📌 この記事の要約

• 企業の利用量は9カ月で約7倍に増加 新規契約だけでなく、既存の導入企業における利用拡大が成長の約半分を占めました。

• 導入のしやすさと社内浸透は別の問題 大規模な企業ほど導入しやすい一方、従業員1人あたりの利用量は低い傾向が見られます。

• 利用者の多さと使い込みの深さは一致しない 管理職も広く利用していますが、1人あたりの利用強度では若手・研修生が突出しました。

• ライセンス数ではなく利用の広がりと成果を測る 職種別の週間アクティブ率、メッセージ数、利用タスクに加え、時間・品質・成果への効果を見る必要があります。

企業向けAIを導入しても、ライセンスを配った人数は分かる一方で、実際に誰が何に使い、どのくらい定着しているのかまでは見えていないことがあります。現場で使われているのか、一部の社員だけが触っているのか。導入担当者にとっては、契約後のほうが実態をつかみにくいのです。

こうした企業内でのAI利用を、提供元の実データから分析した論文『How Organizations Use AI: Evidence from ChatGPT（組織はAIをどう使うか）』が2026年8月12日に公開されました。『OpenAI』とコロンビア大学ビジネススクール、ペンシルベニア大学ウォートン校の研究者5人による研究です。

対象は、管理者が一括で管理する法人向けプラン『ChatGPT Enterprise』を2024年1月から2026年3月までに導入した企業や団体です。アカウント記録と利用ログに、管理者側に登録された職種名やメッセージの用途、米国上場企業の財務データを組み合わせました。

職種別の分析には1,764社の約1,745万件、用途別の分析には973社の約870万件のメッセージを利用しています。メッセージの用途は自動システムで分類しており、研究者が個々の会話を読んだわけではありません。論文から見えてきたのは、利用量の伸び、導入企業の特徴、社内の誰が使っているのか、何に使っているのかという4つの実態です。

ChatGPT Enterpriseの内部データから見えてきた、企業のAI利用をめぐる4つの事実です。利用量の急増、導入企業の特徴、職位による利用差、幅広い用途を順に見ていきます。

企業の利用量は9カ月で7倍、半分は既存顧客の伸び

論文が利用量の指標にしたのは、AIが生成した文章やコードの量を示す出力トークンです。ChatGPT Enterpriseの出力トークン量は、2025年6月から2026年3月までの9カ月間で約7倍に増えました。

もちろん、この間には新しく契約した企業も増えています。しかし、2025年6月までに導入していた企業だけに絞っても、出力トークン量は同じ期間に約4倍になりました。全体の伸びのうち、およそ半分は既存の導入企業で利用量が増えたことによるものです。

つまり、企業向け『ChatGPT』の成長は、単に契約社数が増えた結果ではありません。導入済みの企業でも、時間の経過とともに使う社員や用途が増え、利用が深まっていると考えられます。

特に2026年に入ると、導入時期の異なる企業が一斉に利用量を伸ばしました。導入直後に利用が増えるだけなら、契約した時期によって伸び始めるタイミングもずれるはずです。複数の企業群で同じ時期に加速したことから、論文はChatGPT Enterpriseの利用企業全体に共通する変化があったと見ています。

集計には、コーディング支援ツール『Codex』が生成した出力も含まれています。ただし、期間中の伸びを主に支えたのはCodex以外のChatGPT利用でした。Codexの利用が目立って増えるのは2026年に入ってからで、それでも全体ではChatGPTなどCodex以外の出力が大半を占めています。

2025年6月を1倍とした出力トークンの推移です。新規導入企業だけでなく、すでに導入していた企業でも利用量が増えています。

導入企業は大規模で、組織への投資も厚かった

ChatGPT Enterpriseを早い段階で導入した米国上場企業には、分かりやすい共通点がありました。導入が確認できない企業と比べて、売上高や従業員数、総資産、時価総額、研究開発費のいずれも大きかったのです。

単にIT企業が多かったからではありません。同じ業種の企業同士で比べても、規模が大きい企業ほど導入している傾向が残りました。売上高が上位5％に入る企業は、ChatGPT Enterpriseを導入する確率が約10ポイント高いという結果です。

ただし、大企業だから導入できた、というだけではありません。論文は、各社がAIの登場以前から積み上げてきた組織力にも注目しています。調べたのは、営業や管理部門など組織を運営するために使ってきた費用、研究開発への投資、資産として計上されたソフトウェアです。いずれも従業員1人あたりに換算し、ChatGPT Enterpriseの導入との関係を分析しました。

中でも結び付きが強かったのは、営業や管理などに投じてきた費用の蓄積です。研究開発やソフトウェアへの投資でも、金額が多い企業ほど導入している傾向が見られました。人材育成や業務設計、IT基盤の整備に取り組んできた企業は、新しいAIを仕事へ組み込む準備も整っていたと考えられます。

もちろん、この結果だけで、組織への投資を増やせばAI導入が進むと断定することはできません。また、ここでいう非導入企業は、ChatGPT Enterpriseとの紐付けが確認できなかった企業です。他社のAIサービスや個人向けChatGPTを使っている可能性は残ります。

それでも、AIを導入する企業としない企業の違いが、AI製品の登場前から始まっていたという点は重要です。ライセンスを購入するだけでなく、使いどころを見つけ、現場を支援し、既存の業務へ組み込む力が必要になります。

ChatGPT Enterpriseの導入企業と、導入が確認できない米国上場企業の比較です。導入企業は売上高や従業員数、総資産、時価総額などが大きい傾向にあります。

利用者は幅広いが、使い込みは若手が突出

大企業ほどChatGPT Enterpriseを導入している一方で、導入後の利用が社内全体に深く浸透しているとは限りません。従業員数が多い企業ほど、従業員1人あたりのメッセージ数や出力トークン量、週間アクティブユーザーの割合は低くなる傾向が出ました。

導入しやすさと、導入後に社員が使い込むかどうかは別問題です。

では、社内の誰がChatGPTを使っているのでしょうか。導入から6カ月後の週間アクティブユーザーを見ると、技術職だけでなく、経営、財務、マーケティング、営業など幅広い職種が含まれていました。判別できた職位の中では、管理職とディレクター層が約24％を占めています。

ただし、これは各職種の社員のうち何％が利用したかを示す数字ではありません。アクティブユーザー全体の中に、各職種がどのくらい含まれていたかを示したものです。また、職種情報が登録されていないユーザーもいるため、社員全体の利用率とは分けて考える必要があります。

興味深いのは、利用者の人数と利用の濃さでは、異なる結果が出たことです。

アクティブユーザー1人あたりのメッセージ数を同じ企業内で比べると、若手や研修生は社内平均より週に8〜9通多く送っていました。一方、管理職やディレクター、経営層は平均を下回ります。職種別では、アナリストやマーケティング、広報の利用が濃く、経営層や創業者、パートナー職は少なめでした。

つまり、「誰が使っているか」と「誰が使い込んでいるか」は同じではありません。アクティブユーザーの人数だけを見ていると、現場でどの層が日常的にAIを使っているのかを見落とす可能性があります。

同じ企業内の平均と比べた、職位別の利用強度です。若手・研修生層は週に8〜9通多くメッセージを送り、管理職や経営層は平均を下回りました。

中心は文書作成、用途は幅広い仕事に分散

ChatGPT Enterpriseが何に使われているのかは、約870万件のメッセージを60種類のタスクに自動分類した結果から分かります。

最も多かったのは、ドキュメントや技術文書の作成です。週間アクティブユーザーの56.3％が、週に一度以上この用途で利用していました。パソコンやソフトに関する技術的な作業や質問には約半数、メールやチャットなど人に送る文章の作成には約4割が使っています。知らないテーマの概要をつかむ用途も約4割に達しました。

文書作成は多くの社員にとって始めやすく、日常業務にも組み込みやすい用途です。白紙から文章を作るだけでなく、要約や言い換え、構成の整理、マニュアルの作成など、さまざまな場面で使われていると考えられます。

一方、メッセージ数の割合で見ると、文書作成は全体の18.3％でした。最大の個別用途ではありますが、全体を独占しているわけではありません。上位12分類以外の用途をまとめた部分が27.3％を占めており、細かな仕事へ広く分散していました。

業種や職種による違いもあります。金融や保険では財務、税務、市場調査に使う人が多く、エンジニアはデバッグ、財務経理の担当者は税務、営業やマーケティングの担当者は販売促進に使う傾向が出ました。各部門が、自分たちの仕事に近い用途を見つけていることが分かります。

ただし、メッセージ数で見ると業種間の差は小さくなります。どの業種でも、文書作成、技術的な作業、社内外のコミュニケーションが利用の中心でした。業界特有の使い方はありつつも、日々の知識労働を支える基本的な用途は共通しているのです。

上段は各用途を週に一度以上使った人の割合、下段はメッセージ数に占める割合です。文書作成が中心ですが、利用は幅広い仕事に分散しています。

見るべきはライセンス数ではなく、導入後の広がり

論文が結論で強調しているのは、AIを導入することと、仕事に定着させることは別だという点です。生成AIのように幅広い用途を持つ技術は、利用できるようになっただけで、すぐに生産性を押し上げるわけではありません。企業が有効な使いどころを探し、社員を支援し、仕事の進め方を組み替えることで、初めて日常業務に定着します。

これは、AI導入の進み具合を測る方法にも関わります。契約したライセンス数や導入部門の数だけでは、AIが実際に使われているかは分かりません。

まず確認したいのは、職種別の週間アクティブ率です。どの部門で使われ、どこでは利用が止まっているのかが見えてきます。次に、アクティブユーザー1人あたりのメッセージ数を見れば、たまに試すだけなのか、日常的に使っているのかを判断できます。さらに、利用タスクの内訳を追うことで、文章作成だけにとどまっているのか、調査や分析、法務、経理などへ広がっているのかも確認できます。

ただし、メッセージ数が多ければ、生産性も高いとは限りません。この論文が測っているのは利用状況であり、完成した成果物の品質や作業時間の短縮、売上への効果までは調べていません。

企業が自社の効果を確かめるなら、利用ログだけでなく、作業時間がどのくらい減ったのか、成果物の質が上がったのか、これまでできなかった仕事ができるようになったのかも合わせて見る必要があります。利用量はゴールではなく、成果につながる使い方を探すための手掛かりです。

今回の研究が示したのは、同じChatGPT Enterpriseを導入しても、社内での広がり方や使い込まれ方は企業によって大きく異なるということでした。AI活用を考える際の問いは、「導入したか」から「誰が、何に、どのくらい使い、仕事がどう変わったか」へ移っています。

ライセンスを配っただけで成果を待つのではなく、利用ログから社内の動きをつかみ、現場の成果と結び付けていく。そこまで進めて初めて、AI導入が業務への展開に変わるのです。