Kako upravljati ulaganjima u AI u agentskoj eri

Cilj OpenAI-ja je da umjetnu inteligenciju s vremenom učini pristupačnijom, sposobnijom i povoljnijom. Od GPT‑4 do GPT‑5.4, cijena po milion tokena pala je za 97%. GPT‑5.6⁠ nastavlja taj napredak, ostvarujući bolje performanse u Indeksu umjetničke analize kodiranja agenata, uz 54% manje izlaznih tokena i 57% manje vremena po zadatku.

Ali sama cijena tokena ne pokazuje stvara li AI vrijednost. Rukovodioci bi se trebali fokusirati na koristan rad po uloženom dolaru: završene zadatke, ušteđeno vrijeme, poboljšano donošenje odluka i radne tokove spremne za skaliranje.

Kako timovi prelaze s čata na dugotrajnije tokove rada, administratorima je potreban jasniji uvid u potražnju, potrošnju i rizik.

Evo pet načina da ulažete s povjerenjem.

Liderima u preduzećima potreban je jasan pregled upotrebe AI-ja: ko ga koristi, koje proizvode ili modele koriste, koliko kapaciteta troše i koju vrstu posla ta upotreba podržava. Bez tog uvida, teško je protumačiti sve veći račun. To bi moglo odražavati rasipanje, produktivno eksperimentisanje ili tok rada koji počinje postajati ključan za poslovanje.

ChatGPT posao⁠ podržava duže zadatke s više koraka, tako da se upotreba može znatno razlikovati ovisno o toku rada. Administratori trebaju vidjeti rad koji stoji iza te upotrebe, a ne samo potrošene kredite. Ovo je moguće zahvaljujući zajedničkom uvidu u potražnju u okviru ChatGPT‑a. Ažurirana analitika upotrebe i kontrole potrošnje⁠ u administratorskoj konzoli⁠(otvara se u novom prozoru) pomaže administratorima da vide usvajanje, upotrebu kredita i potrošnju prema korisniku, proizvodu i modelu; prate trendove tokom vremena; prepoznaju nove obrasce; i razumiju kada upotreba odražava široko usvajanje, tok rada iskusnog korisnika ili ponavljajući poslovni proces koji možda zaslužuje dodatno ulaganje.

Uvidi na različitim nivoima pomažu u usmjeravanju odluka o ulaganju i osposobljavanju:

• Radni prostor: Kreću li se usvajanje i potrošnja zajedno?
• Tim i korisnik: Gdje raste potražnja i kome bi mogla trebati dodatna podrška?
• Proizvod i model: gdje se koristi skuplja inteligencija i održava li se ta potražnja?

Zajedno, ovi prikazi pomažu administratorima da odluče gdje ulagati, pružiti obuku ili postaviti ograničenja.

Najniža cijena tokena ne rezultira uvijek najnižim ukupnim troškom. Jeftiniji model može zakazati, pokušati ponovo ili generirati rezultat koji treba ispraviti. Sposobniji model može biti skuplji po tokenu, ali može brže doći do prihvatljivog rezultata, uz manje pokušaja i manje potrebe za pregledom.

Ocjenjujte modele prema poslu koji trebaju obavljati. Koristite evaluacije koje odražavaju stvarne zadatke⁠, uključujući rubne slučajeve, i definišite šta je „dovoljno dobro” prije testiranja. Zatim izmjerite ukupni trošak dostizanja tog standarda: upotrebu modela i alata, pokušaje, stopu dovršavanja, latenciju i ljudski pregled.

Za prioritetne radne tokove, pratite trošak po prihvaćenom ishodu. U korisničkoj podršci, to može biti riješen slučaj. U inženjerstvu, to može biti testirana izmjena koja prođe pregled. Uparite taj trošak s poslovnom vrijednošću, kao što su ušteđeno vrijeme, skraćeno vrijeme ciklusa, zaštićen prihod, izbjegnuti rizik ili stvoreni kapacitet.

Izbor modela samo je dio jednačine. Jasne upute, usmjereni alati, ponovno upotrebljiv kontekst i eksplicitni uslovi zaustavljanja mogu smanjiti petlje i nepotrebne troškove. Cilj je uskladiti model i tok rada sa zadatkom: koristiti manje ili brže modele kada zadovoljavaju prag kvaliteta, a graničnu inteligenciju rezervisati za složen, nejasan ili rad s visokim ulozima.

Lideri u preduzećima trebali bi tretirati upravljanje kao operativni sloj koji određuje koje se AI inicijative mogu skalirati. Praktični zadatak je definirati koji kontekst ChatGPT može koristiti, kojim alatima može pristupiti, koje radnje može poduzeti, ko odobrava korake visoke rizika i kako se dodjeljuje dodatni kapacitet kada timovi pronađu vrijedne tokove rada.

Ovo postaje važnije kako timovi usvajaju dodatke, konektore, upotrebu računara i druge granične mogućnosti koje mogu raditi u različitim poslovnim sistemima. ChatGPT Posao⁠ administratorima pruža centralizirane kontrole za pristup, odobreni kontekst, povezane alate, dozvoljene radnje, upotrebu i potrošnju. Kontrole potrošnje kao što su zadane postavke radnog prostora, ograničenja za grupe, pojedinačna izuzeća i zahtjevi za pregled s kontekstom projekta pomažu rukovodiocima da podrže rad visoke vrijednosti bez širokog povećavanja ograničenja.

Za prioritetne implementacije, OpenAI-jevi deployment inženjeri⁠(otvara se u novom prozoru) mogu direktno raditi s korisnicima na evaluacijama, arhitekturi, latenciji, pouzdanosti i dizajnu tokova rada kako bi se poboljšale performanse i troškovna efikasnost. Privatnost i upravljanje trebaju biti dio tog rada od samog početka: osjetljivi tokovi rada trebaju odgovarajuće kontrole pristupa, politiku zadržavanja podataka, vidljivost usklađenosti i putanje odobravanja prije nego što se prošire. Kada je primjenjivo, OpenAI-jeve kontrole privatnosti za preduzeća, uključujući opcije bez zadržavanja podataka⁠(otvara se u novom prozoru), mogu pomoći klijentima da implementiraju umjetnu inteligenciju u okruženjima visokog povjerenja.

Lideri u preduzećima trebaju upravljati ulaganjima u AI kao portfeljem: širok pristup za svakodnevnu produktivnost, radni tokovi specifični za pojedine funkcije koji poboljšavaju ponavljajuće poslove i manji broj strateških ulaganja izgrađenih oko vlastitog konteksta kompanije. Najjači kandidati su tokovi rada koji se ponavljaju u značajnom obimu, imaju jasno definisanu odgovornost i mogu se mjeriti u pogledu kvaliteta, rizika i poslovne vrijednosti.

Finansiranje treba pratiti zrelost. Istraživanje treba provjeriti može li model obaviti zadatak; validacija treba ocijeniti reprezentativne slučajeve u odnosu na jasan prag kvaliteta; finansiranje produkcije treba podržati integracije, kontrole, pouzdanost i upravljanje promjenama potrebne za skaliranje. Zajedničke mogućnosti, kao što su identitet, pouzdani konektori, kurirano znanje, evaluacije, opservabilnost, rutiranje modela i obrasci agenata za ponovnu upotrebu, treba centralno finansirati kako bi svaki novi tok rada bio lakši i sigurniji za pokretanje.

Kada radni tok dokaže svoju vrijednost, rukovodioci trebaju uskladiti proizvod, kapacitet i model podrške s potražnjom za njim. ChatGPT posao⁠ nudi gotove mogućnosti za chat, kodiranje, agentske tokove rada, konektore, dodatke, korištenje računara i administraciju. Kompanije mogu proširiti tu osnovu vlasničkim podacima, dozvolama, evaluacijama i logikom radnih tokova tamo gdje ti elementi stvaraju diferenciranu vrijednost.

Za proizvodna radna opterećenja, komercijalna struktura treba odgovarati obrascima korištenja: Garantovani kapacitet⁠ za proizvodne sisteme i agente kojima je potrebna sigurnost pristupa, Nivo skale⁠ za predvidljiva API radna opterećenja velikog obima, te Batch API⁠(otvara se u novom prozoru), Flex obrada⁠(otvara se u novom prozoru) ili Upit keširanje⁠ za asinhroni rad ili ponovljeni kontekst.

Za veće strateške implementacije, OpenAI Frontier⁠ i Deployment Company⁠(otvara se u novom prozoru) mogu pomoći preduzećima da izgrade, implementiraju i upravljaju AI saradnicima u poslovnim sistemima. Ovaj pristup omogućava rukovodiocima da skaliraju dokazano uspješan rad uz odgovarajući proizvod, kapacitet i model podrške, umjesto da svaki tok rada mora ponovo izgrađivati vlastitu infrastrukturu.