、最初から同時に。 Agens Control が承認フロー・DLP・5年分の監査ログ・RBAC を提供する。委任量が増えても、「誰が・何の権限で・どのデータに触れたか」を後から追え、事前に止められる。
活用技術も n8n / Dify / LangGraph などを状況に応じて使い分け、最終的には顧客自身が回せる内製化まで伴走する。8.3倍の格差は、より賢いモデルを買った企業ではなく、ツールとスキルを統制込みで実務に載せ切った企業が広げている。順序を間違えなければ、後発でも差は詰められる。
まとめ
OpenAIの最新データは、AI活用の企業間格差が半年で3倍（2.6倍→8.3倍）に開いたこと、そしてその重心がチャットからエージェントへ（Codexが出力トークンの64%）移ったことを示した。差を生んだのはモデルの性能ではなく、プラグイン（ツール）とスキル（手順）の装着率であり、その波はエンジニアの外へ広がっている。
問われているのは「どのAIを買うか」ではない。手持ちのAIに、何を装着し、どう委ね、どう統べるか——その運用設計だ。まずは勝ち筋の1業務を、装着と統制込みで本番品質に立ち上げるところから始めたい。
AI活用の格差を「委任・装着・統制」の設計で埋めませんか。業務の棚卸しとROI試算から、homulaが伴走します。