OpenAI B2B Signals
بدأت ميزة الريادة في الذكاء الاصطناعي تتضاعف بمرور الوقت
نعلن اليوم عن إطلاق B2B Signals، وهو امتداد مخصص للأعمال من OpenAI Signals يقيس كيفية انتشار الذكاء الاصطناعي عبر المؤسسات. المؤشر المبكر واضح: فالشركات الرائدة تتقدّم على غيرها ليس فقط لأنها تملك إمكانية الوصول إلى الذكاء الاصطناعي، بل لأنها تستخدمه بعمق أكبر في مختلف جوانب العمل.
B2B Signals هي مجموعة دورية من المقاييس تستند إلى تحليل واسع النطاق لاستخدام الذكاء الاصطناعي في المؤسسات، مع الحفاظ على الخصوصية. وتتتبّع هذه المقاييس السلوكيات والأنماط التي تساعد المؤسسات على فهم كيفية تحويل قدرات الذكاء الاصطناعي إلى قيمة فعلية للأعمال.
تستخدم الشركات الرائدة، أي الشركات الواقعة ضمن الشريحة المئوية 95 من حيث استخدام الذكاء الاصطناعي، قدرًا أكبر من الذكاء لكل موظف، وتتبنّى الأدوات المتقدمة بكثافة أعلى، وتدمج الذكاء الاصطناعي بعمق أكبر في سير العمل. بدأت الفجوة تتسع وتتراكم لدى بعض الشركات، وأصبح الفارق يأتي بدرجة متزايدة من عمق الاستخدام.
أبرز النقاط الرئيسة
- بدأت ميزة الريادة في الذكاء الاصطناعي تتضاعف: تستخدم الشركات الرائدة الآن قدرًا من الذكاء لكل موظف يزيد 3.5 مرات عما تستخدمه الشركات التقليدية، مقارنةً بضعفين قبل عام.
- تستخدم الشركات الرائدة الذكاء الاصطناعي بعمق أكبر، وليس بوتيرة أعلى فحسب: فحجم المطالبات لا يفسّر سوى 36% من الفجوة بين الشركات الرائدة والشركات التقليدية. لا تأتي معظم ميزة الشركات الرائدة من كثرة المطالبات، بل من عمق الاستخدام.
- سير العمل القائم على الوكلاء أصبح مؤشرًا على تبنّي الشركات الرائدة للذكاء الاصطناعي: تظهر أكبر فجوة في أدوات الوكلاء المتقدمة، إذ ترسل الشركات الرائدة رسائل عبر Codex أكثر بـ16 ضعفًا مقارنة بالشركات المعتادة.
- يمكن للشركات سد الفجوة مع الشركات الرائدة من خلال التغيير التنظيمي: فللحاق بالركب، تحتاج الشركات إلى قياس عمق الاستخدام، وإعطاء الأولوية للحوكمة، والاستثمار في التمكين، وتوسيع ما يثبت نجاحه، والانتقال من المساعدة القائمة على المحادثة إلى تفويض العمل للوكلاء.
العمق
بدأت ميزة الريادة في الذكاء الاصطناعي تتضاعف بمرور الوقت، فيما تواصل الشركات الأعمق استخدامًا له توسيع الفجوة بينها وبين غيرها.
نشر المقاعد ليس إلا نقطة البداية للمؤسسات. فالمؤشر الأوضح هو ما إذا كان الموظفون يستخدمون الذكاء الاصطناعي في أعمال أعمق وأكثر تعقيدًا. ويقارن هذا المخطط بين عدد الرموز المولّدة لكل موظف في الشركات الرائدة، المعرّفة هنا بأنها الشريحة المئوية 95، وبين الشركة التقليدية، المعرّفة بأنها الشريحة المئوية 50.
الرموز ليست مقياسًا كاملًا لقيمة الأعمال. فقد تكون الاستجابة القصيرة عالية القيمة، وقد تكون الاستجابة الطويلة محدودة القيمة. ومع ذلك، يساعد حجم الرموز في قياس مقدار العمل الذي يطلب الموظفون من الذكاء الاصطناعي إنجازه، مما يجعله مؤشرًا مفيدًا إلى عمق استخدام الذكاء الاصطناعي وحجم الذكاء الذي يطلبه الموظفون منه.
تطلب الشركة الرائدة قدرًا من الذكاء لكل موظف يزيد 3.5 مرات عما تطلبه الشركة التقليدية. وقد ارتفعت هذه الفجوة من ضعفين في أبريل 2025، ما يشير إلى أن الشركات التي تستخدم الذكاء الاصطناعي بعمق أكبر توسّع تقدمها، وتصبح في موقع أفضل لتحويل القدرات الجديدة للذكاء الاصطناعي إلى أعمال أعمق وأكثر تعقيدًا.
الفارق الأكبر لصالح الشركات الرائدة سببه عمق الاستخدام، لا ارتفاع حجم المطالبات
تطلب الشركة الرائدة قدرًا أكبر بكثير من الذكاء لكل موظف مقارنة بالشركة التقليدية، لكن معظم الفجوة لا يفسرها حجم المطالبات وحده. ويفكك هذا المخطط ميزة الشركات الرائدة البالغة 3.5 مرات، ويبيّن أنه حتى لو أرسلت الشركة التقليدية المطالبات بالمعدل نفسه الذي ترسله الشركة الرائدة، فلن يسد ذلك إلا 36% من فجوة الـ 3.5 مرات.
أما الفجوة المتبقية فترتبط بعمق الاستخدام. فالموظفون في الشركات الرائدة يطلبون من الذكاء الاصطناعي تولي أعمال أكثر تعقيدًا، ويزوّدون النماذج بسياق أكثر ثراءً، ويحصلون على مخرجات أكثر جوهرية.
الاتساع
تظهر أكبر ميزة للشركات الرائدة في الأدوات المتقدمة والقائمة على الوكلاء، ويتصدرها استخدام Codex بمعدل أعلى يبلغ 16 ضعفًا
تظهر أكبر ميزة للشركات الرائدة في الأدوات التي تدعم سير عمل أكثر تقدمًا. ويُظهر Codex الفارق الأكبر، إذ ترسل الشركات الرائدة مطالبات لكل موظف تزيد 16 ضعفًا عما ترسله الشركات التقليدية. وتُظهر أدوات مثل ChatGPT Agent وApps in ChatGPT وDeep Research وGPTs فجوات كبيرة نسبيًا أيضًا، مما يشير إلى أن الشركات الرائدة أكثر قدرة على الاستفادة من الأدوات التي تساعد الموظفين على كتابة الأكواد، وتفويض المهام متعددة الخطوات، وتطبيق سياق الشركة، وإجراء أبحاث أكثر تعقيدًا.
في المقابل، تُظهر الأدوات الأعمّ والأيسر استخدامًا، مثل User Upload وSearch وData Analysis، ميزة أصغر للشركات الرائدة. فهذه الأدوات أسهل استخدامًا لمعظم الشركات لأنها توسّع سير عمل مألوفة بالفعل. وتبرز ميزة الشركات الرائدة بصورة أوضح في الأدوات المتقدمة والقائمة على الوكلاء، حيث يتطلب الاعتماد قدرًا أكبر من الخبرة، وربطًا أوثق بمعرفة مكان العمل وأدواته، وارتياحًا أكبر لتفويض العمل إلى الذكاء الاصطناعي.
تظهر أكبر ميزة للشركات الرائدة في التعليم والتعلّم
تظهر أكبر ميزة للشركات الرائدة في مهام التعليم والتعلّم، حيث ترسل الشركة الرائدة مطالبات تزيد 7 مرات عما ترسله الشركة التقليدية. وفي مستوى الشركات الرائدة، تستخدم المؤسسات الذكاء الاصطناعي لمساعدة الموظفين على بناء المهارات وتعلّم موضوعات جديدة. كما تستخدمه لتعميق فهمها للذكاء الاصطناعي نفسه، بما في ذلك ما يمكنه فعله، وكيفية استخدامه بفعالية، والمواضع التي يمكن أن يندمج فيها ضمن سير العمل الحالية. ويشير حجم هذه الفجوة إلى أن الشركة التقليدية قد لا تستفيد بما يكفي من الذكاء الاصطناعي كأداة للتعلّم والتطوير على مستوى القوى العاملة.
وتُظهر البرمجة أيضًا فجوة كبيرة تبلغ 4 مرات، بما ينسجم مع الفجوة الأوسع في استخدام الأدوات المتقدمة والقائمة على الوكلاء. أما الإرشادات العملية والكتابة والتواصل، فتسجّل أصغر الفجوات بين الشركات الرائدة وغيرها، ويرجّح أن السبب في ذلك أن هذه المهام أكثر سهولة وألفة عند استخدام الذكاء الاصطناعي.
يتطلب سدّ فجوة الاستفادة من القدرات تمكينًا فعليًا، لا مجرد إتاحة الوصول. تتضمن موارد OpenAI للمؤسسات وOpenAI Academy أدلةً عمليةً ومواد تدريبيةً وموارد للنشر تساعد الفرق على تبنّي الذكاء الاصطناعي بثقة.
لا يزال استخدام الذكاء الاصطناعي أكثر انتشارًا في الكتابة، لكن استخدامه المتخصص حسب الوظائف آخذ في النمو
تظل الكتابة والتواصل أكثر استخدامات ChatGPT شيوعًا. غير أن أنماط الاستخدام تتباين بشكل ملحوظ بحسب الوظيفة. تتركز 60% من مطالبات تكنولوجيا المعلومات والأمن في الإرشادات العملية والإجرائية، وترتبط نسبة تقارب نصف مطالبات تطوير البرمجيات وعلوم البيانات والهندسة بالبرمجة، بينما يرتبط عُشر مطالبات الشؤون المالية بالتحليل والحساب.
تنسجم هذه الأنماط مع أدلة أوسع تشير إلى أن النماذج الرائدة تتحسن في أداء مهام مكان العمل ذات القيمة الاقتصادية. ويقيس تقييم GDPval، وهو تقييم لأعمال المعرفة الواقعية عبر 44 مهنة، الأداء في مهام تنتج مخرجات عملية مثل المستندات وجداول البيانات والعروض التقديمية والمخططات والوسائط المتعددة. ومع ازدياد قدرات الذكاء الاصطناعي، يبدو أن استخدامه في المؤسسات يتجه نحو مهام أكثر ارتباطًا بجوهر عمل كل وظيفة.
نوع المهمة حسب سياق الأعمال
| سياق الأعمال | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| مهام ChatGPT | ||||||||||||
| الكتابة والتواصل | ||||||||||||
| الإرشادات العملية والإجرائية | ||||||||||||
| المعلومات | ||||||||||||
| التحليل والحسابات | ||||||||||||
| نصيحة | ||||||||||||
| الإعلام الإبداعي | ||||||||||||
| التجارة | ||||||||||||
| البرمجة | ||||||||||||
| التعليم والتعلّم | ||||||||||||
الوصول
لا تتخذ الريادة القطاعية بُعدًا واحدًا؛ إذ تتصدر قطاعات مختلفة عبر ChatGPT وCodex وAPI.
لا توجد قائمة واحدة ثابتة لترتيب الجهات الأكثر اعتمادًا للذكاء الاصطناعي. إذ تختلف مراتب القطاعات باختلاف المقياس المستخدم. فيتصدر قطاع الخدمات المهنية والعلمية والتقنية في كل من اعتماد Codex وكثافة استخدام API، مما يشير إلى استخدام متقدم نسبيًا في سير عمل المطورين وسير العمل المدمجة داخل المنتجات. أما قطاع المالية والتأمين فيتصدر في اعتماد ChatGPT بفضل عمليات النشر واسعة النطاق، بينما يسجل قطاع الخدمات التعليمية أعلى كثافة في الرسائل، ما يشير إلى استخدام أعمق لكل فرد. كما يحتل قطاعا تجارة التجزئة والرعاية الصحية مراتب مرتفعة في كثافة استخدام API، رغم ترتيبهما الأدنى في مقاييس أخرى.
وتشير هذه الفروق إلى أن الريادة القطاعية ليست أحادية البعد. فبعض القطاعات تبدو وكأنها تعتمد الذكاء الاصطناعي من خلال سير العمل التقنية وسير عمل المطورين، بينما تتوسع قطاعات أخرى عبر اعتماد واسع لـ ChatGPT أو من خلال استخدام أكثر كثافة من جانب المستخدمين النهائيين.
ترتيب القطاعات حسب مقياس اعتماد الذكاء الاصطناعي
| القطاعات | ||||
|---|---|---|---|---|
| التمويل والتأمين | 1+1 | 10-4 | 30 | 60 |
| المعلومات | 2-1 | 20 | 20 | 4-1 |
| الخدمات المهنية والعلمية والتقنية | 30 | 10 | 10 | 10 |
| الفنون والترفيه والاستجمام | 40 | 4-1 | 50 | 3+1 |
| الخدمات | 50 | 80 | 90 | 90 |
| البناء | 6-1 | 50 | 10-1 | 10-1 |
| العقارات والتأجير والاستئجار | 7-1 | 7+1 | 11-1 | 80 |
| الصناعة | 8-1 | 3+1 | 40 | 70 |
| الرعاية الصحة والمساعدة الاجتماعية | 90 | 90 | 6+1 | 50 |
| تجارة التجزئة | 10-2 | 11-1 | 7-1 | 20 |
| الإدارة العامة | 11-1 | 6+1 | 80 | 11-1 |
تنقل المؤسسات استخدام API إلى سير العمل الإنتاجية والتطبيقات الموجهة للعملاء
تستخدم الشركات API على نحو متزايد لدمج النماذج مباشرة في المنتجات والخدمات والأنظمة الداخلية. وتشمل حالات الاستخدام الشائعة في بيئات الإنتاج المساعدين داخل التطبيقات، وأدوات البرمجة والمطورين، ودعم العملاء، وسير عمل الأبحاث، وأتمتة سير العمل.
وتُظهر عمليات النشر هذه كيف ينتقل الذكاء الاصطناعي في المؤسسات إلى ما بعد مرحلة التجريب، ليصبح جزءًا من سير عمل قابلة للتكرار وذات أثر تشغيلي قابل للقياس. وعبر أمثلة العملاء، تستخدم الشركات نماذج OpenAI لتسريع أعمال المعرفة، وتحسين إنتاجية الهندسة، وبناء تجارب مدعومة بالذكاء الاصطناعي للعملاء والموظفين.
أهم حالات استخدام واجهة API حسب القطاع
الخدمات المهنية
مساعدو المعرفة والبحث (مثل أدوات الأسئلة والأجوبة، ومساعدي البحث، ومساعدي المعرفة الداخلية)
دعم العملاء والمبيعات (مثل دعم العملاء، ووكلاء الصوت والدردشة، ومساعدة المبيعات)
تحليل البيانات والتلخيص والاستخلاص (مثل تحليل بيانات الشركات، ومعلومات السوق، وتصنيف المعاملات ومطابقتها)
البرمجة وأدوات المطورين (مثل أدوات تقييم النموذج، ومساعدات البرمجة، وأدوات أتمتة سير العمل)
التمويل والتأمين
تحليل البيانات والتلخيص والاستخلاص (مثل استخراج البيانات، وتحليل الإيصالات والنفقات، وأبحاث الاستثمار)
إنشاء المستندات وسير العمل (على سبيل المثال، إدارة النفقات المؤتمتة، وإنشاء ملخصات الأبحاث، وتحسين سير العمل)
مساعدو المعرفة والبحث (مثل مساعدي استراتيجيات الاستثمار، والبحث في السياسات، والمساعدين المخصصين لأدوار معينة.)
دعم العملاء والخدمات (على سبيل المثال، وكلاء دعم العملاء عبر الصوت والدردشة، والمساعدون المصرفيون الشخصيون، وتصنيف المشاعر)
المعلومات
أدوات البرمجة والمطورين (مثل مساعدي البرمجة، وأدوات اختبار البرمجيات، وأدوات أتمتة الويب)
مساعدو المعرفة والبحث (مثل المساعدين داخل المنتجات، وأدوات البحث الداخلية، ومساعدي التوثيق)
دعم العملاء والخدمات (مثل وكلاء دعم العملاء عبر الصوت والدردشة، وأتمتة خدمة العملاء متعددة القنوات)
إنشاء المحتوى والوسائط والتصاميم (مثل إنشاء أصول العلامة التجارية وأدوات التسويق)
تستخدم Cisco أداة Codex لتسريع أعمال البرمجيات المعقدة عبر مؤسسة هندسية كبيرة. وفي سير العمل الإنتاجية، ساعد Codex على تقليل أوقات البناء بنحو 20%، وتوفير أكثر من 1,500 ساعة هندسية شهريًا، وزيادة إنتاجية حل العيوب بمعدل يتراوح بين 10 و15 ضعفًا. وكما وصف فريق Cisco الأمر، جاءت أكبر المكاسب عندما تعاملوا مع Codex باعتباره "جزءًا من الفريق".
نشرت Rakuten أداة Codex عبر عمليات الهندسة وتسليم البرمجيات، مما خفّض متوسط زمن التعافي بنحو 50%، ومكّن الفرق من حل مشكلات بيئات الإنتاج بسرعة مضاعفة. وتستخدم Rakuten أداة Codex أيضًا في المراجعة الآلية للأكواد وفحوصات الثغرات بما يتماشى مع معاييرها الداخلية، ما يساعد على تسريع الإصدارات من دون المساس بالأمان. وفي المشاريع المعقدة، يستطيع Codex تحويل المتطلبات الجزئية إلى تطبيقات كاملة عاملة، بما يقلّص الجداول الزمنية من أرباع سنوية إلى أسابيع.
تستخدم Balyasny Asset Management حلول OpenAI لتسريع أبحاث الاستثمار عبر مؤسسة كبيرة ومتخصصة في أعمال المعرفة. وتستخدم نحو 95% من فرق الاستثمار منصة الأبحاث القائمة على الذكاء الاصطناعي والمملوكة لها، مما يساعد على تقليص سير عمل الأبحاث من أيام إلى ساعات. فعلى سبيل المثال، أصبح سير عمل تحليل خطابات البنوك المركزية، الذي كان يستغرق سابقًا يومين، يستغرق الآن نحو 30 دقيقة فقط، ما يساعد المحللين على الاستدلال بسرعة أكبر عبر الملفات والنصوص المكتوبة للتسجيلات وتقارير الأبحاث وبيانات السوق.
تفضل بزيارة صفحة قصص العملاء للاطلاع على مزيد من الأمثلة.
ما الذي يمكن للمؤسسات فعله للوصول إلى مستوى الشركات الرائدة
تعمل OpenAI مع مؤسسات عبر قطاعات ووظائف ومراحل مختلفة من نضج الذكاء الاصطناعي، مما يتيح لنا رؤية واضحة لكيفية تطور الاعتماد من التجربة إلى الاستخدام في بيئات الإنتاج. وعبر هذه عمليات النشر، تميل الشركات التي تحقق أكبر قدر من التقدم إلى التركيز بدرجة أقل على الوصول وحده، وبدرجة أكبر على الأنظمة المؤسسية اللازمة لاستخدام الذكاء الاصطناعي بعمق، بما في ذلك القياس والحوكمة والتمكين وتوسيع الأثر والنشر القائم على الوكلاء.
تبرز خمس ممارسات بوصفها خطوات عملية يمكن لأي مؤسسة أن تبدأ بها اليوم لتعميق اعتماد الذكاء الاصطناعي.
- قياس عمق الاستخدام إلى جانب الوصول.
لا يقتصر المؤشر المهم على عدد الموظفين الذين لديهم حسابات للذكاء الاصطناعي، بل يشمل أيضًا ما إذا كانت الفرق تستخدمه بصورة أكثر جوهرية مع مرور الوقت. وينبغي للمؤسسات أن تتابع ما إذا كان استخدام الذكاء الاصطناعي يزداد تكرارًا وتعقيدًا، ويصبح أكثر ارتباطًا بسير العمل ذات القيمة. - بناء منظومة حوكمة تتيح الاستخدام في بيئات الإنتاج.
لا تتجنب الشركات الرائدة الحوكمة، بل تستخدمها لجعل الذكاء الاصطناعي القائم على الوكلاء أكثر قابلية للنشر. وتحتاج الشركات إلى قواعد واضحة تحدد أين يمكن للوكلاء العمل، وما المعلومات التي يمكنهم استخدامها، ومتى ينبغي لهم تقديم المشورة بدلًا من التصرف، وكيف يراجع البشر القرارات الأعلى مخاطرة. وتضع الشركات الرائدة هذه المعايير كجزء من عملية النشر، بحيث تصبح الحوكمة وسيلة لتوسيع الاعتماد بأمان بدلًا من إبطائه. - تعامل مع التمكين باعتباره بنية تحتية أساسية، لا مشروعًا جانبيًا.
فمع تحسّن قدرات الذكاء الاصطناعي، يحتاج كل من الموظفين والمؤسسات إلى أنظمة تساعدهم على مواكبة هذا التطور. ولا تتعامل الشركات الرائدة مع التمكين باعتباره دفعة تدريبية لمرة واحدة، بل تدمج التعلّم المستمر في عملية النشر من خلال تدريب مخصص لكل دور، وورش عمل لحالات الاستخدام، وفعاليات هاكاثون، وشبكات أبطال داخلية، ووقت مخصص للتجريب، ومستودعات مشتركة لسير العمل وأفضل الممارسات والمهارات. - حدّد فرقك الرائدة وضاعف أثرها.
في كثير من المؤسسات، يتركّز الاستخدام الأكثر تقدمًا في عدد محدود من الفرق. ويمكن لهذه الفرق أن تكشف أي سير عمل وعادات ونماذج تشغيلية تحقق نتائج فعلية. لذلك ينبغي للقادة تحديد هذه الفرق، وفهم الظروف التي تقف وراء نجاحها وتوسيع نطاقها، ومساعدتها على مشاركة الرؤى والأمثلة حول الاستخدام الأعمق للذكاء الاصطناعي مع بقية المؤسسة. - انتقل إلى ما بعد المحادثة نحو تفويض العمل.
يتحول الذكاء الاصطناعي في المؤسسات من مساعدين قائمين على المحادثة إلى أعمال يمكن تفويضها إلى الوكلاء. وتُظهر هندسة البرمجيات هذا الاتجاه بوضوح، لكن العمل المفوّض بدأ ينتشر عبر وظائف أخرى. فباستخدام Codex، يستطيع المهندسون تسليم مهمة محددة، وتزويد الوكيل بالسياق الذي يحتاج إليه، وتركه يعمل عبر الملفات وقواعد الأكواد والأدوات، ثم مراجعة النتيجة وتحسين سير العمل من خلال الملاحظات. وتشجع الشركات الرائدة الموظفين على تفويض المهام إلى الذكاء الاصطناعي، بدلًا من الاكتفاء باستخدامه كمساعد ثابت.
تستند جميع التحليلات الواردة في هذا التقرير إلى بيانات استخدام مؤسسية مُجمَّعة ومجهولة الهوية. وقدد صُنِّف محتوى الرسائل باستخدام أنظمة مؤتمتة، ولم يراجع أي موظف في OpenAI بيانات عملاء Enterprise أو Business أو API الفردية في إطار هذا التحليل.
إذا كنت ترغب في الاطلاع على النتائج الكاملة أو معرفة كيفية إدخال الذكاء الاصطناعي إلى مؤسستك بمسؤولية، [يسرّنا التواصل معك].
تعرّف على المزيد



الأبحاث والتحليل
أبحاث وتحليلات حول كيفية تبنّي الذكاء الاصطناعي وتأثيره في الاقتصاد والمجتمع.