［ビジネスマン向け］AIエージェントを業務に組み込む——OpenAIが示すBasis・Clay・Exa Labsの3事例

2026-09-02

はじめに

　企業のAI活用が支援から実行へ移りつつあることは、OpenAIのEnterprise Signalsでも示されています。OpenAIは2026年9月1日、その変化を実務に落とし込んだスタートアップ3社の事例を公開しました。本稿では各社のワークフローと、企業向けに示された6つの実践ステップを解説します。

参考記事

タイトル: How AI-native companies turn workflows into operating capability
著者: OpenAI
発行元: OpenAI
発行日: 2026年9月1日
URL: https://openai.com/index/ai-native-company-workflows/

要点

AI利用量が上位10%の「フロンティア企業」は出力トークン数で平均的な企業の8.3倍に達し、1月の2.6倍から差が拡大している
Basisは初日のオンボーディングをCodexと社内向けスキルで自動化し、所要時間を2時間から30分に短縮している
Clayは取引先ごとに専用のサブエージェントを割り当て、夜間に文脈を更新して翌朝に優先行動リストを提示している
Exa Labsは連携先の発見からPR作成・テスト実行・週次報告までをCodex向けワークフローとして定義している
OpenAIは業務領域の選定から成果指標、職務記述、人間側の体制構築までを含む6つのステップを提示している

詳細解説

広がる「フロンティア企業」との差

　OpenAIのEnterprise Signalsによれば、AI利用量が上位10%にあたるフロンティア企業は、アクティブユーザー1人あたりの出力トークン数で平均的な企業の8.3倍に達しています。2026年1月時点では2.6倍でしたので、半年あまりで差が3倍以上に開いた計算になります。2025年4月の平均的な企業を1とした指数で見ると、フロンティア企業が17.1、平均的な企業が2.1という水準です。

　OpenAIは、この差の背景に運用面の変化があると説明しています。先行する企業はエージェントを社内の文脈やツールに接続し、より実質的な業務を任せ、うまくいったワークフローを再現しやすい形に整えているという指摘です。ただし出力トークン数は利用の深さを示す指標であり、それ自体が成果を意味するわけではないと考えられます。OpenAI自身も後述の6ステップの中で、利用量と業務成果の指標を切り分けて捉えるよう促しています。

Basis:オンボーディングを「教えられる」形にする

　会計事務所向けのAIエージェントを開発するBasisでは、入社初日のオンボーディングにかかる時間が従来の2時間から30分に短縮されました。人事担当者はその分を、組織文化の共有や個別のフォローに充てられるようになったとされています。

　新入社員は初日に、Codexと社内向けのオンボーディング用スキルへのアクセスを受け取ります。ここでいうスキルとは、特定の業務手順に対応する再利用可能な指示とリソースのまとまりを指します。Codexは新入社員を迎えて社内の主要な概念を紹介しながら、バックグラウンドで本人の端末上のツール連携設定を進めます。繰り返し出る質問や例外的なケースが見つかれば、人事側が次の入社者を迎える前にスキルを更新します。

　Basisは手順を一度実演したうえで、それを再利用可能なスキルに変換しました。要件として挙げられているのは、起動のきっかけ、既知の手順、必要なツールへのアクセス、そして「完了」の定義が明確であることです。この4点のうち 完了の定義 は、業務を自動化する際に見落とされやすい部分だと思います。どこまで進めば終わりなのかが曖昧なままでは、人が介入すべき地点も定まらないためです。

Clay:散在する文脈に定位置を与える

　go-to-market（市場投入）チーム向けの収益基盤を開発するClayが抱えていたのは、営業の現場でよく見られる課題です。商談に関する重要な文脈が、CRMの記録、メール、Slack、通話、資料、テキストメッセージ、社内外の関係者との会話に散らばっている状態でした。

　同社のGTMエンジニアの1人は、取引先ごとに永続的な作業領域と専用のサブエージェントを割り当てる方法を試しました。各サブエージェントは一次情報を確認し、夜間に担当先のフォルダを更新します。翌朝には統括役のエージェントが、全担当先の更新内容を短い優先行動リストにまとめます。未回答の顧客質問への対応、意思決定に関わる担当者の抜けを埋めること、見込み客に再び関心を持ってもらうきっかけづくりなどが挙がるとされています。

　Clayによれば、この仕組みによって毎晩1時間ほどの受信トレイ整理が不要になりました。根拠となる一次情報が推奨内容のすぐそばに残るため、担当者は行動する前に自分で確認できます。企業規模で展開する場合は、既存の権限設定の範囲内で、営業担当やBDR、ソリューションエンジニアなどへ共有文脈を広げることも考えられるとしています。変化し続ける業務を仕組み化するうえで必要なのは、一貫した構造、適切な更新頻度、共有される根拠、そして行動する時点での人間の判断だという整理です。

Exa Labs:機会の発見から検証済みの実装まで

　AIエージェント向けのウェブ検索基盤を提供するExa Labsは、自社の検索APIを開発者が使うあらゆる場所で利用できるようにする目標を「Exa everywhere」と呼んでいます。以前は開発者向け広報と顧客担当のチームが、リポジトリやエコシステム全体を監視し、有望な連携先を見つけ、文脈を集め、複数のシステムをまたいで作業を調整する必要がありました。

　個々の機会は異なっていても、発見から実装までの筋道は一定の順序をたどっていました。Exaはその順序をCodex向けのワークフローとして定義し、優先順位、必要な情報源へのアクセス、公開前の人間によるレビューを組み込んでいます。現在のCodexは優先度の高い連携機会を監視し、関連する文脈を集め、プルリクエストを作成し、テストを実行し、SlackやNotionを情報源として週次の更新をまとめます。適切な場合には、最初の告知文の草案まで用意してレビューに回します。

　一方で、どの機会に取り組むか、どのような約束をするか、社外との関係をどう扱うかは人間が決めています。テストとレビューの時点で作業内容が可視化され、その結果が次回の改善につながる構造です。業務の重要度が上がるほど、権限設計や根拠の提示、意思決定権の所在がワークフロー設計の中心を占めるようになると考えられます。

企業が今日から試せる6つのステップ

　OpenAIは、実験の余地を残しながら成果の出たものを定着させる進め方として、6つのステップを挙げています。

重要な業務領域を1つ選ぶ ——戦略上の優先度、システム、引き継ぎ、統制、測定可能な成果が交差する一連の業務を対象にします。学習できる程度に繰り返され、再設計に見合う重要性があることが条件です。
成果と測定方法を定義する ——責任者、KPI、基準値、ガードレールを定めます。利用の深さは完了タスク数や接続された文脈・ツール、例外の発生、レビュー負荷で追い、価値はサイクルタイムや品質、コスト、収益、リスクで追います。
エージェントの職務記述を書く ——何をきっかけに動くか、目指す成果、必要な文脈、ツール、権限、完了までどこまで粘り強く動くかを定めます。どのような根拠を残し、どこで人間のレビューのために停止するかも明示します。
人間側の体制をつくる ——業務に最も近い人を設計に参加させ、業務成果、業務ロジック、アクセスと統制、定着、日々の利用の各責任者を決めます。スタートアップは少人数で兼ねられますが、企業規模では明示的な意思決定権が必要になります。
実験を可視化し再利用可能にする ——OpenAIの調査では、導入から6か月後にキャリア初期の従業員が経営層より週あたり13通多くメッセージを送っていたとされています。実験の余地を与えたうえで、機能した手順と根拠をスキルやプラグイン、共有ワークスペースとしてまとめます。
運用パターンを次へ引き継ぐ ——機能した文脈、権限、評価、レビュー地点、責任者、指標、定着支援を保存し、次の業務領域に適用します。

　このうち2番目と4番目は、技術というより組織設計の話だと言えます。エージェントに任せる範囲が広がるほど、誰が結果に責任を持つのかという問いが避けられなくなるためです。3社の事例でも、人が介入する地点があらかじめ設計に組み込まれている点は共通していました。

まとめ

　3社に共通するのは、まず具体的な業務を1つ選び、検証しながら任せる範囲を広げていく進め方です。エージェントの利用量そのものより、どの業務でどこまで任せられたかを測ることが、今後の判断材料になっていくと考えられます。企業でのエージェント運用の実例は過去記事でも整理していますので、あわせてご覧いただければと思います。