OpenAIのAI採算表、トークン単価より「成功した仕事」を測り始めた
OpenAIは2026年7月17日、企業がAI投資をどう測るべきかを整理した公式記事「A scorecard for the AI age」を公開しました。中心に置かれているのは、席数、利用者数、トークン単価ではなく、AIが完了した仕事、成功したタスクの総コスト、結果の信頼性、規模が大きくなったときの価値です。ChatGPT WorkやCodexが長い作業を引き受けるほど、AIの管理画面は「どのモデルを選ぶか」から「どの仕事を完了とみなすか」へ移っていきます。
AIの指標が席数から完了した仕事へ移る
OpenAIのSarah Friar氏は、これまでソフトウェアの成功が購入された席数、アクティブユーザー、更新率のような採用指標で測られてきたと書いています。しかしAIで問うべきなのは、AIがどれだけ有用な仕事を完成させたかだ、というのが今回の記事の出発点です。
この見方は、ChatGPT Workの発表とつながっています。ChatGPT Workは、接続されたアプリやファイルをまたいで調査、分析、資料作成、表計算、Sites作成を進めるエージェントです。作業の単位が短い返答から、数十分から数時間のタスクへ広がると、利用回数や生成量だけでは価値を測れません。
OpenAIは、顧客対応が解決した件数、出荷されたコード変更、レビューされた契約、戻ってきた時間、必要な文脈が適切な瞬間に届いた意思決定を例に挙げています。つまりAIの成果は、チャット欄の中ではなく、CRM、GitHub、契約管理、スプレッドシート、会議資料のような仕事の場所で確認されるものになります。
安いトークンより、成功したタスクの総コストを見る
今回の記事でInterface Wireらしいのは、OpenAIがコストの単位をトークンから「成功したタスク」へずらしている点です。安いモデルは入力や出力の単価が低くても、やり直し、待ち時間、人間のレビュー、再作業が多ければ、最終的な仕事は高くつきます。逆に高いモデルでも、一度で正しい結果に到達するなら、成功したタスクあたりの総コストは下がります。
| 項目 | OpenAIの問い | Interface Wireで見る意味 |
|---|---|---|
| 有用な仕事 | AIは重要な仕事を完了しているか | 生成量ではなく、業務システム上の完了状態を見る |
| 成功したタスクのコスト | 成功した仕事1件に本当はいくらかかったか | トークン単価に、再試行、待ち時間、人間のレビューを足す |
| 信頼性 | 人は結果をそのまま使えるか | Ready to use、Needs correction、Needs escalationでレビュー負荷を測る |
| 規模での価値 | AI支出が増えるほど、より多くの仕事が完了するか | モデル、インフラ、ルーティング、製品設計を一つの採算面として見る |
OpenAIは、GPT-5.6をSol、Terra、Lunaの3段階で説明し、Lunaは高速で低価格、Terraは性能とコストのバランス、Solは強い推論が必要な仕事向けという使い分けを示しています。これは単なるモデル表ではなく、仕事の質と再試行回数を含めてモデルを選ぶための会計表です。
同記事では、GPT-5.6 SolがArtificial Analysis Coding Agent Indexで長期エンジニアリングタスクの新しい最高値を出し、別の主要モデルより少ない出力トークンで到達したとも説明されています。ここで重要なのはベンチマークの順位そのものより、OpenAIが「出力を減らす」ことを、短い回答ではなく成功した仕事の単価に結びつけて語っている点です。
信頼性はレビュー、修正、エスカレーションで測られる
OpenAIは、AIの導入が、まず下書きを助け、次に文脈を探し、ツールやデータをまたいで推論し、やがて例外処理や実行まで進むと整理しています。その段階が進むほど、能力だけでは足りません。結果がそのまま使えるのか、修正が必要なのか、人間が引き継ぐ必要があるのかを見なければ、仕事の本当のコストは見えません。
記事が挙げる3つの状態は、Ready to use、Needs correction、Needs escalationです。これはAIの品質を、モデルの正答率ではなく、現場のレビュー負荷として測る考え方です。AIが作った資料やコードがそのまま通るなら安い。修正が必要なら高くなる。人間が最後まで引き受けるなら、AIの作業は途中成果にすぎません。
この見方は、AIエージェントの権限設計にもつながります。OpenAIは、AIが下書きから実行へ移る前に、どのデータへアクセスできるか、どのシステムを使い変更できるか、どの行動で人間の確認が必要かを決めるべきだと書いています。採算表は、単なるCFO向けの比率ではなく、承認、ログ、権限、エスカレーションのUI設計でもあります。
ChatGPT WorkとCodexは、採算を見るための操作面になる
OpenAIは最後に、ChatGPT、ChatGPT Work、Codex、API、企業の業務システムを一つの知能プラットフォームとして並べています。これは大きな言い方ですが、今回の記事の実務的な意味ははっきりしています。AIの価値を測る場所は、モデル一覧ではなく、仕事が流れる操作面になります。
Codexなら、成功したコード変更、通過したテスト、レビューで戻された差分、再実行されたタスクが指標になります。ChatGPT Workなら、完成した資料、再確認が必要だった表、承認待ちで止まったアクション、外部アプリへの変更履歴が指標になります。AIを買う側は、モデル名ではなく、仕事の状態を見て支出を判断するようになります。
OpenAIが「Useful Intelligence per Dollar」と呼ぶ考え方は、AIを安く使う話に見えて、実際には完了条件をどう定義するかの話です。エージェントに仕事を任せるほど、人間はプロンプトの書き方より、完了、修正、承認、停止、引き継ぎの境界を設計することになります。
OpenAIの今回の記事は、新機能の発表ではありません。それでも重要なのは、ChatGPT Work、Codex、GPT-5.6を売るための言葉が、トークン単価やモデル性能ではなく、成功した仕事の単価へ移っていることです。AIエージェントが本当に仕事場へ入るなら、次に必要なのは賢いチャット欄ではなく、何が完了し、何が修正され、何が人間へ戻されたかを見せる採算表です。