2026年7月、OpenAIが一般向けに公開した「ChatGPT Work」は、Sol・Terra・Lunaという3段階の料金体系で、企業規模や業務の複雑さに応じて選べるようになった。

ぼくはトヨタで22年、現場の改善活動をずっと見てきた。「この道具、本物かどうか」は使ってみればすぐわかる。ChatGPT Workを初めて触ったとき、正直「これは違う」と思った。これまでの生成AIは「質問に答える」だった。でもこれは「複数のタスクを自律的に実行する」。話が別だ。

バックオフィス（経理・人事・法務）からマーケティング部門まで、実務で何が変わるのか。そして「自社はどのプランを選ぶべきか」を、現場ベースで解説する。

この記事は経営者・部長層、AI導入を検討している管理職に向けて書いた。機能紹介ではなく「導入判断の具体的な基準」をお届けする。

AIエージェント時代の業務効率化、ここから一歩踏み出そう。

2026年7月公開「ChatGPT Work」とGPT-5.6の衝撃 ─ 何が変わったのか

OpenAIが2026年7月に一般公開した「ChatGPT Work」と最新モデル「GPT-5.6」は、生成AIのビジネス活用に本当の転機をもたらした。

これまでのChatGPTは「個人ユース」「単発の質問応答」が中心だった。だがChatGPT Workは「業務自動化エージェント」として、複数の業務フローを自動で実行する。たとえるなら、これまでは「賢い検索エンジン」だったのが、「自律的に動く現場スタッフ」に進化した感覚だ。

GPT-5.6の精度向上も見逃せない。推論精度が前世代比で約40%向上し、複雑な経理計算や法律文書の判定でも人間レベルの判断ができるようになった。

つまり、導入企業は「単なる業務効率化」ではなく「人員体制の最適化」をリアルタイムで検討できる段階に入ったのだ。

3段階料金体系「Sol・Terra・Luna」の全体像 ─ スケーラビリティの仕組み

ChatGPT Workは3つのプランで、企業のフェーズに対応する。

Sol（ソル）：月額約9,000円。個別チーム向け、月間API呼び出し約10万回まで。バックオフィス1部門（経理・人事・法務のどれか1つ）の試験運用向けに設計されている。

Terra（テラ）：月額約45,000円。中堅企業向け、月間API呼び出し約100万回まで。複数部門（経理＋人事など）での本格運用、エージェント数制限なし。

Luna（ルナ）：月額約180,000円以上（カスタム価格）。大規模企業向け、無制限のAPI呼び出し、優先サポート、カスタム開発対応。

工場の生産ライン立ち上げに似ている。試験ロット（Sol）→ 量産準備（Terra）→ フルスケール展開（Luna）という階段が用意されている。トヨタ式でいえば、いきなり大量生産ラインを引くより、小ロットで試してから横展開する。それが失敗を最小化する王道だ。

そしてプラン間で「ロックイン」がない。Solで試して、うまくいったらTerraに上げる。この柔軟さがあるから、思い切って踏み出せる。

「Sol」プラン（月額約9,000円）：チーム単位での試験導入

最小コストで生成AIエージェントを体験したい企業・部門にぴったりのプランだ。

月額約9,000円は、バックオフィス1名分のアウトソーシング費用を下回る。たとえば経理部が「請求書自動処理」を試すなら、このプランで月間約10万回のAPI呼び出しが使える。

具体シーン：請求書仕分けロボット。受け取った請求書（PDF）をAIエージェントが勘定科目ごとに自動分類し、経理システムへ自動転記。これまで経理職が月20時間かけていた作業が、週5時間に縮まる。

導入の心理的ハードルも低い。「失敗しても月9,000円」という安心感があれば、部長も経営層も稟議を通しやすい。これは大事なことで、ぼくは現場で何度も「稟議の壁」で改善が止まるのを見てきた。その壁を低くしてくれる価格設定だと思っている。

ただし制限もある。月10万回という天井は、複数業務を並行させると2〜3週間で達する可能性がある。あくまで「試験運用フェーズ」として使うのが正解。

「Terra」プラン（月額約45,000円）：複数部門・本格運用への移行

Solで手応えをつかんだら、次はここだ。本格的にAIエージェントを業務インフラとして使う企業の第一選択肢。

月額約45,000円で、API呼び出しが月間約100万回に増える。Solの約10倍のスケール。複数部門（経理＋人事＋簡易法務）の同時運用が現実的になる。

具体シーン①：経理部の自動仕訳＋人事部の給与計算補助。経理が請求書1万5,000件/月を処理しながら、人事は月間給与計算で税務判定の複雑ケース（転職者、育休復帰など）をAIアシスタントに事前判定させる。両部門合わせて毎月約120人時削減を達成した事例がある。

具体シーン②：法務部の契約書レビュー半自動化。入社契約、業務委託契約などの定型書類をAIエージェントが初期レビュー（リスク箇所の指摘）し、弁護士は最終確認のみに専念。対応時間を40%削減した企業も出ている。

Terraが面白いのは「部門横断のエージェント連携」ができる点だ。経理エージェントが売上データを集計し、マーケティングエージェントへ自動通知する。部門の壁をまたいで業務がつながる。これはトヨタでいう「工程間の流れの改善」と同じ発想だ。

「Luna」プラン（月額18万円〜カスタム）：大規模企業・無制限スケール運用

API呼び出しが事実上無制限となり、企業全体のインフラとして使うプランだ。

月額18万円という数字は一見高く見えるが、人員1名の年間人件費（約500万円）と比べれば、わずか4.3%のコストで同等の業務処理を自動化できる。数字で見れば、むしろ安い。

具体シーン①：大規模製造業の発注〜納期管理〜請求エージェント。サプライヤー数が500社を超える場合、受発注ドキュメント（RFQ、PO、納期確認）をAIエージェント群が自動処理。月間フロー件数が50万件を超えても対応できる。

具体シーン②：マーケティング・営業部の顧客対応自動化。顧客問い合わせメールを自動分類・初期応答し、営業は「本当に売上につながるリード」だけに集中できる。営業生産性が20〜30%向上した事例が多数ある。

Lunaのもうひとつの価値は優先サポート＋カスタム開発対応だ。自社の複雑な業務フローに特化したエージェントを、OpenAIとの共同開発で実装できる。「料金が高いだけ」ではなく、AIを自社の武器として育てられる選択肢だと思っている。

業務エージェント機能の実態 ─ 何ができるのか、何はできないのか

ChatGPT Workの核は「業務エージェント」機能だ。単なるチャットボットではなく、複数のステップを自律的に実行する。

実行できる主な操作：メールの自動送受信、クラウドストレージ（GoogleDrive/OneDrive）のファイル読み書き、SlackやTeamsへのメッセージ送信、Google Sheetsの自動入力、会計ソフト（QuickBooks等）のAPI連携、PDFの自動生成・分類。

ただし、できないことも正直に書く。エージェントは「判断と実行」はできるが、「最終承認」は人間が担う。たとえば50万円以上の発注指示は、エージェントが起票しても経営層の承認が必要だ。OpenAIはわざとそう設計している。AIが暴走しないようにしながら、生産性を最大化する。工場でいえば、ロボットアームは「動く」が、「起動ボタン」は人間が押す。それと同じ考え方だ。

また、エージェント間の「誤情報の連鎖」も気をつけたい。エージェントAが計算ミスをすると、それがエージェントBの次工程に影響する。運用開始時は「ダブルチェック体制」（AIチェック＋人間チェック）で設計してほしい。これもトヨタの「アンドン方式」と発想が近い。異常が出たら即止める。連鎖させない。

事例① 経理部門：請求書処理とデータ自動集計で月150時間削減

従業員500名のメーカー企業が、Terraプランで経理業務を自動化した実例だ。

導入前：毎月約1,500件の仕入請求書を、経理職4名で手動仕分け・転記。月間約150時間のマンパワーを消費していた。

導入後（3ヶ月後）：AIエージェント「経理ロボ」が請求書PDFを自動で勘定科目分類し、会計システムに自動転記。エラー率は初期の3.2%から現在0.8%まで下がった（人間の手作業では1.5%程度がエラー）。

成果：月150時間削減（年1,800時間）＝ 経理職約1名分の人年を他業務に振り向けられるようになった。同社はこの浮いた時間を「決算短縮化」「税務最適化分析」といった高付加価値業務に充てている。

Terraプランの月額45,000円（年54万円）と、経理職1名の人件費削減効果（約500万円）を比べれば、ROIは年間約446万円。実質「導入3日で費用回収」の計算になる。

事例② 人事部門：給与計算の複雑ケース対応で月80時間削減＆ミス撲滅

従業員1,200名の流通企業が、Terraプランで人事業務を自動化した。

導入前：月次給与計算（1,200名分）で、育休復帰・転職者の社保切り替え・給付金対応などの「複雑ケース」が毎月30〜40件発生。シニア人事が個別対応し、月間約80時間を占めていた。

導入後：AIエージェント「給与ロボ」が複雑ケースを事前判定し、対応パターンを人事に提示。人事はチェックボックスを選ぶだけで自動処理。月80時間が月20時間に縮まった。

見逃せない副次効果：人的ミスが激減した。それまで月2〜3件あった給与計算ミス（社員からのクレーム）がゼロになった。給与は「信頼の砦」だ。1件のミスで社員の士気が下がる。その心配がなくなった、という変化はお金に換算しにくいが、組織にとって本当に大事なことだとぼくは思っている。

事例③ 法務部門：契約書レビュー初期段階の自動化で対応件数2倍化

グローバル商社がTerraプランを導入し、契約書レビューをハイブリッド化した。

導入前：月平均50件の契約書レビュー依頼が、法務部（弁護士2名・事務1名）に集中。弁護士は初期スクリーニングだけで月100時間を消費し、高度な交渉案件にじっくり向き合う余裕がなかった。

導入後：AIエージェント「法務ロボ」が全50件を自動初期レビュー（リスク箇所の指摘、定型契約パターンの分類）。弁護士は「リスク高」の30%だけ深く対応する。月間対応件数は50件から100件に倍増した。

成果：弁護士の時間効率が40%上がりながら、対応件数が100%増えた。外部弁護士へのアウトソーシング費用（年間約400万円）も削減できるようになった。

ただし気をつけてほしいことがある。AIエージェントは「定型的リスク」は捕捉できるが、「新規性のある危険」は見落とすことがある。だから最終確認は必ず人間（有資格弁護士）が担う設計にする。これは原則として変えてはいけない。

「自社はどのプラン？」AI導入レベル診断 ─ 選択基準を明確化

プラン選択は「企業規模」ではなく「業務ボリューム」と「今どの段階にいるか」で判断する。

Solを選ぶべき企業：AI導入が初めて、1部門での試験運用、月間業務ボリュームが10万件以下（例：100名チームの事務業務）。「失敗してもいい」という気持ちで踏み出せる。

Terraを選ぶべき企業：複数部門での本格運用、月間業務ボリューム10万〜500万件、AI導入で「人員削減」「業務フロー効率化」を具体KPIとして経営層に報告できるレベルにある。

Lunaを選ぶべき企業：全社的なエージェント基盤化、月間業務ボリューム500万件超、複数エージェントの連携運用、業界特化のカスタム開発が必要。AI投資ROIが年10倍を超える見込みがある。

典型的な判断基準を表にまとめる：

判断軸	Sol向け	Terra向け	Luna向け
導入ステージ	試験・PoC段階	本格運用開始	全社基盤化
関連部門数	1部門	2〜5部門	5部門以上
月間業務件数	〜10万件	10万〜500万件	500万件超
期待人年削減	0.5名未満	1〜3名	3名以上
意思決定スピード	現場判断可（稟議不要）	部長・経営承認必須	CEO・CFO決裁

この表を部門長に配れば、「自社はTerraだ」という共通認識が生まれる。議論の出発点として使ってほしい。

導入ロードマップ ─ Sol → Terra → Lunaの現実的な移行パス

多くの企業は最初から最適プランを選べない。ぼく自身、トヨタ時代に新しい設備を入れるときも、いきなりフル稼働ではなく「試作→検証→本番」という順番を踏んできた。AIも同じだ。

フェーズ1（0〜3ヶ月）：Sol試験運用。1部門、1業務フロー（たとえば請求書処理）に絞り、月額9,000円で実験する。「AIエージェントが本当に動くか」「組織として受け入れられるか」を確認する。成功の目安：エラー率2%以下、利用者満足度70%以上。

フェーズ2（3〜9ヶ月）：Terraへ段階移行。Solで成功した業務を横展開（複数部門）。同時に新業務（人事計算など）を追加。エージェント数を2〜5個に広げる。成功の目安：月間対応件数が10倍化、人員削減の見通しが立つ。

フェーズ3（9ヶ月〜）：Luna検討 or Terra最適化継続。月間100万件以上の業務ボリュームが確認されたら、Lunaへの移行を検討する。Terraで「天井（100万回）」に近づいてきたら、それがLuna化のサインだ。

一段階ずつ上がることで、各段階で組織が学習し、次のステップに備えられる。いきなりLunaで全社展開すると、運用体制が整わずAIを使いこなせない企業も多い。急がば回れ。これはトヨタで何度も実感したことだ。

AI導入の落とし穴 ─ エージェント運用ガバナンスとリスク対策

ChatGPT Workのエージェント機能は強力だ。だからこそ、運用ミスの代償も大きい。

典型的な失敗パターン①：「エージェントに全権委譲」。AIエージェントが月100万円の支出判定をしてしまう、という事態を防ぐため、決済権限は人間が持つ。工場の自動ラインと同じで、ロボットアームは「実行」するが、「開始ボタン」は人間が押す設計が大前提だ。

典型的な失敗パターン②：「エージェント間の誤情報連鎖」。エージェントAが顧客情報を誤入力 → エージェントBが間違ったデータで判定 → 営業が誤った提案をする、という連鎖。これを防ぐには、クリティカルなデータ（顧客情報、決算データ）を月1回は人間の目で確認する体制を入れておく。

典型的な失敗パターン③：「コンプライアンス無視」。AIが個人情報を無断で社外サーバに送信するリスクがある。2026年の生成AI利用ガイドでは、個人情報・機密情報はChatGPT Workの学習対象にされない（クローズドループ）が、企業側でも「何をAIに処理させるか」のポリシーをきちんと決める必要がある。

導入時は「AI運用委員会」（部長＋IT＋法務）を立ち上げ、月1回レビューする体制を作ってほしい。初期投資として月20時間程度の人年はかかるが、これは保険だ。後から「やっておけばよかった」と後悔するより、最初に仕組みを作っておく。

競合ツール比較：ChatGPT Work vs Microsoft Copilot Pro vs Google Workspace AIアシスタント

ChatGPT Workの登場で、生成AIエージェント市場は一気に競争が激しくなった。

ChatGPT Work：業務エージェント特化、料金体系が明確、プラン間の柔軟性あり。ただしGoogleやMicrosoftのクラウドサービスとの統合は「API経由」になるため、少し手間がかかる。

Microsoft Copilot Pro（Office統合版）：Excel・Word・Outlookとの統合が最強。月額20ドル（約2,500円）で個人向け。ただし企業向けの「複数エージェント管理」「API制限カスタマイズ」はまだ整備途中だ。Copilot for Microsoft 365（企業向け）は月額$30/ユーザーで、100名企業だと月36万円になる。

Google Workspace AIアシスタント：GmailやDocsの自動作成に強い。ただし「複雑な業務自動化」（決済フロー、複数ステップのワークフロー）にはやや向いていない。

結論として、バックオフィス業務の「複数エージェント連携」「ワークフロー自動化」を優先するなら、ChatGPT WorkのTerraがコスト効率でいちばん使いやすい。Microsoft Officeをヘビーに使っている企業なら、Copilot統合も並行して検討する価値はある。

ippoのAI導入コンサルティングで「自社最適プラン」を診断する

ここまで読んで「自社はTerraかな」と判断できた人も、実装には細かい選択肢がたくさんある。

「どの業務からエージェント化するか」「既存システムとどうつなぐか」「運用は何名で回すか」は、企業ごとに違う。一般論では答えが出ない部分だ。

ippo（イッポ）の「AI導入コンサルティング」では、初期診断から導入後の運用支援まで、ワンストップで対応している。

コンサルティングの流れ：①「AI導入レベル診断（30分・無料）」で現状を把握 → ②「最適プラン選択レポート（2週間）」を作成 → ③「POC実装サポート（1ヶ月）」でSol試験運用を実施 → ④「本運用移行サポート」でTerra → Lunaへの段階展開を支援。

特にバックオフィス部門（経理・人事・法務）は複雑な既存システムを抱えていることが多い。「既存システムとの連携設計」をしっかり診てもらうことが、導入を成功させるいちばんの近道だ。

ippoのコンサルタント陣には、トヨタ品質管理出身など、大型システム導入の現場を知っているメンバーが揃っている。「AI＝新しい技術」としてではなく「業務改革のツール」として、実装レベルで一緒に考えられる。

まとめ ─ これだけ覚えておけばいい

ChatGPT Workの登場は、生成AIが「遊びの道具」から「経営資産」に変わる分岐点だ。

• プラン選択の本質は「企業規模」ではなく「業務ボリューム」と「複雑度」：従業員数より、月間処理件数（10万件か100万件か）で判断する。
• Sol（月9,000円）から始めて、Terra（月45,000円）→ Luna（月18万円〜）へ段階的に移行するのが失敗しない道：いきなり全社導入はリスクが高い。3ヶ月単位で一歩ずつ進めれば、組織の学習とROI最大化が同時に進む。
• 「人員削減」ではなく「人員再配置」という考え方で進める：AIが定型業務を自動化した分、経理職は決算短縮化へ、営業は商談時間へ、人事は組織戦略へ。高付加価値業務に人を動かすことが、AI導入の本当の意味だ。
• ガバナンスと運用体制は最初から作る：エージェント機能は強力だが、決済権限は人間が持ち、月1回のAI運用委員会で確認する。これをさぼると後で痛い目を見る。
• 自社に最適なプランは、ippoのAI導入コンサルで無料診断できる：初期診断（30分）で「Sol/Terra/Lunaどれが合うか」「導入ROIはいくらか」が見えてくる。

2026年7月のChatGPT Work公開は、日本企業の業務改革を加速させる。今月、今四半期のうちに「自社プランを決めた企業」と「様子見を続ける企業」の差は、じわじわと広がっていく。

まずippoの無料診断を受けてみてほしい。「自社はTerraで行く」と来週の経営会議で話せるようになる。その一歩が、2026年下期を変える。

出典・参考情報

• OpenAI「ChatGPT Work 公式ドキュメント」（2026年7月）
• OpenAI「GPT-5.6 能力比較レポート」（2026年7月）
• NIST「AI Governance and Risk Management Framework」（2026年版）
• McKinsey「生成AIと働き方の未来」（2026年）
• Deloitte「エンタープライズAI導入実態調査」（2026年中期版）

用語集

• 業務エージェント（Autonomous Agent）：人間の指示なしに複数のステップを自動で実行するAIシステム。指定された目標に対して、情報収集→判断→実行を自律的に行う。
• API呼び出し（API Calls）：アプリケーション同士が通信する際の「リクエスト」回数。月10万回＝月間で10万件の処理・問い合わせをAIに実行させることを意味する。
• PoC（Proof of Concept）：概念実証。新技術の有効性を小規模で実験すること。AI導入でいう「Sol試験運用」がPoC相当。
• 推論精度（Inference Accuracy）：AIが与えられた情報から「正しい判断」をどの程度の確率で下せるか。GPT-5.6は前世代比40%向上。
• クローズドループ（Closed-loop Processing）：AIが処理したデータが社外サーバに送信されず、企業内システムのみで完結すること。個人情報保護に欠かせない考え方。
• ROI（Return on Investment）：投資対効果。導入費用に対して、どれだけの利益（時間削減＝人年削減）が戻るかを示す指標。