AIの請求書の向こう側が、ChatGPT Workで見えるようになる

1. 何が発表されたか：AIの「使い道」が見える管理画面

OpenAIが示したのは、AIに払っているお金の「中身」を見るための地図です。ChatGPT Admin Consoleの分析機能は、ChatGPT WorkとCodexをまたいで、利用量と費用、どんな仕事に使われたか、成果の指標までをまとめて表示します。請求額だけでは語れなかったAIの価値を、仕事の言葉で話せるようにする発表だ。

01 利用・費用・仕事・成果が、ひとつの画面に

これまでAIの管理といえば、何人が使っているか、いくら掛かっているかを追うのが中心でした。今回の発表では、Usage画面がアクティブユーザー、クレジット、トークン使用量をChatGPT WorkとCodexの両方でまとめて示します。グループやユーザーで絞り込めるため、利用が伸びていない場所も見つけやすくなります。

利用が少ないことは、失敗の印ではありません。OpenAIは、最初の使い方や研修の必要性をチームの責任者と見直すきっかけとして位置づけています。数字は、責めるためではなく、声を掛けるためにある。KPEはこの姿勢に、道具としての誠実さを見ます。

02 報告書づくりは、Admin pluginとAdmin APIへ

ChatGPT WorkのAdmin pluginを使うと、管理者はチームごとの利用、費用、仕事の内訳を比べ、予算や展開の判断に使うレポートにまとめられます。グラフや主な発見、次の打ち手を入れた経営層向けのスライドまで作れるとされています。月例の振り返りが、集計作業から考える時間へ移る余地があります。

Admin APIを使えば、分析データを自社のダッシュボードに取り込み、業務システムの数字と組み合わせられます。公式の例は、サポート部門でクレジットの使用量とチケット解決時間を並べて表示するもの。AIの利用と現場の成果を、同じ画面で見比べる発想です。

2. 何が変わるか：費用の話が、仕事の話になる

いちばん大きな変化は、会議で交わされる言葉です。「今月いくら使ったか」ではなく、「営業の下調べにどれだけ使われ、準備はどう変わったか」と話せるようになる。Insightsのタスク分類、設定ごとの内訳、Codexの成果表示が、その会話の材料をそろえます。数字が、問いに変わる。

01 仕事の中身が、分類されて見える

Insightsのタスク分類は、メッセージの一部をサンプルとして用途とタスクに振り分けます。たとえばソフトウェア開発なら機能開発やコード保守、営業なら顧客リサーチや計画づくり。Overviewタブで仕事の構成をひと目で確かめられ、Use casesタブではタスクごとのクレジット、メッセージ数、アクティブユーザーを表で追えます。

公式の画面例では、ある営業チームで最も多くクレジットが使われていたのが顧客リサーチと計画づくりでした。そこが、AIで商談準備がどう変わったかを話し合う出発点になる、というのがOpenAIの説明です。Datadogの担当者も、この分析をAI活用の指針や方針づくりの土台にしていると語っています。

02 研修が要る場所が、設定の内訳から浮かぶ

タスク詳細では、Models、Reasoning、Speedの各設定がクレジットに占める割合が見えます。定型的な資料なら、より速く低コストな設定で試す価値がある。その際は品質に加えて、見直しや修正に掛かる時間も比べるよう、公式は勧めています。速さだけを数えない。そこが大事なところです。

Plugin leaderboardとSkills画面は、どの道具がどの仕事を支えているかを示します。関連するプラグインの利用が少なければ、アクセス権や研修が足りていない兆し。よく使われるスキルには、明確な担当者と定期的な更新が要る。道具を配って終わりにしないための視点です。

03 Codexの貢献は、マージされたコードで追う

Outcomes画面は、マージ済みのコミットとコード行数のうちCodexが関わった割合と、コードレビューの活動を時系列で表示します。グループ、ユーザー、リポジトリで絞り込めるため、どこでアクセスを広げ、どのチームを支えるかを判断する材料になります。

ただし、割合が増えたことそのものは成果ではありません。OpenAIも、レビュー時間や不具合、手戻りと突き合わせて、ソフトウェアをより効果的に出荷できているかを確かめるよう示しています。書いた量より、届いた質。見るべきはそこだ。

3. 試算と事例から、数字の読み方を学ぶ

公式発表には、営業チームを例にした年間ROIの試算と、3社の事例が載っています。どれも自社にそのまま当てはまる数字ではありません。ただ、効果をどう分解し、どこに前提を置くかという「測り方の型」として読むと、自分のチームでの計算がぐっと現実的になります。

01 営業20人・年5,520時間という試算の組み立て

試算の前提は、営業担当20人がそれぞれ週2本の顧客調査資料を作るチームです。AIで1本あたり3時間短縮できるとして、年46週で計算すると5,520時間。その半分を生産的な仕事に振り向け、人件費を含む1時間$75で換算すると$207,000の価値になる、という組み立てです。

初年度のAI、導入、研修、継続支援の費用を$60,000とすると、ROIは245%。ただし公式は、すべて仮定の数字であり、成約率や取引規模の向上による効果は含まないと明記しています。浮いた時間の半分しか数えない控えめさに、KPEはこの試算の誠実さを見ます。

02 1Password、ATV Big Air Tour、Playcoの事例

1PasswordはCodexでソフトウェアの構築、レビュー、テストを行い、553%のROIと年間$0.8Mの開発キャパシティ価値を見積もっています。厳格なセキュリティ方針を保ったまま、本番向けの機能や社内ツールを速く作るための使い方です。

ATV Big Air TourはChatGPT Workを使い、週8時間かかっていた掲載情報の確認が1時間に、2〜3日かかっていた在庫作業が2〜3時間になったと報告しています。PlaycoはOpenAIのAPI経由でGPT‑6 Astraを使い、ゲームの試作で以前のモデルより手作業の修正が50%減ったとしています。業種は違っても、どの事例も「浮いた時間の行き先」まで語っています。

4. いま決めること：測る仕事を、ひとつだけ選ぶ

結論はシンプルです。全部を測ろうとしなくていい。よくやる仕事をひとつ選んで、いまの所要時間を書き留めておく。これだけで、AIの話は「なんとなく便利」から「うちのチームの話」に変わります。道具はそろってきた。あとは、使う側の遊び心です。今週のうちに、その一つを決めてしまいましょう。

01 始める前に、5つの問いでメモを作る

公式が挙げる問いは5つです。何を良くしたいか。いまの進め方はどうか。AIで何が変わるか。それでチームに何ができるようになるか。その効果は投資に見合うか。難しく見えますが、要は「いつもの作業に何時間かかっていて、良い出来とは何か」を先に決めておくこと。ここを飛ばすと、あとで比べる物差しがなくなります。

比べるときは、仕上がりまでの時間だけでなく、見直しと修正の時間も入れる。これが効きます。速くできても直しに追われるなら、研いでいない包丁で野菜を刻むようなもの。浮いた時間で顧客との会話が増えるのか、修正が減るのか。チームと話して、改善がいちばん効く場所を見つけるのが近道です。

02 向いているチーム、まだ待っていいチーム

向いているのは、ChatGPT WorkやCodexをすでにチームで使っていて、予算や展開の説明を求められている管理者や責任者です。Admin ConsoleでInsightsを開き、事業の優先度に合うよくある仕事を選ぶ。事業側の責任者と基準値や測る成果を決めて、振り返りの日を置く。公式が示す始め方も、この順番です。

一方、個人で使っているだけの人や、まだ組織で導入していない職場には、この分析画面は直接関係しません。それでも「作業時間を先に測っておく」習慣は、今日から誰でも持てます。なお公式は、組織の業務データを既定ではモデルの学習に使わないとしています。安心材料をひとつ持って、小さく始めればいい。

5. よくある質問

6. まとめ