「着信の75%を、人間が一切介入せずに解決している」 2026年7月22日、OpenAIが企業向けのAIエージェント基盤「Presence」を発表した。音声とチャットでカスタマーサポートや社内問い合わせを処理するエージェントを、企業が本番環境で運用するためのプラットフォームである。そして同社は、自社の英語電話サポート回線をすでにPresenceで運用しており、かかってきた電話の75%を人の手を借りずに解決していると明かしました。
まず、発表された内容を事実として押さえておきたい。
Presenceは、企業がAIエージェントを「顧客対応」と「社内サービスリクエスト」に投入するための基盤である。対応チャネルは音声とチャットの両方。つまり電話の一次応対も、チャットでの問い合わせも、同じ仕組みの上で扱う。
先行導入の検証は、カスタマーサポート、銀行、通信、保険といった領域で進んでいるとされる。いずれも、問い合わせ量が多く、応対品質のばらつきがコストに直結し、かつ規制やコンプライアンスの制約が強い業種だ。「AIに任せたいが、間違えられると困る」という領域が、あえて最初のターゲットに選ばれている。
もうひとつ特徴的なのが、提供のされ方である。Presenceは限定的な一般提供（limited GA）として企業向けに展開されており、誰でもサインアップして使える自己サービス型の製品ではない。OpenAIのアカウントチームや、フォワードデプロイドエンジニアと呼ばれる導入支援エンジニア、そして選定されたパートナーが関与する形で導入が進む。
APIキーを配って終わり、という売り方をしていない。ここに、OpenAI自身が「エージェントの本番投入は、製品を渡すだけでは成立しない」と判断していることが読み取れる。
2026年に入ってからのAI業界の論点は、明確に移動している。
2025年までの生成AI導入は、多くの企業にとって「まず試してみる」段階だった。社内でチャットボットを立ち上げ、議事録を要約させ、コードの下書きを書かせる。効果は感じられるが、事業のKPIにどう効いているかは説明しづらい。そういう段階である。
2026年、この空気が変わった。生成AIは実験フェーズから収益化フェーズへ移り、経営が問うのは「いくら削減できたか、いくら稼いだか」になった。投資対効果を説明できないプロジェクトは、continue（継続）の判断が下りなくなっている。
ROIを問われるようになると、現場のボトルネックがどこにあるかが露わになる。多くのケースで、詰まっているのはモデルの賢さではない。
エージェントが誤った回答をしたとき、誰が責任を負うのか。どこまでの操作を許可するのか。想定外の質問が来たら、いつ人間に引き継ぐのか。運用中に品質が劣化していないと、どうやって証明するのか。導入判断で問われるのは、こうした費用管理、権限統制、生成物の説明責任である。
Microsoftは同時期にCopilot Coworkを一般提供に移し、Google CloudはGemini Enterprise Agent Platformで構築・拡張・統制・最適化を一体で扱う方向を打ち出した。主要プレイヤーが揃って「基盤」に寄せてきたのは偶然ではない。エージェントを1体作ることは簡単になり、100体を安全に運用し続けることが難しくなった。市場の関心は、そちらへ移った。
Presenceが束ねている構成要素を分解すると、AIエージェントを実務に載せるために必要なものが見えてくる。
第一に、企業のポリシーと標準業務手順（SOP）をエージェントに与えること。これは単なるプロンプトの工夫ではない。「この条件では返金を認める」「この情報は開示しない」といった業務ルールを、エージェントの判断基準として構造的に持たせる仕組みである。
裏を返せば、社内のルールが暗黙知のままでは、エージェントは動かせない。ベテラン担当者の頭の中にしかない判断基準を、まず文書化する必要がある。
第二に、ガードレールと「承認済みアクション」の定義だ。エージェントのやり取りが企業として許容できる境界を越えそうになったとき、ガードレールが介入して止める。そして、エージェントが実行してよい操作はあらかじめ承認されたものに限定される。
自由に動けるエージェントほど価値が高い、という発想ではない。「できることを絞り込んだ範囲で確実に動く」ことが、本番環境では価値になる。
第三が、本番投入前のシミュレーションと評価である。よくある問い合わせだけでなく、エッジケースやリスクの高いシナリオを想定してテストを実施し、エージェントが正しい結論に到達しているか、ポリシーに従っているか、ツールを適切に使ったかを検証する。
これはソフトウェア開発におけるテストと同じ発想だ。だが従来のテストと違い、エージェントの出力は毎回同じにはならない。だからこそ、単体テストではなく「シナリオを大量に流して傾向を見る」評価の仕組みが要る。
第四が、本番稼働後の改善ループである。Presenceでは、実際のセッションと人間へのエスカレーション記録をCodexが見直し、エージェントの振る舞いの改善案を提示する。そして、その改善案は担当者が承認して初めて反映される。
ここが重要だ。AIが自分で自分を書き換えるのではなく、AIが改善案を出し、人間が承認する。自動化と統制の落としどころを、この設計は明確に示している。
OpenAI自身の英語電話サポートで着信の75%が人間の介入なしに解決している、という数字をどう受け止めるべきか。
まず、100%ではない点に意味がある。4件に1件は人間に渡っている。つまりこの仕組みは、全件をAIで処理しようとして失敗しているのではなく、最初から「AIが解ける範囲」と「人間が引き取る範囲」を分ける前提で作られている。
エージェント導入でつまずく典型は、完全自動化を目標に置いてしまうことだ。すると、判断に迷うケースでもAIが無理に答えを出し、誤った回答が顧客に届く。逆に、エスカレーションの設計をきちんと作り込めば、AIは自信を持って処理できる範囲だけを引き受け、残りは人間に渡すという安定した運用に落ち着く。
一方で、この75%をそのまま自社の期待値にするのは危険である。OpenAIのサポート回線は、自社製品に関する問い合わせであり、ナレッジが整備されていて、対応言語も英語に限定されている。問い合わせの種類が広く、製品も多岐にわたり、日本語特有の曖昧な言い回しが混ざる環境では、同じ数字は出ない。
参考にすべきは数値そのものではなく、「解決率をKPIとして測定し、改善サイクルを回す運用に乗せている」という事実のほうだ。測っていない組織は、良くなったのか悪くなったのかを議論できない。
Presence自体は限定提供であり、すぐに誰もが使えるものではない。ただ、そこで求められている準備は、どのAIエージェント基盤を選ぼうと共通している。
最初にやるべきは、対応マニュアルと判断基準の棚卸しである。問い合わせの類型ごとに、どう答えるのが正解で、どこから先は人間の判断が要るのかを書き出す。この作業はAIとは無関係に見えるが、実際にはエージェント導入の成否を最も左右する。
ルールが曖昧なまま高性能なモデルを入れても、曖昧な回答が高速で量産されるだけだ。
次に、評価のためのシナリオを揃える。過去の問い合わせログから、頻出パターン、判断が割れたケース、クレームに発展したケースを抜き出し、期待される応対とセットで整理しておく。これがそのまま、エージェントの品質を測る物差しになる。
ログが蓄積されていること自体が資産になる。逆に、電話応対の記録が残っていない組織は、ここから着手する必要がある。
そして、人間に引き継ぐ条件を先に決めておく。金額がいくら以上、解約に関わる話題、感情的な訴えが含まれる場合、二往復しても解決しない場合。この線引きが曖昧だと、エージェントは踏み込みすぎるか、逆に何も判断できずに全件を人間に回すかのどちらかに振れる。
いきなり全チャネルを置き換えるのではなく、問い合わせの一類型から始める。解決率、エスカレーション率、対応時間を測り、改善して、対象を広げていく。この進め方は、AI駆動開発の導入でも、社内システムの内製化でも変わらない。
2026年7月のAI業界を眺めると、二つの流れが同時に走っている。ひとつは、より大きく、より賢いモデルを競う流れ。もうひとつは、そのモデルを現場で安全に動かし続けるための基盤を整える流れである。
見出しになりやすいのは前者だ。しかし、企業の業績に効くのは後者である。どれほど賢いモデルでも、ポリシーが与えられず、行動範囲が定義されず、評価されず、改善もされないなら、本番環境には出せない。出せないものは、当然ながら利益を生まない。
Presenceが示したのは、AIエージェントの価値が「何ができるか」から「何を任せられるか」へ移ったという事実である。任せるという言葉には、範囲の合意と、失敗したときの手当てと、結果の検証が含まれる。それは新しい話ではなく、人に仕事を任せるときにずっとやってきたことだ。
AIエージェントを迎え入れる準備とは、結局のところ、自社の業務を言語化し、責任の所在を決め、成果を測る仕組みを作ることに他ならない。派手さはないが、この地味な準備を終えた企業から順に、75%という数字が現実のものになっていく。2026年後半は、その差がはっきりと表れる時期になるだろう。
これまで20年以上、私たちは「知りたいことがあればとりあえずGoogle」で生きてきた。ところが2026年、その当たり前が静かに崩れ始めている。Googleは検索バーそのものをAI「Gemini」で動かし、青いリンクの一覧ではなく“その場で書いた答え”を返す方向へ舵を切った。7月17日には新モデル「Gemini 3.5 Pro」の投入も控える。検索が「探す」から「聞いたら答えてくれる」へ変わるとき、私たちの日常は何がどう便利になり、何に気をつければいいのか。難しい専門用語は抜きにして解説する。
2026年6月9日に登場したAnthropicのClaude Fable 5は、わずか3日後に米国政府の輸出規制で全世界のアクセスが停止するという、AI史上でも異例の事態を経験した。そして6月30日に規制が解除され、7月1日にグローバル復帰を果たした。「最強のAIが、なぜ突然禁止され、そしてなぜ戻ってこられたのか」——この一連の出来事は、単なるニュースではない。AIを実務に組み込む企業が今後直面するリスクの縮図だ。本記事では、Fable 5の実力と、禁止から復帰までの全経緯を最新データとともに徹底解説する。
2026年、開発者がAIの書いたコードを レビューする時間（週11.4時間） が、自分で コードを書く時間（週9.8時間） をついに上回ったのです。主戦場は「いかに速く書くか」から「いかに正しく読み、検証するか」へ移りました。一方で、AIが吐き出すコード量は人間がさばける量を超え、グローバル企業の60%が未テストコードを本番に投入しているという調査も出ています。AI駆動開発の現場でいま何が起きているのか——最新データから整理します。