目次
2026年7月22日、OpenAIは企業向けAIエージェント「OpenAI Presence」を発表した。音声とチャットで顧客対応や社内業務を担うエージェントを提供する製品だ。だが、大企業の意思決定者が注目すべきなのは製品の中身よりも売り方である。
Presenceはセルフサービスで契約できる製品ではない。適格な企業顧客に対する限定提供（limited GA）であり、導入はOpenAIのForward Deployed Engineer（FDE）と選ばれたグローバルSIパートナーが主導する。つまり、モデルではなく、エンジニアが付いてくる。
そして、これは単発の施策ではない。その2ヶ月前の5月11日、OpenAIはOpenAI Deployment Company（DeployCo）を設立していた。40億ドル超の出資を19のパートナーから集め、TPG、Bain Capital、Brookfield、Goldman Sachs——そしてMcKinseyとCapgeminiが出資者に名を連ねる。エンジニアを顧客企業の中に常駐させ、業務プロセスをAI前提で再設計する会社だ。同時に応用AIコンサルティング企業Tomoroを買収し、約150名のFDE・デリバリー専門家を初日から確保した。
世界最先端のモデルを持つ会社が、モデルの売り方を変えた。「APIを渡す」から「人を連れて行く」へ。 この転換が語っていることは一つだ——AIエージェントの本番化を止めているのは、もうモデルの賢さではない。
モデルを売る会社が、人を常駐させて売り始めた
モデルベンダーが実装の現場に降りてきたことを示す図。OpenAI Presenceは2026年7月22日発表で限定提供、導入はFDEとSIパートナーが主導し6段階の導入プロセスを持ち、改善案はCodexが起案して顧客が承認して初めて反映され、自社サポートで75%を人手なしに解決、設計パートナーはBBVA・ソフトバンク・IAG。OpenAI Deployment Companyは2026年5月11日設立の過半出資子会社で40億ドル超を19パートナーが出資し、TPG・Bain・Brookfield・Goldman SachsおよびMcKinsey・Capgeminiが出資側に並び、Tomoro買収でFDE約150名を確保して企業内に技術者を常駐させる。Anthropicは2026年3月から6月にかけてClaude Partner Networkに1億ドルを投下し4万社超が応募・1万人超が認定を取得、6月11日にTCSに専任部門を設置、BlackstoneやHellman & Friedman、Goldmanと15億ドル超のサービス会社を設立。共通点はモデルを売るのではなく本番稼働まで人が運ぶ形に売り方を変えたこと
同じ動きは、Anthropic側でも起きている。
Anthropicは2026年3月にClaude Partner Networkを1億ドルのコミットメントで立ち上げた。すでに4万社超が参加を申請し、1万人超のコンサルタントが認定を取得している。6月11日にはTata Consultancy Services（TCS）と提携し、Anthropicのモデル展開に専従する事業部門を設置した。さらにBlackstone、Hellman & Friedman、Goldman Sachsと組み、15億ドル超を投じたエンタープライズAIサービス会社を設立している。Accenture（3万人の研修済み専門家）、Cognizant、Deloitte、KPMGといった大手も、認定人材を数十万人規模で積み上げている。
ここで確認しておきたいのは、この動きの意味である。モデルベンダー2社が、揃って「デリバリー能力の確保」に数十億ドル規模の資本を投じている。これは、モデル性能を上げれば企業導入が進むという前提が、供給側の実感として否定されたことを示す。しかも組む相手は、コンサルティングファームとシステムインテグレーターだ。
つまり不足しているのは、上流の戦略でもなく、モデルの知能でもなく、その間にある「現場で手を動かして本番まで運ぶ層」だということになる。
なお、この構造変化を私たちのような実装事業者にとって都合よく解釈するつもりはない。モデルベンダーとコンサル大手がこの層に本格参入したことは、私たちにとっては競合の登場そのものである。ただ、だからこそ数字を冷静に見る価値がある。参入が起きているのは、市場が儲かるからではなく、ここが詰まっているからだ。
「最後の1マイル」は、ほとんど人間の仕事だ
最後の1マイルに置かれた6段階を示す図。OpenAI Presenceが導入プロセスとして明示した6工程は、①成果のスコープ定義（どの業務で何を成果とするかを先に決める）、②セキュリティ・法務（プライバシー・法務レビューを通す）、③シミュレーション・eval（頻出ワークフローとエッジケースを事前検証）、④受入テスト（業務側が合格基準で受け入れ判定する）、⑤段階的ロールアウト（独断可の行動・承認要の行動・エスカレーション条件を設定）、⑥ローンチ後の反復（Codexが改善案を起案し顧客が承認して初めて反映）。文書を読み込ませれば本番になるという前提を製品仕様として否定している。搭載は進んでも本番稼働は進まず、Gartnerは2026年末に企業アプリの40%がエージェントを搭載すると予測する一方（2025年は5%未満）、S&P Global Market Intelligenceの調査では本番稼働は31%、Gartnerは2027年末までに40%超が中止されると予測している
なぜ、エンジニアが常駐しなければ本番化しないのか。Presenceの導入プロセスが、その答えを製品仕様として明文化している。OpenAIが公開する導入プロセスは6段階だ。
- 成果（ビジネスアウトカム）のスコープ定義
- セキュリティ・プライバシー・法務レビュー
- シミュレーションと評価（eval） ― 頻出ワークフローとエッジケースの事前検証
- 受入テスト
- 段階的ロールアウト
- ローンチ後の反復改善
この6段階を見て気づくことがある。モデルの性能で決まる工程が、一つもない。 すべてが、業務を知る人間と統制を担う人間の仕事だ。
設計の細部も同じ思想で貫かれている。エージェントには必要な知識とシステムアクセスだけが与えられ、企業側が「独断で実行してよい行動／人の承認が必要な行動／エスカレーション条件」を事前に設定する。ローンチ後はCodexが本番セッションとエスカレーションのログを読んで改善案を起案するが、顧客チームがテストして承認するまで反映されない。自動化されたシステムが自分自身を無検証で書き換えることを、明確に禁じている。
言い換えれば、Presenceという製品は「社内文書を読み込ませればエージェントが本番稼働する」という業界の暗黙の期待を、仕様として否定している。導入ごとにスコープ定義、統合、テスト、レビュー、承認が必要だと明記しているのだ。
この構造は、市場の数字の非対称としても現れている。Gartnerは、2026年末までに企業アプリケーションの最大40%がタスク特化型のAIエージェントを搭載すると予測している（2025年時点では5%未満）。製品側への搭載は急速に進む。ところがS&P Global Market Intelligenceの調査では、実際に本番でエージェントを稼働させている組織は31%にとどまる。そしてGartnerは、2027年末までにエージェント型AIプロジェクトの40%超が中止されると予測し、その理由をモデルの限界ではなくコスト、不明確な事業価値、不十分なリスク管理に帰している。
搭載はソフトウェアベンダー側で進み、本番化は企業側で詰まる。 この差分が「最後の1マイル」であり、そこにあるのは技術の問題ではなく、実装と運用の人手の問題である。
受け入れる側の準備は3% ― 供給も需要も詰まっている
運ぶ人が足りず受け取る側も準備できていないことを示す図。供給側はPresenceが適格顧客のみの限定提供で、導入を主導するのはOpenAIのFDEと選ばれたグローバルSIパートナー、FDEはTomoro買収由来の約150名からスタートしデリバリー能力に上限があり、価格は非公開で名前の出た顧客は大規模導入ではなく設計パートナー、日本語はソフトバンクが自然な会話をテストしている段階であり、待ち時間はモデルの進化速度ではなく人材の供給速度で決まる。需要側はManpowerGroup Talent SolutionsとEverest Groupの調査で、リーダーの準備が高いと答えた組織は3%、ワークフォースの準備が先進的・変革的は17%、従業員がAIの影響を懸念しているは78%、AI関連リスキリングを今後1年半の優先事項に挙げたのは86%（米英の上級リーダー80名、n=80のため絶対値には留保が必要）で、最大の障壁は技術導入ではなく人と組織。外からFDEを呼んでも成果を決められる人が社内にいなければ第1段階で止まる
ここで問題が二重になる。運ぶ人の供給が絞られている一方で、受け取る側の準備も整っていない。
まず供給側だ。Presenceは限定提供であり、価格も公開されていない。名前の出ているBBVA、ソフトバンク、IAGは大規模導入企業ではなく設計パートナー——製品を一緒に作っている段階の顧客である。BBVAは金融の顧客対応における音声体験、IAGは荒天など需要が急増する局面での対応、そしてソフトバンクは自然な日本語での顧客対応をテストしている。FDEの母数は買収で得た約150名から始まる。デリバリー能力そのものが、提供の上限を規定している。
この事実は、日本の大企業にとって具体的な意味を持つ。日本語・国内の業務慣行・国内ガバナンス要件に踏み込んだ実装は、まだ設計パートナーと共に作られている最中だということだ。「順番を待つ」戦略を採った場合、待ち時間を決めるのはモデルの進化速度ではなく、人材の供給速度になる。
次に需要側である。ManpowerGroup Talent SolutionsがEverest Groupと実施した調査（7月22日公表）は、受け皿の現状を数字にしている。
- リーダーがAI前提の働き方を管理する準備が「高い」と答えた組織：3%
- ワークフォースの準備が「先進的／変革的」と答えた組織：17%
- 従業員がAIによる自分の仕事への影響を懸念していると回答：78%
- 今後12〜18ヶ月でAI関連のリスキリングを優先事項に挙げた組織：86%
調査対象は米英の上級リーダー80名（ヘルスケア、ライフサイエンス、製造、テクノロジー）であり、サンプル規模が小さい点は割り引いて読む必要がある。それでも報告の結論は明快だ——AI変革の最大の障壁は、もはや技術の導入ではなく、ワークフォースの準備とリーダーが人を変化に導く力である。
この二つを重ねると構造が見える。外部から最高の技術者を呼んでも、受け取る側に「誰の業務をどう変えるか」を決められる人がいなければ、6段階の第1段階——成果のスコープ定義——で止まる。 FDEは要件を待つ人ではない。業務プロセスを一緒に再設計する人であり、常に社内側に意思決定できるカウンターパートを必要とする。
日本の大企業にとっての意味 ― 「発注」の型では埋まらない層がある
日本の大企業は、システム構築を外部に委ねる比率が高い。この慣行自体は悪くない。問題は、FDE型のデリバリーが従来の発注の型に載らないことだ。
RFPを書き、要件定義を固め、請負契約で成果物を受け取る——この型に6段階を無理に載せると、何が起きるか。①成果のスコープ定義と②セキュリティ・法務レビューは「発注前の紙の作業」として形式化し、③evalと④受入テストは「動作確認」に矮小化する。 そして最も重要な⑥ローンチ後の反復改善は、契約が終わっているので誰も担わない。この形で本番化した事例を、私たちはほとんど見たことがない。
もう一つ、日本固有の論点がある。78%が自分の仕事への影響を懸念しているという数字は、日本ではより慎重な扱いを要する。 終身雇用を前提に運用されてきた人事制度のもとでは、「エージェントが工程を持つ」という変化が評価・等級・要員計画と接続されない限り、現場は合理的に様子見を選ぶ。技術が動いても業務が変わらない典型的な原因がここにある。裏返せば、日本企業は雇用を守りながら役割を組み替える設計を、もともと得意としているはずだ。問題は、それをAI導入プロジェクトの範囲に入れてこなかったことにある。
「運ぶ人」をどう確保するか ― 3つの打ち手
運ぶ人を確保するための3つの打ち手を示す図。①外部の技術者を入れる前に業務側の受け皿を1人決める（何を成果とするか・どの例外を人が持つか・受入基準を承認するかの3つの決定権を持つ業務側オーナーを置く。空席のまま外部人材を入れると最も高価な工数が要件の探索に消える／人材の壁・品質の壁）、②evalと受入基準は成果物ではなく自社の資産として持つ（評価設計と合格基準をベンダーに預け切るとモデルやベンダーを乗り換えた瞬間に品質の基準ごと失う。改善案を承認する側が判断基準を持たなければ承認は形式化する／品質の壁・横展開の壁）、③管理職の役割定義とKPIを導入前に書き換える（エージェントが工程を持つ職場では管理職の仕事は作業の割り振りから例外の裁定・境界の見直し・成果の検証に変わる。定義を変えずに導入すると現場は二重チェックを足すだけになる／人材の壁・横展開の壁）
私たちはAIの本番化を阻む構造を「4つの壁」（品質／ガバナンス／横展開／人材）として整理している。今回の動きが突き当たっているのは、そのうち人材の壁だ。ただしその意味は、多くの企業が想定しているものとは違う。足りないのは「モデルを作れる人材」ではなく、本番まで運ぶ人材と、それを受け取って回す管理職である。打ち手を3つに絞る。
① 外部の技術者を入れる前に、業務側の「受け皿」を1人決める（人材の壁／品質の壁）。 必要なのはAIに詳しい人ではない。何を成果とするか、どの例外を人間が持つか、受入基準を承認するか——この3つの決定権を持つ業務側のオーナーである。ここが空席のまま外部の技術者を入れると、時間単価の最も高い工数が「そもそも何をやるべきか」の探索に消える。FDEもコンサルタントも、この不在を代替できない。彼らは業務の意思決定権を持たないからだ。逆に言えば、この1人を先に決めるだけで、外部人材の生産性は劇的に変わる。
② evalと受入基準は、成果物ではなく自社の資産として持つ（品質の壁／横展開の壁）。 6段階のうち③evalと④受入テストは、外部に丸ごと預けたくなる工程だ。専門性が高く、面倒だからである。だが評価設計と合格基準を預け切ると、モデルを乗り換えた瞬間、ベンダーを変えた瞬間に、品質の基準ごと失う。 次のモデル世代が出るたびに、また同じ検証をゼロから発注することになる。Codexのような改善提案ループも、承認する側に判断基準がなければ形式承認に堕する。評価基準は納品物ではなく、企業が保有し続ける資産として設計すべきだ。 ここを持っている企業だけが、複数部門への横展開で検証コストを再利用できる。
③ 管理職の役割定義とKPIを、導入前に書き換える（人材の壁／横展開の壁）。 リーダーの準備が3%という数字を「研修不足」と読むと打ち手を外す。本質は役割定義の不在だ。エージェントが工程を持つ職場では、管理職の仕事は「作業の割り振りと進捗確認」から「例外の裁定・権限境界の見直し・成果の検証」へ変わる。この定義とKPIを書き換えずに導入すれば、現場は最も合理的な行動をとる——エージェントの出力に人間の二重チェックを足す。結果、工数は減らず、ROIは出ず、横展開の判断材料も残らない。「AIを入れたのに現場が楽になっていない」の大半は、ここで説明がつく。
まとめ ― モデルの競争が終わったのではなく、競争地点が移った
2026年7月のOpenAI Presenceと、5月のDeployCo設立、そしてAnthropicのサービス網の拡大は、同じ一つの事実の別々の記録だ。モデルを供給する側自身が、「知能の供給だけでは企業の成果にならない」と、資本の配分によって認めた。
ここから導かれる結論は、大企業の意思決定者にとって具体的である。本番化の律速は、モデルの賢さから「運ぶ人の数」と「受け取る組織の準備」へ移った。 前者は世界規模で逼迫しており、限定提供・設計パートナー・約150名という数字がその証拠だ。後者は3%と17%という数字が示すとおり、ほとんどの企業で未着手である。そして後者は、自社でしか整えられない。
だからこそ、今期の投資判断は「どのモデルを選ぶか」ではなく、「6段階の①④⑥——成果定義・受入判定・運用後の改善——を、社内の誰が担うのか」という問いから始めるべきだ。ここが決まっていない企業は、優秀な外部人材を確保できたとしても、その能力を成果に変換できない。
Wizitは、「PoCで止まったAIを、本番運用とROIまで動かし切る」工程を、エンドクライアントの現場で手を動かしてやり切る実装パートナーだ。成果定義と本番化基準の合意、業務水準まで出力を作り込むeval設計とcontext engineering、大企業のガバナンス要件を満たす本番アーキテクチャ、そして運用後の継続evalとROI可視化——外部が担うべき部分は担い、社内が持つべき資産は社内に残すという線引きをした上で、本番稼働まで運び切ることを仕事にしている。
モデルベンダーやコンサル大手がこの層に参入してきたことは、市場としては健全な変化である。ただし供給が絞られている以上、日本の大企業が実際に取れる選択肢は限られる。待つか、それとも自前の受け皿を作りながら、手を動かせるパートナーと一緒に本番まで運ぶか。 前者を選んだ企業が待つのは、モデルの進化ではなく、順番である。
---
出典:
- OpenAI「Introducing OpenAI Presence」（2026年7月22日発表。音声・チャットのエンタープライズ向けエージェント基盤。適格な企業顧客への限定提供（limited GA）で、導入はOpenAIのForward Deployed Engineerと選ばれたグローバルSIパートナーが主導。ガードレール・権限・承認ステップの設定、シミュレーションとevalによる事前検証、ローンチ後はCodexが本番セッションとエスカレーションを読んで改善案を起案し顧客チームの承認を経て反映。価格は非公開）
- OpenAI Help Center「OpenAI Presence」（導入プロセスの6段階：成果のスコープ定義／セキュリティ・プライバシー・法務レビュー／シミュレーションと評価／受入テスト／段階的ロールアウト／ローンチ後の反復改善。設計パートナーはBBVA（金融の音声体験）、ソフトバンク（自然な日本語での顧客対応をテスト）、IAG（荒天など需要急増時の対応）。OpenAI自社の英語サポート電話では約75%を人手への引き継ぎなしに解決、ローンチ後10日でエスカレーションが15ポイント減）
- OpenAI「OpenAI launches the OpenAI Deployment Company to help businesses build around intelligence」（2026年5月11日。過半出資子会社として設立、40億ドル超を19の出資パートナーから調達。TPG、Bain Capital、Brookfield、Goldman Sachs、McKinsey、Capgemini等が出資。Forward Deployed Engineerを顧客企業内に常駐させ業務プロセスをAI前提で再設計。応用AIコンサルティング企業Tomoroの買収により約150名のFDE・デリバリー専門家を初日から確保）
- Gartner「Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 5% in 2025」（2026年末までに企業アプリケーションの最大40%がタスク特化型AIエージェントを搭載、2025年時点は5%未満）
- Gartner エージェント型AI予測（2027年末までにエージェント型AIプロジェクトの40%超が中止。理由はモデルの限界ではなくコスト・不明確な事業価値・不十分なリスク管理）
- S&P Global Market Intelligence 調査（本番環境でAIエージェントを稼働させている組織は31%）
- ManpowerGroup Talent Solutions × Everest Group「The New Talent Equation: Activating Workforce Confidence at Scale」（2026年7月22日公表。米英の上級リーダー80名調査、ヘルスケア・ライフサイエンス・製造・テクノロジー。リーダーがAI前提の働き方を管理する準備が「高い」3%、ワークフォースの準備が先進的／変革的17%、従業員がAIの影響を懸念78%、今後12〜18ヶ月でAI関連リスキリングを優先事項に挙げた86%。AI変革の最大の障壁は技術導入ではなくワークフォースの準備とリーダーの変革推進力であると結論）
- Anthropic Claude Partner Network / Services Track（2026年3月開始、1億ドルのコミットメント。4万社超が参加申請、1万人超のコンサルタントが認定取得。Select／Preferred／Global Premierの3階層。2026年6月11日にTata Consultancy Servicesと提携しAnthropicモデル展開の専任事業部門を設置。Blackstone、Hellman & Friedman、Goldman Sachsと15億ドル超のエンタープライズAIサービス会社を設立。Accenture、Cognizant、Deloitte、KPMGが認定人材を蓄積）