200ドルが17セントになると『作業する人』の経済性が変わる

OpenAI CFO Sarah Friarは2026年9月のCNBC interviewで、procurementのcredit checkが前年に年間約2,800件あり、AI導入後の1件当たりcostが約200ドルから約0.17ドルになったと説明した。

この差は単なるproductivity improvementではない。反復task一単位のeconomicsそのものが変わる。Friarはjunior analystに任せるのかintelligent modelに任せるのかを問い、必要な人数を抑えられると話した。

ただし公開情報だけで実際の削減人数や従来担当者の職級は分からない。確認できるのは反復finance taskのexecution costが大幅に下がったことだ。

しかしOpenAIは『人間の承認』まで17セントにはしていない

OpenAIが8月に公開したAI-native finance記事では、AIはvarianceのinitial explanationを作り、attentionが必要なexceptionを示せる。

一方でfinanceが数字をvalidateし、judgmentを加え、final sign-offを持つ。ForecastでもAIはevidenceとscenarioを提示するがapproved baselineを変えるかはfinanceが決める。

Investor diligenceでもAIがstrong first draftを作っても、人間がcontextとjudgmentを加えてoutcomeを所有する。Execution automationとaccountability removalは同じではない。

Execution Cost Collapse → Accountability Bottleneck

以前はdataを探し、まとめ、reconcileし、draftを作る時間がbottleneckだった。AIがそこを短縮すると次のbottleneckは『誰がこの結果を信じてよいと承認するか』へ移る。

AIが1秒で答えても誤った承認のcostが大きければhuman reviewは消えにくい。Financeのようにcapital・risk・audit・regulationと結びつく仕事ではfinal ownerの責任範囲がむしろ明確になる。

BanseogはこれをExecution Cost Collapse → Accountability Bottleneckと見る。重要なのはcheap laborの代替だけでなく、責任の位置を引き直すことだ。

AI時代のjobは『作る人』と『所有する人』に再分解されるかもしれない

誰がreportを書いたかより、誰がsourceを検証し、exceptionを判定し、最終承認したかが重要になる。Synthesis・reconciliation・preparationはAI比率が上がり、approval・escalation・assumption challengeはhuman responsibilityとして残り得る。

これはseniorへ全てを集中させるという意味ではない。どのthresholdまでAIが自動完了できるか、どのexceptionは人が見るか、誰がbaseline変更権限を持つかを組織が設計する必要がある。

良いAI workflowは『何人減ったか』だけではなく、責任境界がどれだけ明確かで評価される可能性がある。

AI ROIはtoken priceではなくreviewとreworkまで含める

OpenAIはAI ROIをusageやtoken costだけで測らないよう提案する。Meaningful workが完了したか、employee time・review・rework込みでいくらかかったか、usableだったか、decisionを速く良くしたかを見る。

最も安いmodelが必ず最もeconomicalでもない。より良いmodelがfewer attemptsとless reviewでreliable answerに届けばtotal costは下がる。

企業のAI cost tableはModel Cost + Human Review Cost + Error/Rework Cost + Accountability Costへ広げる必要がある。$0.17だけではworkflow全体のcostは説明できない。

人材の価値も『処理量』から『責任範囲』へ移る可能性がある

AIがroutine outputを安く作るほど、人の差はvolumeだけでは説明しにくい。重要なexceptionを見つけ、wrong assumptionを拒否し、不確実な時にescalateし、final decisionに責任を持てるかが重要になる。

採用・昇進でも『速く作れる』だけでなく『AI outputをどこまでvalidateし、どのdecisionをownできるか』がより明示的な評価軸になり得る。

これは若手のlearning ladder問題と隣接するが同じ問いではない。今回の中心はAIが仕事を安くするほど人間の価値が作業時間よりaccountability scopeに結びつくという点だ。

BANSEOG VIEW

AIが安くなるほど、人の価値は作業時間より責任範囲に結びつくかもしれない

OpenAIの$200→$0.17は反復業務のexecution economicsがどれほど急速に変わるかを示す。

しかしOpenAI自身の原則はAIがdraftやexception detectionを担ってもfinanceがvalidation・judgment・final sign-offを持つとする。Execution costとaccountability costは同じ速度で下がらない。

次のtalent competitionはoutputを大量に作る人より、AI outputから重要なexceptionを発見し、より大きなdecisionをownできる人を確保する競争になるかもしれない。

SOURCES

参照した主な資料

$200→$0.17、年間約2,800件、junior analyst発言はCNBC interviewを再引用したYahoo Finance/Business Insiderを基準にした。公開資料では実際の削減人数や従来担当者の職級は不明。OpenAI公式文書はAIがinitial explanationとexception detectionを行ってもfinanceがvalidation・judgment・final sign-offを持ち、AI costにemployee reviewとreworkを含めるとする。Execution Cost Collapse → Accountability BottleneckはBanseogの分析。