2026.08.22第207号

エージェント普及のボトルネックは性能ではなく「検証」です

ChatGPT週間9億人とOpenAIエージェント製品1,000万人の格差、その集計基準の限界、そして結果を誰が確認するのかという検証負担を掘り下げます。

AI・テック

アン・グァンソプ（Oswarld）· INLEVEL9 著者・編集者

Google の優先ソースに追加

誰もエージェントを使っていないという一つのツイート

先週、ジョシュア・ミラーという人物が、ヨーロッパへの家族旅行中に半分眠った状態で一つの投稿をアップしました。

「少しおかしいと思いませんか？実際にAIエージェントを使っている人が誰もいないというのが」

彼が付け加えた基準が興味深いところです。開発者やアーリーアダプターではなく、大学の同窓生グループチャットで話題になる瞬間のことです。InstagramやTikTokが広まったときに私たちが覚えた、あの感覚です。ミラーはArcブラウザを開発し、昨年アトラシアン（Atlassian）に6億1,000万ドル（約8,500億ウォン）で会社を売却した人物です。オバマ政権下のホワイトハウスで初代プロダクトディレクターを務めた経歴もあります。業界の内側にいる人物が業界へ向けて投げかけた問いだっただけに、大きな波紋を呼びました。

普及を阻んでいるのは、モデルの性能よりも検証です。AIが代わりにやった仕事が正しいかどうかを誰が確認するのかによって、導入スピードが分かれます。

ChatGPT週間9億人、OpenAIエージェント製品1,000万人

OpenAIは7月21日に、CodexとChatGPT Workを合わせて1,000万人が利用していると発表しました。7月初旬に比べてほぼ2倍に増えた数字です。同じ時点でChatGPT本体の週間アクティブユーザー数は9億人を超えています。

割合で見ると1.1%です。チャットボットを使っている100人のうち1人程度が、エージェント製品に手を伸ばしている計算になります。

この1,000万人という数字も額面通りには受け取れません。OpenAIは製品別の内訳も、アクティブユーザーの集計期間も、第三者監査の結果も公開していないからです。タスクを一度でも開始した人なのか、毎週実際に完了させている人なのかすら分かりません。ちなみに6月に発表されたある調査では、ChatGPTやCodexを利用する組織アカウントユーザーのうち17.3%がCodexを利用していたものの、個人アカウントでは1%未満でした。

同じ時期において、AnthropicのClaude CodeやCoworkも似た規模だという話が出ています。ただ、これは公式発表ではなく関係者の伝聞レベルなので、ここでは強い根拠としては扱いません。

整理するとこうなります。開発者や一部のビジネスパーソンにとっては実在する市場が生まれました。しかし一般の消費者側では、ミラーの言葉を借りればグループチャットに一度も話題として上がったことがないのです。

なぜ開発者ばかりが使うのか

ここでよくある説明が登場します。「まだモデルが未熟だから」。私はこの説明は半分しか当たっていないと考えています。

コーディングがなぜ最初の市場になったのでしょうか。

普通は「開発者がアーリーアダプターだから」と答えます。私は、別の理由のほうがはるかに大きいと考えています。コーディングでは、コンパイラやテストが一部のエラーを自動で教えてくれるからです。 コンパイラが構文エラーを検出し、テストが実行され、CI¹がビルド失敗を通知します。構文エラーやテストで検出できるエラーは、実行プロセスの中で素早く確認できます。

では、一般消費者の仕事を同じ基準に置いてみましょう。航空券の予約、取引先へのメール返信、買い出しリストの整理、保険約款の比較。この中に、結果が正しかったかどうかを機械が自動で知らせてくれる仕組みが備わっている作業が一つでもあるでしょうか。ありません。すべて人間が直接目で確認しなければなりません。

しかし、人に委任することのメリットは**「自分が見なくても済むとき」**に生まれます。結果を最初から最後まで読み直さなければならないなら、それは委任したのではなく下書きを受け取っただけです。そして下書きの作成なら、すでにチャットボットがこなしています。あえて新しいカテゴリーを学ぶ理由がありません。

したがって、私はこう整理しています。

エージェントの普及速度はモデルの性能ではなく、そのドメインに自動検証器が存在するかどうかに比例します。

ここで一つのパラドックスが生じます。チャットボットは能力が低い代わりに、ユーザーに何の負担も与えませんでした。質問して読めばそれで終わりだからです。エージェントは能力がはるかに高い代わりに、ユーザーに二つの新しい宿題を課します。「何を任せるか決めること」、そして**「結果が正しいか確認すること」**です。能力が上がるほど、認知的負担も同時に跳ね上がる構造になっています。

これは初めて起きることではありません。2016年にFacebookがMessengerのチャットボットプラットフォームを公開したときも、業界全体が「アプリの時代は終わった」と騒ぎ立てました。しかし1年も経たないうちにチャットボットのリクエスト処理失敗率が70%に達するという調査が出され、Facebookが鳴り物入りで進めていたパーソナルアシスタント「M」は2018年初頭に静かに幕を閉じました。当時の失敗原因もモデルではありませんでした。人間が結果を一つひとつ確認しなければならず、確認するくらいなら自分でやったほうが早かったからです。

市場調査会社のガートナーは昨年6月、2027年末までにエージェンティックAIプロジェクトの40%以上が中止されると予測しました。理由として挙げられた三つの要素は、コストの上昇、不透明なビジネス価値、不十分なリスク制御です。同じ発表の中でさらに目を引いたくだりがあります。市場に存在する数千社のエージェンティックAIベンダーのうち、実際にエージェントらしい能力を備えているところは約130社と推定されるという部分です。残りは既存のチャットボットやRPA²にラベルを貼り替えただけの、いわゆる「エージェントウォッシング」³であるという診断でした。

ただしガートナーは同じ資料で、2028年までに日常業務における意思決定の15%がエージェントを通じて自律的に行われるようになるとも予測しています（2024年は0%）。方向性そのものを否定したわけではなく、現在の普及スピードに対する期待値が過熱しているという話です。

「AI」の名を前面に出さなかった製品が生き残った

ミラーのより大きな主張は、「まだ広まっていない」ということではありません。エージェントは製品ではなく技術だということです。

彼はこう語りました。「AIエージェントを欲しがる人なんていません。そもそもそんなもの存在しないのですから。私たちの業界が何かを総称するために作り出した枠組みにすぎません」

その根拠も自身のプロダクトから引いています。彼の会社が作ったAIブラウザ「Dia」で、これまでで最も人気のある機能は「モーニングブリーフィング」だそうです。ノートPCを開くと挨拶とともに、カレンダーやメールから抽出された「今日やるべきこと」のリストが表示され、絵画が1点添えられるようなささやかなものです。技術的にはエージェントが動いていなければ不可能な機能です。しかしユーザーはそれを知る必要がありません。

私は、この事例が偶然人気を集めているのではないと考えています。モーニングブリーフィングは、間違っていても損害がない作業だからです。予定を一つ見落としたとしても、ユーザーはカレンダーを開けば済む話です。検証の負担は実質的にゼロです。前セクションの基準をそのままクリアする設計になっています。

振り返ってみれば、消費者に定着したAIはすべてこの条件を満たしていました。スパムフィルター、自動補完、地図アプリのルート提案、YouTubeのレコメンド、写真アプリの顔分類。誰もこれらを「AI製品」とは呼びませんでしたし、誰も結果を検算しませんでした。間違っていれば、単に次の候補をタップするだけだったのです。

数字の上でも裏付けがあります。メンロー・ベンチャーズがモーニング・コンサルトとともに米国成人5,031人を調査した結果（2025年4月）、直近6カ月以内にAIを使ったことがあるという回答は61%でした。しかし有料プランに移行した割合は約3%にとどまりました。同時に71%がデータプライバシーを懸念し、58%がAIの提供した情報を信用していないと回答しています。

使ってはみるものの、お金は払わず、結果は信用しない。この状態で「これからは代わりに実行までやってあげます」と提案されたらどうなるでしょうか。信頼のない相手に委任せよという要求は、便利さではなく負担でしかありません。

Oswarldの視点

私はこれを、技術の成熟度の問題ではなくGTM（Go-to-Market）の問題だと見ています。

GTM戦略を練る中で、繰り返し直面してきた失敗パターンが一つあります。作り手側が使う技術用語を、そのまま顧客に突き出してしまうことです。製品説明に内部の技術用語を使うと、顧客はその技術をまず理解しなければ製品を選べなくなります。そして消費者市場において、その負担を進んで引き受けてくれる人はほとんどいません。

思い出してみれば、成功したプロダクトはすべて逆を行きました。セールスフォースはSaaSを売ったのではなく、「ソフトウェアの終焉（No Software）」を売りました。Appleはハードディスクの容量ではなく、「ポケットに1,000曲」を売りました。いまの業界は「エージェントを使っています」と語っています。これは「当社の製品はデータベースを使っています」と言っているのと同じ次元の文章です。

agent ここに、私が最近導入検討の支援をする際、必ず投げかける問いが一つあります。

「このエージェントが間違えたとき、誰がいつ気づくのですか？」

この問いに対して「担当者が結果をレビューします」という答えが返ってきた場合、そのプロジェクトのROIは大抵合いません。人間が結果をレビューするためにかかる人件費が、自動化によって削減できた人件費と同等、あるいはそれ以上にかかるからです。逆に「システムが自動で検出します」、あるいは「間違えてもコストはかかりません」という答えが出るなら、そこからはじめて採算の計算が立ちます。ガートナーが2027年末までに中止されると見込んだ40%のかなりの部分も、おそらくプロジェクトを始めた後にこの問いに直面したケースでしょう。

したがって、消費者向けエージェントを設計するなら、道は三つに分かれます。検証器を一緒に作るか（コーディングがこれに該当します）、間違えても構わない作業を選ぶか（Diaのモーニングブリーフィングがこれです）、成果物をユーザーが一つひとつ検算しなければならないアウトプットではなく、ただ読んで受け流せばよい情報にとどめるかです。この三つのいずれにも当てはまらないまま「AIがよしなにやってくれます」と謳う製品は、実のところユーザーに新しい仕事をもう一つ増やしているにすぎません。

私は毎週、技術・経済・人文を交差させて分析するニュースレターを執筆しています。業界が掲げる言葉と、人々が実際に使っている現実との間にあるこうした落差を解き明かすことこそが、このニュースレターの役割です。

おわりに

まとめると、次のようになります。

第1に、格差は現実に存在します。ChatGPTの9億人に対し、エージェント製品は1,000万人です。ただし、その1,000万人も集計基準は公開されていません。

第2に、開発者が最初の市場になったのはアーリーアダプターだからではなく、コーディングにおいては一部のエラーを機械が自動で検査できるからです。

第3に、消費者に定着したAIはすべて「AI」という名を前面に出さなかった機能ばかりでした。現在の業界は、内部の技術用語である「エージェント」をそのまま製品説明に使ってしまっています。

ミラーの最後の言葉が深く心に残りました。「それがエージェントに見えようが見えまいが、誰が気にするというのでしょう。誰もエージェントなんて使っていません」

💬 最近、AIにあるタスクを丸ごと任せてみたものの、結局最初から結果を確認し直す羽目になった経験はありませんか。どんな作業で、どのような点に不安を感じたのか、ぜひコメント欄で教えてください。

📨 いまエージェント製品を開発している方や、導入を検討している方が周囲にいらっしゃれば、ぜひこの記事をシェアしてください。

参考資料と関連リンク

主要出典

“Why Normal People Aren’t Using AI Agents”, WIRED、2026年8月6日。リンク ··· 本稿の出発点です。ミラーのインタビューの中で「どのラボも映画『her／世界でひとつの彼女』をビジョンとして語っていた」というくだりが、業界の想像力の画一化を最もよく表しています。
Josh Miller（@joshm）、Xポスト、2026年8月。リンク ··· 議論の発端となった投稿です。引用リプライがさらに興味深く、「エージェントはプログラミング言語に近い」「普通の人はそこまで時間の節約を求めていない」といった反論が寄せられています。
“OpenAI’s Agents Reach 10 Million Users After ChatGPT Work Debut”, Bloomberg、2026年7月21日。リンク ··· 1,000万人という数字の一次情報源です。
“OpenAI’s Work Agents Reach 10 Million Users”, Implicator.ai、2026年7月。リンク ··· 上記の数字の集計基準がなぜ曖昧なのかを突いた分析です。「組織アカウント17.3%対個人アカウント1%未満」というくだりは、本稿の核心的な論拠の一つです。
“Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027”, Gartner、2025年6月25日。リンク ··· ベンダー数千社のうち実際にエージェント能力を保持しているのは約130社という推定がここに登場します。導入検討の場で引用しやすい数字です。
Menlo Ventures & Morning Consult, 2025: The State of Consumer AI、2025年6月。リンク ··· 米国成人5,031人を対象とした調査です。利用率61%と有料移行3%の落差、そして58%がAIの情報を信用していないというくだりを併せて見ると、「委任」の壁がどこにあるのかが浮き彫りになります。

背景知識

“Facebook Chatbots Hit 70% Failure Rate As Consumers Warm Up To The Tech”, MediaPost、2017年2月。リンク ··· 2016年のチャットボットブームがどのように失速していったかを示す当時の記録です。現在繰り広げられているエージェント談論と構図が驚くほど酷似しています。
“Lessons From The Failed Chatbot Revolution”, CB Insights. リンク ··· チャットボットの失敗を事後的に総括したレポートです。どのような業界でなぜ息を吹き返したのかについても触れています。
“Atlassian Enters Into Definitive Agreement to Acquire The Browser Company of New York”, Business Wire、2025年9月4日。リンク ··· ミラーの発言に重みがある理由です。6億1,000万ドル規模の買収開示の原本です。

合わせて読みたいバックナンバー

INLEVEL9 Letter「20ワットの脳の電源を切る人々」 ··· 人間がAIに判断を委ねるとき、実際に何が失われるのかを取り上げました。本稿の「検証負担」の話と、まさに表裏一体の関係にあります。

著者 アン・グァンソプ（Oswarld） は世宗大学校兼任教授、INLEVEL9 戦略コンサルタントです。経歴、研究、著書、最近の活動は著者紹介で更新しています。最近の活動 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 用語解説

각주

CI（Continuous Integration、継続的インテグレーション）：コードを変更するたびに自動でビルドとテストを実行する仕組みです。人間が確認する前に機械が先にエラーを検知してくれるという点が、本稿の核心です。 ↩
RPA（Robotic Process Automation）：人間がマウスやキーボードで行っていた定型作業を、決められたルールに従って自動実行するソフトウェアです。自ら判断を下すわけではないため、エージェントとは次元が異なります。 ↩
エージェントウォッシング（Agent washing）：従来のチャットボットや自動化ツールに「AIエージェント」という看板だけを付け替えて販売することを指す言葉です。環境配慮を装う「グリーンウォッシング」になぞらえた表現です。 ↩