［ビジネスマン向け］OpenAIが提唱する「AI時代の成績表」——投資対効果を測る4つの指標とGPT-5.6の実力

2026-07-18

はじめに

　OpenAIが2026年7月17日、AI投資の価値を測る新たな考え方「Useful Intelligence per Dollar(1ドルあたりの有用な知能)」を発表しました。本稿では、この指標を構成する4つの問いと、同時に紹介された新モデル群「GPT-5.6」の位置づけについて解説します。

参考記事

タイトル: A scorecard for the AI age
著者: Sarah Friar
発行元: OpenAI
発行日: 2026年7月17日
URL: https://openai.com/index/a-scorecard-for-the-ai-age/

要点

OpenAIは、AI投資の価値を測る指標として「Useful Intelligence per Dollar(1ドルあたりの有用な知能)」という考え方を提唱している
この指標は「完了した有用な作業量」「成功したタスク1件あたりのコスト」「結果への信頼性」「投資拡大に伴う価値の伸び」という4つの問いで構成される
OpenAIは新モデル群「GPT-5.6」を発表した。Sol・Terra・Lunaという3段階のティアで構成され、それぞれ性能とコストのバランスが異なる
Artificial Analysis Coding Agent Indexにおいて、GPT-5.6 Sol(最大推論設定)は他の主要モデルと比較して54%少ない出力トークン数で新たな最高性能を記録したとされる
企業向け製品ChatGPT Workは、ChatGPT Enterpriseのセキュリティ・プライバシー・コンプライアンス基盤の上に構築されている

詳細解説

「1ドルあたりの有用な知能」という考え方

　OpenAIによれば、これまでソフトウェアの価値は「購入した座席数」「アクティブユーザー数」「ライセンス更新率」といった採用状況で測られてきましたが、AIの価値を理解するにはより踏み込んだ指標、すなわち「完了した作業そのもの」を測る必要があるといいます。単純なトークン単価だけでは不十分で、低コストなモデルほど試行回数や人手によるレビューが多く必要になる場合もあれば、高コストなモデルが一度で正確な結果を出す場合もあるためです。

　6月にはGPT-5.6 Solのプレビュー版が公開されていましたが、今回はその正式な位置づけとして、コストと成果を結び付けた評価軸が示された形です。この「作業の価値」対「作業を生み出すコスト」という視点は、AI導入の投資判断を考える上で参考になる整理だと思います。

成功したタスクのコストをどう計算するか

　OpenAIの発表では、成功したタスク1件あたりのコストは「作業完了にかかった全コストを、品質基準を満たしたタスク数で割る」という計算式で求められるとしています。単価が最も安いモデルが必ずしも最も低コストになるとは限らず、フロンティアモデルが一度で正しい答えを出すことで、再試行やレビューの手間を減らせる場合もあるとのことです。

　この考え方に基づき、OpenAIは新モデル群「GPT-5.6」を発表しました。 Sol が最上位のフラグシップモデル、 Terra が性能とコストのバランス型、 Luna が最も高速で低価格なモデルという3段階のティア構成です。Artificial Analysis Coding Agent Indexでは、最大推論設定のGPT-5.6 Solが、他の主要モデルと比較して54%少ない出力トークン数で新たな最高性能を達成したと報告されています。また、長時間のエンジニアリングタスクを評価するDeepSWE v1.1というベンチマークでは、GPT-5.6 Solのスコアが72.7%に達し、Anthropicの Claude Fable 5の69.9%を上回るとともに、推定APIコストは約36.2%低かったとされています。

　複数のモデルティアが用意されている点は、業務内容に応じてコストと性能のバランスを選べるという実用的な意味を持つと考えられます。高頻度・軽量な作業にはLuna、深い推論を要する作業にはSolというように、タスクの経済性に応じてモデルを使い分けることが想定されているようです。

信頼性(Dependability)をどう測るか

　OpenAIは、AIの活用は「下書きの補助」から始まり、次第に「複数ツール・データを横断した推論」、最終的には「例外処理を含む作業の完了」へと段階的に深まっていくと説明しています。その過程で重要になるのが結果への信頼性で、具体的には次の3つの区分で成果を追跡できるとしています。

そのまま使える(Ready to use): 結果が納品時点で品質基準を満たしている
修正が必要(Needs correction): 再試行や人手による編集が必要
人による対応が必要(Needs escalation): 人が引き継いで完了させる必要がある

　この分類は、AIの精度だけでなく「実際にどれだけ作業負担が減っているか」を可視化する試みだと言えます。あわせて、データアクセス範囲や、人による承認が必要な場面をあらかじめ定義しておくことも重要だとされており、管理者向けの利用状況・支出管理機能を整えている動きとも重なる部分があります。企業向け製品ChatGPT Workは、ChatGPT Enterpriseが備えるセキュリティ・プライバシー・コンプライアンスの基盤の上に構築されているとのことです。

規模が拡大するほど価値は増すか

　最後の問いは、利用が拡大するにつれて経済性が改善するかどうかです。OpenAIは、同じワークフローを時系列で追跡し、完了した作業の増加ペースがコストの増加ペースを上回っていれば、1ドルあたりの価値が高まっていると判断できると説明しています。

　この計算式の中心にあるのがコンピュートです。より優れたモデル、効率的な推論、専用ハードウェア、高い稼働率、賢いルーティングといった要素がコンピュートの投資対効果を高め、それが次世代モデルの性能向上につながるという循環が生まれるとされています。こうした好循環は、AI投資を継続的に検討する企業にとって、短期的な価格だけでなく中長期的な効率改善の見通しも判断材料になり得ると考えられます。