📚 suwa-sh / zenn-contents
🧭 OpenAIが示した業務エージェント設計を職務記述として借りる
目次

⚠️ 非公開（zenn 未公開）

🧭 OpenAIが示した業務エージェント設計を職務記述として借りる

2026-09-02

プロンプト集を配れば、業務エージェントは社内に定着する、と思いがちです。
OpenAIが2026年9月1日に公開したのは、その逆です。
How AI-native companies turn workflows into operating capability は、Basis、Clay、Exa Labsの社内運用を、企業リーダーが借りられる設計パターンとして書いています。

借りる単位は、エージェントの職務記述です。
トリガー、完了条件、必要文脈、ツール、権限、完了までの持続、証拠、人間へ戻す地点を先に書きます。
空欄がある仕事は、まだ委譲しません。

成果も、出力量では測りません。
完了タスク、例外、レビュー負荷、サイクルタイム、品質、コスト、売上、リスクです。
3例はスタートアップの成功譚であり、一般企業の成功確率の証明ではありません。

記事の全体像
この記事の全体像。以下、順に解説します。

何を借り、何を借りないか

3社の業務は会計、GTM、検索インフラとバラバラです。
それでも、エージェントに渡す仕事の単位は同じ形になります。

価値のある一連の仕事 1. 安定手順を教える 2. 変化する文脈を残す 3. テストとレビューで限定実行する Skill: トリガー / 手順 / 完了 永続ワークスペースとsubagent 成果物 + テスト +人間の ship 判断 職務記述 人が決める地点:例外 / 優先 / 対外コミット

成熟は3段です。
Basisは安定プロセスをSkillにします。
Clayはアカウント単位の永続文脈を保ちます。
Exaは機会を、テスト付き成果物まで運びます。

OpenAI Helpの語彙も、記事と揃っています。
Skillは、特定ワークフロー向けの再利用可能な指示と資源です。
Pluginは、Skillと接続アプリを含め得るインストール可能な配布単位です。
SkillのみのPluginもあります。
実行面は、質問と短い協働のChat、多段の知識仕事と完成物のWork、ソフトウェア開発と技術作業のCodexに分かれます。

借りないものもあります。
Frontier企業がtypical企業の8.3倍、という数字を成熟の証拠にしないことです。
定義は、月次のoutput tokens per active userの上位10%対45〜55パーセンタイルです。
公式自身が、短い応答が高価値なことも、長い応答の付加価値が小さいこともある、と書いています。

3社が実際に委譲している仕事

軸 Basis Clay Exa Labs
会社 会計事務所向けAIエージェント。getbasis.ai GTMのデータ基盤とAccount Agents。clay.com/about エージェント向けweb検索インフラ。exa.ai
対象業務 社員Day-1オンボーディング 散在する案件文脈の維持と優先アクション 開発者エコシステムへの統合
成熟段 Skill化 永続文脈 テスト付き限定実行
エージェントがやること Codexが歓迎、概念説明、統合セットアップをバックグラウンド実行 アカウント毎subagentが一次ソースを夜間更新。調整エージェントが朝の優先リストを作る 統合機会の監視、文脈収集、PR作成、テスト実行、週次更新と告知下書き
人が残すこと 例外と複雑な質問。HRがSkillを次コホート前に更新 行動時点の判断。推奨の横に一次ソースを置く どの機会が重要か、どのコミットをするか、対外関係
公開KPI 初日30分（従来2時間）。自己報告 夜間の受信仕分けが約1時間減。自己報告 定量KPIなし
独立確認 会社定義は一次と一致。30分は未確認 アカウント別persistent subagentの型はGTM Strategist 2026-07-24で先行公開。1時間は未確認 Codex/ChatGPT pluginは2026-08-20公式。社内の監視から自動PRは未確認

記事のまとめ文は、次の3文です。

Basis turns a proven process into a reusable skill. Clay gives an agent the context and persistence to keep an evolving body of work current. Exa adds tools, tests, and review so an agent can carry a signal into bounded execution.

改善は、ワークフローの一部として設計されています。
オンボーディング例外はSkillの修正点になります。
案件の新情報と売り手の検証が文脈を更新します。
テスト結果と人間レビューが、次ランの境界を鋭くします。

人とエージェントの境界も、3社で共通です。

エージェント 人 手順の実行 文脈の更新 成果物の下書き 優先の選定 例外と複雑な質問 対外関係と ship

エージェントは手順を実行し、文脈を更新し、成果物を下書きします。
人は優先を選び、例外と複雑な質問を扱い、対外関係とshipを残します。
この線を職務記述に書かないと、レビューは後付けの感想になります。

職務記述に先に埋める項目

記事のsix stepsから、現場で埋める項目だけを抜きます。

項目 記事の語 3社での例
トリガー what triggers the work Day-1。夜間バッチ。高優先の統合シグナル
完了条件 the outcome / definition of “done” 統合セットアップ完了。朝の優先リスト。テスト済みPRと週次更新
必要文脈 required context 会社固有Skill。CRM、メール、Slack、通話、社内会話。リポジトリとSlack、Notion
ツール tools Codexとコンピュータ操作。アカウント別subagent。Codexとテスト
権限 permissions 既存アカウント権限に従う（Clay）。仕事が重くなるほど権限設計の比重が増す（Exa）
持続 how persistently the agent should work toward completion 一度のオンボーディング。夜間更新と朝の集約。監視から成果物まで
証拠 what evidence it must produce 推奨の横に一次ソース。テスト結果。下書き告知
人間へ戻す地点 where it must stop for human review 例外。行動前。ship前と対外コミット

人間側の役割も、記事は分けています。
成果の責任者、ドメイン論理、アクセスと統制、採用、日常利用です。
スタートアップは少数に圧縮します。
大企業は意思決定権を明示する必要がある、と記事自身が書いています。

実験の再利用先は、プロンプトではありません。
Skill、Plugin、共有ワークスペースです。

空欄がある仕事は、まだ委譲しません。
完了条件が検証できないなら、Chatに留め、WorkやCodexへ上げません。

測るものと、主指標にしないもの

記事は、出力量とワークフロー成果を分けています。

層 測るもの 記事の語
深さ 完了タスク、接続した文脈とツール、例外、レビュー負荷 completed tasks, connected context and tools, exceptions, review load
価値 サイクルタイム、品質、コスト、売上、リスク cycle time, quality, cost, revenue, or risk
代理（主指標にしない） 出力トークン、メッセージ数 Output volume can show that people are asking AI to do more; workflow outcomes show whether it matters

「完了タスク単価」という語は記事にありません。
costとcompleted tasksを組み合わせた解釈です。
例外件数とレビュー負荷は深さの公式語彙に入ります。
サイクルタイムは価値の公式語彙に入ります。

関連する一次数値は、Enterprise Signals（Updated 2026-08-12）にあります。

  • 2026年6月時点: CodexはCodexとChatGPTのoutput tokensの64%。frontierはtypicalの8.3倍（1月は2.6倍）
  • 同ページの週次スナップショット: 週次アクティブのうちPlugin利用はfrontier 21%、typical 9%。Skillは19%対3%
  • OpenAI内部: 本文は週次アクティブのPlugin利用95%。key takeawayはemployeesの95%。分母がページ内で揺れます
  • 2月起点のCodex週次アクティブ倍率: legal 108倍、sales 41倍、recruiting 41倍、marketing 26倍、engineering 5倍。公式は倍率のみで、出発点の絶対数は非公開です

エージェントの長いタスクは計算を増やします。
トークン増は委譲の深さの代理にはなります。
例外削減や単価の代理にはなりません。

メッセージ量も同じです。
How enterprises put AI to work のブログは、採用6ヶ月後に早期キャリアが経営層より週13通多い、と書きます。
ワーキングペーパー（Last Updated 2026-08-11）本文は、同一社内の平均アクティブユーザーより早期キャリアとtraineesが週に約8〜9通多い、managers / directors / executivesは少ない、と書きます。
これはexecutivesとの差分13ではありません。
論文自身も、メッセージ量は利用強度であり経済的重要性の完全な尺度ではない、と書いています。

存在証明であって、全社展開の保証ではない

3例は、業務エージェントを「安定手順のSkill」「永続文脈」「テストとレビュー付きの限定実行」として設計できることの存在証明です。
企業が借りるべきは職務記述と、出力量以外の指標セットです。
一般企業で同じ成熟に進める保証ではありません。

支持できる点は、一次資料と揃っていることです。
3社の会社定義は各社サイトと一致します。
Skill、Plugin、Chat、Work、Codexの語彙はHelp Centerと記事が一致します。
職務記述の項目と深さ、価値の指標はsix stepsに一次で列挙されています。
Clayのpersistent subagent型は、OpenAI記事より約5週前に関係者寄稿で公開されています。
完全な第三者監査ではありませんが、別媒体です。
ExaのCodex pluginは2026年8月20日に一次で存在します。

反証もあります。
記事は成功譚のみで、対照群も失敗例もありません。
MIT NANDA, The GenAI Divide, July 2025 は、300件超の公開案件レビューと52組織インタビュー等に基づきます。
Executive Summaryは、(a) 組織の95%がゼロリターン、(b) 統合パイロットのうち数百万ドル価値を取り出しているのは5%、大多数は測定可能なP&L影響なし、と分けて書きます。
著者見解であり、所属機関の公式見解ではありません。
NANDAの95%と5%は別文であり、OpenAI事例の定義とは揃っていません。

テスト付き実行は、コード領域に強いです。
Enterprise Signalsは、知識仕事は文脈が薄く指定が難しく検証基準が弱い、と書きます。
MSR '26 はagent作成PR全33,596件を調べ、不採用600件（うち562分類）でreviewer abandonment 38%、duplicate 23%、CI/test failure 17%を報告します。
レビュー地点を書いても、レビュー資源がボトルネックになります。

夜間にCRM、メール、Slack、通話を読むpersistent agentは、読取り自体が個人データ処理になります。
EUでは、法的効果または同様に重大な影響を伴う完全自動決定（GDPR第22条。契約、法令、明示同意の例外あり）と目的制限（第5条1項(b)）が制約になり得ます。
Clay例は行動前に人が判断する設計なので、第22条該当は別途評価が必要です。
規制下の顧客データ夜間処理は、法務確認がブロック条件になり得ます。

オンボーディングSkillの誤案内は、初日30分という自己報告KPI1件で相殺され得ます。
顧客向けチャットボットでは事業者が責任を負った例があります（Moffatt v. Air Canada, 2024 BCCRT 149。二次の法律解説）。
Basis製品の誤案内事例は未確認です。

未解決の問いも残ります。
3社の例外件数、レビュー負荷、完了あたりコストの実測はありません。
Exa社内の自動PR成功率も公開されていません。
ClayのAccount Agents製品と、記事のCodex個人オペレーションが同一実装かどうかも、型が近い以上の確認はありません。

適用範囲は、存在証明と設計チェックリストに限ります。
第3段階（テスト付き実行）は、検証可能な成果物がある仕事に限ります。

発注側が先に書くものと、委譲を戻す条件

発注側として取るのは、プロンプト集ではなく運用資産です。

  1. 価値のある一連の仕事を1つ選ぶ。繰り返しがあり、システム、ハンドオフ、統制、測定可能な賭け金が揃っているもの
  2. 責任者、KPI、ベースライン、ガードレールを先に書く
  3. エージェント職務記述を埋める。トリガー、完了、文脈、ツール、権限、持続、証拠、人間へ戻す地点
  4. 指標は例外件数、レビュー負荷、サイクルタイム、完了あたりコスト（解釈）を主にする。トークンとメッセージ数は深さの補助にする
  5. 成功したらSkill、Plugin、共有ワークスペースにパッケージする。権限、評価、レビュー地点、責任者、測定、展開手順をセットで残す
  6. コード以外へ第3段階をコピーしない。検証基準が無い仕事は、人間レビューを後段ではなく回答、行動の前に置く

逆転条件は、次の3つです。

  • 例外とレビュー負荷が増え、サイクルタイムが延びたとき。委譲を戻す
  • 検証できない完了条件しか書けないとき。Chatに留め、WorkやCodexへ上げない
  • 顧客、従業員PIIの継続読取りが既存の目的、契約、越境ルールに乗らないとき。永続subagentを採用しない

Frontierギャップや週13通を成功の証拠にしないことが、この3例から取る判断です。

まとめ

OpenAIの3社事例が示しているのは、業務エージェントの再利用単位です。
安定手順のSkill、変化する仕事の永続文脈、テストと人間レビュー付きの限定実行です。
現場で埋めるのは職務記述であり、測るのは完了、例外、レビュー負荷、サイクルタイム、品質、コスト、売上、リスクです。

3例は存在証明です。
全社展開の確信度は下げ、検証できない完了条件と規制下の継続読取りでは委譲しません。

この記事が少しでも参考になった、あるいは改善点などがあれば、ぜひリアクションやコメント、SNSでのシェアをいただけると励みになります！

参考リンク