OpenAIは、AI導入の成否を測る新たな指標として「ドルあたりの有用な知能（Useful Intelligence per Dollar）」を提唱した。これは従来のトークン単価重視の評価から脱却し、実務における「完了した仕事の価値」を重視するもので、企業におけるAI投資の評価基準を根本から変える可能性を秘めている。

なぜ「トークン単価」だけではAI投資の成否を測れないのか

OpenAIが公開した「AI時代のスコアカード」は、AI投資のROIに頭を悩ませるCFOや経営層に対し、新たな評価軸を提示している。従来のソフトウェア投資ではライセンス数やアクティブユーザー数といった「導入量」が重視されてきた。しかし、生成AIにおいては、モデルのトークン単価という局所的なコスト指標だけでは、真の投資対効果が見えてこない。安価なモデルで何度もやり直しが発生するよりも、高コストであっても一発で高品質な成果を出すモデルの方が、トータルの経済合理性は高いという「成果重視」の視点が重要となる。

「完了した仕事」をどう定量化するか：GPT-5.6が示す新指標の構成要素

OpenAIは、AIがどれだけの「実務」を完遂したかを重視する評価指標を提唱している。同社の技術文書によれば、財務予測やエンジニアリングのコード修正といった具体的なワークフローを例に挙げ、AIが「完了」させたタスクの数と、それに要した全コスト（人件費や修正コストを含む）を算出する重要性を説いている。最新モデル「GPT-5.6 Sol」は、推論トークン数を半分以下に抑えつつ、コーディングタスクのベンチマークで高い成果を達成しており、知能と効率の両面で「ドルあたりの有用な知能」の向上に貢献するとされる。

AI投資が「実験」から「経営基盤」へと移行する背景

AI投資が「実験」段階から「経営の基盤」へと移行する中で、成果を定量化する試みは不可欠なステップである。市場調査によれば、世界のAI支出は2026年には2.59兆ドルに達すると予測されている一方、多くの企業がAIから具体的な財務的利益を得られていないという課題も存在する。このような測定のギャップを埋めるため、従来のソフトウェア投資の成功指標がライセンス数から生産性向上へと変化する中で、生成AI特有のコスト構造を可視化する必要性が高まっている。

企業が自社独自の評価基準を確立すべき理由

OpenAIが提唱する指標は、AI投資の評価に新たな視点をもたらすが、その導入には慎重な分析も必要である。OpenAIが自社のモデル階層（Sol, Terra, Luna）を前提にこの指標を提示している点は、エコシステムの囲い込み戦略の一環とも受け取れる。企業側は、ベンダーが提示する指標を鵜呑みにするのではなく、自社の業務プロセスにおける「信頼性」や「人的介入の削減率」を独自に検証する姿勢が求められる。特に、既存のインフラや運用体制への統合コスト、データレジデンシーといった側面も考慮に入れるべきである。

業界標準となるか：AIガバナンスにおける評価指標の課題

AIの「成功」の定義は企業や部門ごとに異なり、標準化は容易ではない。OpenAI以外のモデルベンダーやオープンソースモデルと比較する際、この指標を公平に適用できるのかという課題も残る。今後は、このスコアカードが業界標準となるか、あるいは各社が独自の評価手法を確立するのか、AIガバナンスにおける重要な論点となるだろう。AIの出力に対する人間の評価バイアスをどう排除し、人的介入の削減率を定量化するかについても、継続的な議論が必要である。