ChatGPTの仕事利用データは導入候補を広げる手掛かりですが、そのまま自社の効果や置き換え可能性を示すものではありません。
「AIを導入したいが、文章作成以外に何を試せばよいのか」。社内で候補を募っても、メールの下書きや要約ばかりになることがあります。他の人がどのような仕事を持ち込んでいるかを知れば、まだ試していない用途を考える材料になります。
OpenAIが2026年10月26日に公開した新しいSignalsデータは、個人向けChatGPTに持ち込まれた仕事を165の活動に分類したものです。注目したいのは「人気業務をそのまま真似する」ことより、職種名では見えにくい作業単位で、自社の仕事を見直せる点です。
この記事でわかること
- 公開データの範囲：個人向けChatGPTの仕事関連メッセージを集計した資料です。
- 導入候補の探し方：仕事を小さな活動へ分け、試す価値のある作業を見つけます。
- 読み違えやすい点：利用の多さと、成果・普及率・代替率は別の指標です。
何が公開されたのか：職業ではなく「作業」を見るデータ
今回の公開対象は、約100か国、2025年第1四半期から2026年第3四半期までの仕事関連の利用です。職業に含まれる仕事を整理するO*NETの枠組みに基づき、共通する活動へ分類されています。公式発表は教材作成、マーケティング内容の制作、プログラミング、ビジネスデータ分析などを例示しています。
大切な条件は、個人向けプランのメッセージが対象で、企業向けのメッセージやCodex利用は含まれないことです。「企業のAI導入状況を網羅した調査」として扱うと、対象を取り違えます。
利用が分散していることと、成果が上がったことは違う
全四半期で観測された74か国では、各国の分類済み仕事メッセージに占める上位10活動の割合が、平均で56.0%から51.1%へ下がったと報告されています。これは利用が上位の活動だけに集中しにくくなったという集計です。
この数字から、仕事の51.1%が自動化されたとは言えません。また、利用が増えた活動ほど時間短縮効果が高いとも限りません。メッセージの構成比を、業務量や効果の割合へ読み替えないことが出発点です。
自社で使うなら、データを「試行候補の地図」にする
部署名ではなく、日々の作業を書き出す
「営業にAIを導入する」では、試す範囲が広すぎます。「商談前に過去のやり取りを整理する」「提案内容と要件の抜けを照合する」「打ち合わせ後の確認事項を一覧にする」といった、成果物が見える単位へ分けてみてください。
次に、公開データの活動分類を見ながら、社内の一覧から漏れていた作業がないか考えます。以下はデータの順位や推奨業務を再現したものではなく、導入検討のための整理例です。
| 普段の困りごと | 試行する成果物 | 効果を判断する項目 |
|---|---|---|
| 新人への説明が担当者ごとに違う | 既存マニュアルを基にした説明案 | 必須事項の抜けと修正時間 |
| 販促文の案出しに時間がかかる | 同じ条件に沿った複数の訴求案 | 採用できた案と事実確認の負担 |
| 定例資料の数字を読み解きにくい | 変化が大きい項目と確認すべき点の一覧 | 計算の正確さと見落とし |
他社で使われているように見えるからといって、顧客情報や機密資料をそのまま入力する必要はありません。試行用に匿名化した資料や、持ち出しが認められた情報を使うなど、社内のルールを先に確認します。
試す候補は「困っている」「検証できる」の両方で絞る
候補を広げた後は、自社の事情へ戻ります。担当者が実際に時間を使っているか、成果物の正しさを確認できるか、失敗したときに元へ戻せるかを確認してください。頻繁に発生していても、評価する人がいない作業では、誤りを含んだまま運用が進むおそれがあります。
最初の試行では、作業にかかった時間だけでなく、修正にかかった時間、採用できなかった理由も記録します。公開データは候補を見つける役割、自社の試行は採否を決める役割と分けると、数字の印象だけで導入を決めずに済みます。
資料へ引用するときは、対象と比較条件を添える
OpenAIはデータと説明資料のダウンロード導線を公開し、利用条件をCC BY 4.0としています。社内の提案資料などへ取り入れる際も、出典を示したうえで、対象期間、国、活動分類、集計対象を添えることが大切です。
たとえば「AIの仕事利用が広がっている」とだけ書くより、「個人向けChatGPTの仕事関連メッセージを分類したOpenAI Signalsの集計では」と前置きすると、何を観測した資料かが伝わります。グラフを加工した場合は、加工したことも明示してください。
国別の違いには、仕事の構成やアクセス環境など複数の事情が関係し得ます。利用の多い国ほど生産性が高い、という因果関係はこの資料だけでは判断できません。企業向けの利用データと比較する場合も、対象が違うことを明記する必要があります。
企業ワークスペース内の利用状況を確認したい場合は、対象が異なるChatGPT Enterpriseの利用分析と導入指標を参照してください。
実務上の注意
公式説明によると、個々の会話を研究者が読むのではなく、識別情報を取り除いた後に自動分類し、集計値を公開しています。小規模な集団の結果の非公開や統計的なノイズの追加も行われています。細かな差を過度に意味付けせず、方法と対象を確認してください。
本記事の導入例は、公開データを使った検討方法の提案です。特定の業務で効果が実証された事例や、この記事によるCSVの独自集計結果ではありません。
まとめ
新しいSignalsデータは、AIの導入候補を文章作成だけに狭めないための参考になります。ただし、利用の分布と自社の効果は別です。仕事を具体的な作業へ分け、データで視野を広げ、採否は自社での確認可能な試行によって決める。この順序で使うと、公開研究を現場の判断へつなげられます。
よくある質問
企業でのChatGPT利用をそのまま示したデータですか？
いいえ。今回の対象は個人向けChatGPTの仕事関連メッセージで、企業向けメッセージやCodexの利用は含まれません。
上位の業務から導入すれば効果が高いですか？
利用の多さだけでは効果を判断できません。自社の困りごと、情報を扱える条件、確認にかかる時間を含めて試行する必要があります。
仕事がAIに置き換わった割合は分かりますか？
このデータは仕事関連メッセージの分類です。仕事全体の代替率や生産性の向上率を直接示すものではありません。
出典・参考情報
運営元について
AXメディアは、株式会社ジーズ AX事業部が運営しています。AX事業部では、AI研修・AIエージェント開発・ローカルLLM開発・補助金／助成金の活用支援を提供しています。
