OpenAIがChatGPT Businessに「プレミアムシート」を導入した。全社員に一律配布するのではなく、ヘビーユーザーだけに上位プランを割り当てる仕組みだ。Anthropic、Cursorに続く3社目の参入で、企業のAI導入は「ライセンスを配る段階」から「利用ログで最適配分する段階」へと移った。エンジニア視点で、この設計思想の何が本質的な転換なのかを読み解く。

何が起きたか

OpenAIは2026年9月、ChatGPT Businessに「プレミアムシート」枠を新設した。従来のBusinessプランでは全ユーザーに同一のレート制限とモデルアクセスが割り当てられていたが、新方式では管理者が特定ユーザーにだけ上位プラン相当の枠（推定：高頻度なo1/o3系推論モデル利用、長大コンテキスト、コード実行上限の緩和など）を付与できる。すでにAnthropicのClaude Enterprise、CursorのBusinessプランが同様の「ユーザー単位ティアリング」を採用しており、主要3社が出そろった格好だ。全社員一律の高額プランではコストが膨らむ一方、ヘビーユーザーには枠が足りない——この矛盾を、シート単位の粒度で解消する設計である。

なぜこのニュースが重要か

これは単なる料金プランの追加ではなく、SaaSライセンスモデルの前提が壊れた瞬間だ。従来のOffice 365やSlackは「1人1シート、機能はほぼ同じ」で回っていた。理由は単純で、非AI型SaaSの原価は主にサーバー費と開発費で、ユーザーごとの限界コストが小さかったからだ。しかしLLMのバックエンドコストはトークン量に線形で乗る。GPT-5クラスのモデルで1日1万トークン使う社員と100万トークン使う社員では、原価が100倍違う。OpenAIとしては、ヘビーユーザーを一律プランで抱えるのは赤字リスク、逆にライトユーザーに高額プランを売れば解約リスクという板挟みだった。ユーザー単位ティアリングは、この非対称性を価格構造に素直に反映させる合理解である。企業側から見れば、これはFinOpsの発想がAI活用に必須になったことを意味する。「誰がどれだけ使ったか」を計測せずに導入すれば、ROIの議論すら始められない。

技術的な深掘り

注目すべきは、シート割り当ての判断材料が「利用ログ」に集約される点だ。ChatGPT Business管理コンソールでは、ユーザーごとのメッセージ数、モデル別使用量、ツール呼び出し回数などが可視化されている。上位シートへの昇格を「上司の感覚」ではなく数値で決めるという運用は、実質的にDevOpsのメトリクス駆動運用をホワイトカラー業務に適用することに等しい。ここで技術者として引っかかるのは、単純な利用量が「生産的な利用」を意味するとは限らないことだ。回数を稼ぐためのプロンプト連打と、1回で仕様書を生成する熟練利用では、後者の方がトークン消費は少ないのにアウトプットは大きい。したがってKPIは「メッセージ数」単独ではなく、「生成物が下流工程で採用された率」との組み合わせで設計すべきだ。GitHubのPR採用率、営業提案書の受注率など、既存の業務KPIとChatGPTログをJOINできる状態を作れるかが、シート戦略の成否を分ける。逆に言えば、SSOとログエクスポートAPIを最初に握った企業が、この運用設計で先行する。

経営者として次に取るべき動き

第一に、全社員一律プランを即座に見直すこと。現在Business/Enterpriseを一律配布している企業は、利用ログを1カ月分抽出し、上位20%と下位50%のトークン使用量を比較する。推定でも5倍以上の差が出るはずで、その差分がそのままコスト最適化の余地だ。第二に、シート昇格基準を明文化すること。「月間トークン量」「業務KPIとの連動指標」の2軸で閾値を設け、四半期ごとに再評価する運用に切り替える。上司裁量を排することで、社内政治とAI活用を切り離せる。第三に、ヘビーユーザーの使い方をテンプレート資産化すること。上位5%が使っているプロンプト、GPTs、Projectsの設定を棚卸しし、社内共有プロンプトライブラリに落とし込む。5倍の生産性格差は、放置すれば分断だが、テンプレ化すれば全社の底上げ余地になる。