OpenAIのエンタープライズAI論文におけるヌル結果

OpenAIは今週、コロンビア大学・ウォートン校と共同でワーキングペーパーを発表した。データは2026年3月までのChatGPT Enterpriseのテレメトリーに基づく。要約で引用される発見は、利用が7倍に増加したこと、採用企業が大企業に偏ること、タスクが幅広いことなどで、いずれも驚きはない。しかし、この論文で本当に価値があるのはTable 2のある係数だ。ベンダーが自社顧客のデータを公開した論文として読むべきだが、内容は良い。

導入済み企業では、従業員数が多いほど従業員あたりのメッセージ数、週次アクティブユーザー数、出力トークン数が有意に低かった（係数はそれぞれ-0.266、-0.032、-0.667）。一方、4番目の「週次アクティブユーザーあたりのメッセージ数」は-0.002で、標準誤差は0.008と推定値の4倍あり、統計的に有意ではない。R²も0.100と他の3つの回帰（0.36〜0.48）より低いが、点推定がほぼゼロであることは重要だ。つまり、大企業のアクティブユーザーの関与度は小企業と変わらず、大企業の利用ギャップは「使っている人の使い方」ではなく「使う人の数」の問題だということになる。

エンゲージメントが問題なら、トレーニングやプロンプト改善、社内啓発、ユースケースライブラリを導入すればよい。浸透が問題なら、2回目にログインしなかった人が誰で、なぜ戻らなかったのかを調べる必要がある。この論文は、最初の測定（エンゲージメント）で2番目の問題（浸透）を説明できるという思い込みに反証を与える。データは非リピーターの理由を教えてくれず、オンボーディング後の支援に焦点を当ててきた業界にとっては厳しい含意を持つ。

導入を予測する要因として、論文は2021会計年度の研究開発ストック、資本化ソフトウェア、SG&Aストック（組織・管理能力の粗い代理変数）を検証した。最も強く頑健だったのはSG&Aストックで、物的資本集約度は規模をコントロールすると導入と負の関連があった。つまり、最初に動く企業はエンジニアリング力やソフトウェア資産が最強の企業ではなく、仕事の再設計を担う「地味な層」に長年投資してきた企業だ。吸収能力と構築能力は別の資産であり、モデルが誰にでも同じ価格で提供されれば、一般的な提供は格差を縮めず、むしろ拡大する可能性がある。

導入から6か月後、職位と利用強度の関係は、多くのガバナンス設計が想定するものと逆になっている。初期キャリア層と研修生は、同じ企業の平均アクティブユーザーより週に8〜9通多くメッセージを送信し、経営陣、創業者、パートナーは少ない。タスクも分かれており、文書化・テクニカルライティングが全アクティブユーザーの過半数を占め、次いで技術デジタル業務、メッセージ起草が続く。経営幹部はトピック概要、事実と数字、法務・規制、財務・税務などの消費・総合タスクに集中している。また、法務・規制・財務・税務タスクはユーザーの到達範囲は広いがメッセージシェアは小さい。量ベースのモニタリングを行っている組織では、誤りが最も高コストなカテゴリが最もサンプリングされないという測定上の誤りが起きやすい。

最後に注意点を挙げる。これはあくまで相関分析であり、因果関係ではない。測定範囲はChatGPT Enterprise内部に限定され、API、内部ツール、他ベンダー、個人アカウントは含まれない。非採用企業がAIを活用していても、このデータセットには見えない。職務名は時点情報で不完全であり、財務分析は米国上場企業に限られる。さらに、アウトプットの品質、収益、生産性は測定されておらず、トークン数が多いほど良いという暗黙の前提も疑わしい。それでも論文の結論は説得力を持つ。採用は展開の始まりにすぎず、企業はAIを使うかどうかではなく、AIをどこに位置づけるかを決めている。今後2年のギャップはモデルへのアクセスではなく、契約締結後18か月に何が起こるかで決まる。しかし、その期間を十分に測定できている組織はほとんどない。