AI の利用をビジネス価値につなげる方法
ChatGPT Admin Console の Analytics は Work と Codex の使用量、コスト、タスクのインサイトを集約し、管理者が AI の使われ方を把握できるようにします。
日本語
コピー
チームが ChatGPT Work と Codex をどう使っているかを把握し、支出の裏側にある仕事を可視化して、測定可能な成果と結びつける。
AI を使うチームが増えるにつれ、管理者やビジネスリードは、AI がどこで価値を生み、次にどこへ投資すべきかを見極める必要が出てくる。利用量と支出から分かることは限られている。管理者は、人が AI で何をしているのか、そしてそれがチームに何を成し遂げさせたのかまで見たい。
ChatGPT Admin Console の Analytics は、ChatGPT Work と Codex の利用量を、コストデータ、タスクのインサイト、成果指標とともに一か所にまとめる。
以下では、管理者がこれらのツールを使って導入状況を把握し、チームを支援し、ビジネス価値を評価する方法を紹介する。
AI の利用量と支出を把握する
利用量分析は、導入がどこで伸び、支出がどこに集中しているかを示し、管理者が支援の優先順位を決め、コストを精査し、容量の申請を評価する助けになる。Usage ビューは ChatGPT Work と Codex のアクティブユーザー、credits、token 使用量をまとめる。たとえばグループやユーザーで絞り込めば、導入が遅れている箇所が見え、チームリードと一緒にオンボーディングのワークフローやトレーニングの必要性を確認できる。
Usage の概要は ChatGPT Work と Codex のアクティブユーザーと credit の推移を示す。スクリーンショットはすべてデモデータを使用している。
チームが AI で何をしたのかを見る
Insights のタスク分類器はメッセージの一部をサンプリングし、ユースケースとタスク別に分類する。これにより、AI がどんな仕事を支えているのかが管理者に分かる。たとえばソフトウェアエンジニアリングには機能開発やコードの保守が含まれ、営業・レベニューには顧客調査や計画が含まれる。Overview タブは仕事の構成をひと目で示し、Use cases タブはタスクの内訳付きの詳細な表を提供する。管理者はグループで絞り込み、チームごとの AI の使い方を確認したうえで、どのワークフローと成果を評価するかをビジネスリードと決められる。
Insights の概要は、機能実装から顧客調査まで、credits がタスクごとにどう配分されているかを示す。
次の営業チームの Use cases 表では、アカウントリサーチと計画が最も多くの credits を消費している。AI が顧客準備をどう変えるかを議論するなら、ここが出発点になる。
Use cases 表はチームの仕事をタスク別に分解し、credits、メッセージ数、アクティブユーザーを並べる。
チームにトレーニングと支援が必要な箇所を見つける
タスクの詳細では、Models、Reasoning、Speed の3つの内訳が、あるタスクで各設定が credits をどれだけ占めているかを示す。これを見れば、現在の構成が実際の仕事に合っているかを判断し、モデル選択をトレーニングの重点にできる。たとえば定例のブリーフィングなら、より高速か低コストの構成を試し、出力の品質と、レビュー・修正にかかる時間を比べてみる価値があるかもしれない。
Plugin leaderboard と Skills ビューは、どのツールがタスクを支えているかを示し、管理者がトレーニングの対象を絞り、どのワークフローを残すか共有するかを決める助けになる。関連するプラグインの利用率が低ければ、権限かトレーニングが行き届いていない可能性がある。よく使われている skill があれば、担当者を決めて定期的に更新する必要がある。
「OpenAI の分析のおかげで、チームが AI をどう使っているかを把握でき、その後の指導やポリシーの土台になっています。私たちは Agent Console（AI agent を監視するための自社製品）で OpenAI のタスク分類をすでに活用し、顧客の agent がどんな仕事をしているかを顧客に示しています。このデータを OpenAI から直接取得できることで、顧客の AI 利用量が増えても、こうしたインサイトをより確実に提供できます」
Bharadwaj Tanikella、Datadog AI プロダクトマネージャー
Codex がエンジニアリング成果にどう貢献しているかを追う
Outcomes ビューは、Codex がマージ済み commit とコード行数にどう貢献しているか、そしてコードレビューの活動を示す。トレンドラインに、利用可能な場合はグループ、ユーザー、リポジトリのフィルターを組み合わせることで、管理者とエンジニアリングリードは導入状況を把握し、どこで権限を広げ、どこでチームを支援すべきかを判断できる。
マージ済みコードに占める Codex の割合が上がり続けているなら、エンジニアリングリードはその傾向をレビュー時間、不具合、手戻りと突き合わせ、チームが本当にソフトウェアを効率よく届けられるようになっているのかを判断できる。
_Outcomes ビューは、一定期間における Codex の貢献のうち、マージされたコミットとコード行の割合を追跡します。
Admin プラグインと API で傾向を分析し、結論を共有する
ChatGPT Work の Admin プラグインを使うと、管理者は導入状況・支出・タスクを比較し、その結論をレポートにまとめて、予算や展開の意思決定に役立てられます。完成したレポートをそのまま出力できるのも特徴で、たとえばグラフ、主要な発見、次のステップの提案を盛り込んだ経営層向けプレゼン資料を、社内の関係者にすぐ共有できます。
Admin API を使えば、自社のダッシュボードでレポートを自動生成し、分析データを業務システムのデータと組み合わせられます。たとえばサポートチームのダッシュボードなら、クレジットの使用状況とチケット解決までの時間を同時に表示できます。
Admin プラグインはチームごとのクレジット推移を比較し、月次の展開レビュー向けに変化を要約します。
分析を業務成果につなげる
使用量とタスクのデータは出発点にすぎません。管理者は業務責任者と一緒に価値を掘り下げる必要があります。業務責任者は評価に必要な背景を補います。ワークフローがどう変わったのか、成果は改善したのか、その改善にいくらの価値があるのか。両者が協力して初めて、製品の利用状況を納期・品質・収益性といった指標と結びつけられます。
たとえば Admin Console のタスク分類機能で、ある営業チームが顧客調査を頻繁に行っていることが分かったとします。管理者はモデルの選択がタスクに合っているかを確認し、CRM プラグインの利用が不足している箇所ではトレーニングを実施し、顧客計画の進め方を統一するスキルを共有します。その後、営業責任者が準備にかかる時間と計画の質をチームのベースラインと比較します。時間が短縮できていれば、顧客とのやり取りにどれだけ時間を割いたか、どのやり取りが有望商談につながったか、どの商談が成約したかを追跡します。その事業の売上と限界利益を見れば、生まれた余力が財務的なリターンにつながったかどうかが分かります。
あるワークフローに価値があるかどうかを判断するには、まず次の問いを立てます。
- 何を改善したいのか？ チームにとって本当に重要な成果を一つ選びます。たとえば準備の迅速化、仕事の質の向上、コスト削減、売上の増加などです。
- 現在のプロセスはどうなっているか？ まず基準を決めます。チームがこれをどのくらいの頻度で行い、1 回にどれだけ時間をかけ、どんな結果なら良いと言えるのか。
- AI 導入後、何が変わったか？ 一定期間で結果を比較します。確認と修正にかかる時間も含めてください。速くこなしながらチームの品質基準も満たしていることを確かめるためです。
- これでチームに何が生まれたか？ 浮いた時間は顧客と話す時間の増加につながるかもしれません。質の向上は手戻りの減少につながるかもしれません。チームと話し、こうした改善がどこで最も役立つかを見極めます。
- その効果は投資に見合うか？ チームが得たものと、AI・導入・その後のサポートにかかった費用を並べて比べます。どの使い方を広げ、どこにさらなる支援が必要かの判断材料になります。
例：営業の顧客調査における年間 ROI
営業チームが 1 人あたり週 2 件の顧客ブリーフを作成しているとします。各ブリーフでは、顧客の履歴、業界調査、次の商談で使う論点をまとめる必要があります。
AI 導入後、何が変わったか？
合計するとどうなるか？
年間の削減時間
営業 20 名 × 週 2 件のブリーフ × 1 件あたり 3 時間削減 × 46 週 = 5,520 時間
推定される年間の生産能力価値
チームがこの時間の 50% を成果につながる業務に充て、従業員の総コストを時給 75 ドルと仮定します。営業はこの時間を新規顧客への接触、商談のフォロー、顧客と過ごす時間の増加に使えます。
5,520 時間 × 50% × $75 = $207,000
初年度の総コスト
AI、導入、トレーニング、継続サポートの費用を $60,000 と仮定します。
（$207,000 − $60,000）÷ $60,000 = 245% の例示的な ROI。
ワークフローの価値は生産性だけにとどまりません。営業の場面では、より充実した顧客調査とチーム内で統一された顧客理解が、より深い対話、より強い顧客関係、新たな機会につながります。その後チームは、こうした改善が商談サイクルの短縮や受注率の向上といった追加の業務成果につながったかどうかを測定できます。
数値はすべて仮定です。ROI は推定される生産能力の価値を反映したもので、受注率の向上、1 件あたりの成約金額の増加、その他の営業成果による利益は含みません。
顧客が AI で見ている業務インパクト
ソフトウェアの提供からオフラインイベントの開催まで、顧客は自社のビジネスにとって本当に重要なタスクに AI を使っています。
1Password** ** は Codex でソフトウェアを構築・レビュー・テストし、エンジニアがより速く機能を提供できるようにしています。同社は ROI 553%、年間のエンジニアリング生産能力価値 $0.8M と試算しています。Codex によって本番品質の機能と社内ツールをより速く構築しながら、厳格なセキュリティポリシーも維持できています。
ATV Big Air Tour は ChatGPT Work を活用し、イベント掲載情報の確認、在庫計画、サイトの露出向上を進めている。掲載情報の確認は週8時間から1時間に、在庫関連の作業は2〜3日から2〜3時間に短縮され、チームはツアーと顧客対応に時間を割けるようになった。
Playco は OpenAI の API 経由で GPT‑6 Astra を使い、遊べるゲームプロトタイプの構築と検証を行っている。同じ土台から3つのテーマ別プロトタイプを作成し、手作業での修正は前世代モデル比で50%減。開発者はより多くのアイデアを試して比較できるようになった。
はじめかた
Admin Console の Insights を開き、事業の優先課題を支える日常的なタスクを1つ選ぶ。事業責任者と一緒に内容を確認し、ベースラインと測定する成果を決め、進捗を見直す日を設定する。結果を見て、そのワークフローの対象を広げるか、チームの使い方を見直すか、別のやり方を試すかを判断する。詳しくはドキュメントを参照：詳細を見る（新しいウィンドウで開く）。
データプライバシー。 既定では、お客様の組織の業務データをモデルのトレーニングに使用することはありません。