公開：2026年9月15日, 最終更新：2026年9月15日
30秒サマリー
- 欧州スタートアップFyxerがOpenAIのAPIを活用したAI秘書サービスの実装手法をOpenAI公式ブログで紹介
- 30〜50の専門モデルを組み合わせ、AI生成メール草稿の53%がそのまま送信される精度を実現
- 2025年にARR100万ドルから3,200万ドルへ成長、90日時点の継続率90%超を達成
何が起きたか
OpenAIは2026年9月14日付の公式ブログで、欧州スタートアップFyxerがOpenAI APIを用いてAIエグゼクティブアシスタントを構築した事例を紹介した。Fyxerは元々、人間のエグゼクティブアシスタントサービスを運営しており、その過程で蓄積した50万時間超のEAワークフローの注釈付きデータセットをAI訓練の基盤としている。
Fyxerのシステムは「メールを小さなジョブに分解する」設計思想に基づき、返信要否の判断・意図分析・草稿生成など各工程に特化した30〜50の専門モデルを組み合わせている。さらに、ユーザーが草稿を編集した際の差分を訓練データに変換するDirect Preference Optimization（DPO）を活用し、自己改善ループを構築。変更のたびにA/Bテストを実施し、統計的に有意な改善が確認された場合のみ新バージョンを本番環境に適用している。
訓練手法としてはSupervised Fine-TuningとLoRAを採用し、OpenAIのマネージドファインチューニングチームと協力して新チェックポイントの本番投入も行っている。現在、AI生成草稿の53%がユーザーに無修正で採用されており、90日時点の有料継続率は90%超。2025年の年間経常収益（ARR）は100万ドルから3,200万ドルへ成長したと原文は記している。
原典ハイライト
「問題を多数の小さなモデルに分解する方が、1つのモデルに良いメールを書かせるより効果的だ」（共同創業者アーチー・ホリングスワース氏）。また同氏は「ARRよりもリテンションが本当の強さ。90日時点でユーザーの90%以上が今も毎日使い続けている」とも語っており、精度と定着率の両立をFyxerの核心的な成果として強調している。
出典: OpenAI News/Research（公式ブログ）
So What?（なぜ重要か）
本事例が示す重要性は「大規模言語モデル1本に頼らない設計」にある。Fyxerは汎用モデルを業務全体に充てるのではなく、工程ごとに専門モデルを分業させ、ユーザーフィードバックで継続的に精緻化する仕組みを構築した。これによりAI草稿の半数以上が無修正採用という実用水準に到達しており、単なる「便利なツール」を超えて日常業務に不可欠な存在になりつつあることを示している。また、自社サービスで蓄積した人間の業務データをAI訓練に転用する戦略は、業界固有の知識資産を持つ企業にとって再現性の高いアプローチといえる。
日本企業への示唆
日本企業が同様のAIエージェント導入を検討する際、三つの示唆がある。第一に、業務プロセスをまず細分化し、各工程にAIを当てはめる設計は、既存のSOP（標準作業手順書）が整備されている日本企業に親和性が高い。第二に、Fyxerが人間EAサービスのデータを訓練に活用したように、自社内の過去業務ログ・対応履歴が高品質な訓練データになり得る点を再評価すべきだ。第三に、ユーザー編集差分を自動で訓練データ化するDPOの仕組みは、社内PoC段階から取り込むことでモデルの定着率向上に直結する。AI活用の成否を測る指標として、利用頻度・継続率を主要KPIに据えることも検討に値する。
背景・経緯
Fyxerは欧州・UKを拠点とするスタートアップで、OpenAI APIプロダクトを活用して開発を行っている。同社はAIプロダクト開発前に人間によるEAサービスを複数年運営しており、その実務データがAI訓練の差別化要素になっているとブログは説明している。OpenAIとはSlackを通じた迅速なQ&A対応やオフィス訪問での技術協働など、密接なパートナーシップを構築しているとの言及もある。
