OpenAIが示すエージェント実装の型 — Basis・Clay・Exaの実践から

調査が示す「実行段階」への移行

OpenAIのEnterprise Signalsは、企業内のAI活用が単なる質問応答から業務の実行へ移行していると報告している。特に、AI利用が最も進んでいる上位10%の企業が生成するアウトプットトークン数は、平均企業の8.3倍に達した。1月時点では2.6倍だったことから、その差は急速に広がっていることになる。

調査では、上位企業はエージェントを自社のコンテキストやツールにつなぎ、より実質的な仕事を任せ、成功したワークフローを繰り返し再現できるようにしているという。ここから、単発の自動化ではなく、業務の「流れ」全体を再設計する必要性が見えてくる。

3社の実践と共通する設計

会計事務所向けAIエージェントを開発するBasisは、従業員の初日オンボーディングにCodexを活用している。従来は2時間かかっていた初日の手続きが30分に短縮された。新人は企業固有のオンボーディング用スキル（特定のワークフロー向けに再利用できる指示とリソースのセット）を受け取り、CodexがPC上のツール設定をバックグラウンドで完了させる。HR担当者は、質問や例外が発生したタイミングでスキルを更新し、次の入社者に活かせる。

セールスイネーブルメント企業のClayは、顧客情報がCRM（顧客情報管理システム）やメール、Slack、会話記録などに分散する問題に向き合っている。その対策として、アカウントごとに専用のサブエージェントを置き、夜間に一次情報を確認して取引フォルダを更新させる。朝になると調整用エージェントが全アカウントの状況をまとめ、未回答の顧客質問や購買委員会の不足、再コンタクト先といった優先行動をリスト化する。Clayによると、この仕組みで毎晩のメール処理を約1時間短縮できる。

検索APIを提供するExa Labsは、自社APIをあらゆる開発者の環境で使えるようにする「Exa everywhere」という目標を掲げる。同社は、開発者向けインテグレーションの発見から実装までの一連の流れをCodexのワークフローとして定義し、連携候補の監視、情報収集、プルリクエスト作成、テスト実行、週次アップデートを任せている。その際、公開前のレビューや優先順位の決定は人が担う。

3社の取り組みに共通しているのは、「安定したプロセスを教える」「変化する業務の流れを継続的に与える」「テストとレビューを経て実行可能な成果物にする」という段階だ。この流れはエージェントを一過性の道具ではなく、改善可能な業務プロセスの一部として位置づけている。

「仕事の説明書」による設計と測定

OpenAIは企業向けに、エージェントを実験から定着させるための6ステップを提示している。まず、繰り返し頻度が高く戦略的に重要なエンドツーエンドのワークフローを選択し、成果の定義と測定方法を決める。具体的には、KPI（重要業績評価指標）と基準値、ガードレール（安全のための制約）を設定し、完了タスクや接続したコンテキスト、例外、レビュー負荷を追跡する。エージェントには仕事の説明書を作り、トリガー、成果、必要な関連情報、権限、どこまで自律的に進めるかを明記する。

また、エージェントの周囲に人間のシステムを設計する必要があるとしている。誰がビジネス成果のオーナーなのか、アクセス権や日常利用を誰が管理するかを明確にすることが重要だ。OpenAIの調査では、導入から6か月後の初期キャリアの従業員は、エグゼクティブよりも週あたり13件多くのメッセージをAIに送っている。現場の実験を促し、成功したワークフローをスキルや共有ワークスペースとして再利用可能にする姿勢が求められる。

大企業への適用と注意点

Basis、Clay、Exa Labsはいずれもスタートアップであり、今回の実践は小規模なチームで始められたからこそ設計がしやすかった面もある。大企業では、組織境界にまたがる権限設定や監査証跡、コンプライアンスの確保がより複雑になる。記事も、権限や証跡、意思決定の所在をワークフロー設計の中心に置くべきだと指摘している。

加えて、導入コストやツールの選定方法、日本企業の業務慣行に合わせた調整に関する具体的な情報はまだ公開されていない。事例の中で示された「2時間→30分」「約1時間の節約」という数値も、各社の自己報告に基づく。まずは小さなワークフローで効果を検証し、試す環境を整えるのが現実的な進め方とみられる。