Signali preduzeća: šta granične firme rade drugačije

AI u preduzećima ulazi u novu fazu: sve više posla delegira se agentima, a kompanije koje su najdalje odmakle prave razliku. Granične firme imaju pristup istim AI modelima kao i druga preduzeća, ali brže produbljuju njihovu upotrebu. Ono što ih izdvaja jeste način na koji te modele stavljaju na posao: prelaze s pomoći na delegiranje, daju agentima kontekst i alate za izvršavanje složenih zadataka i ubrzavaju agentički AI izvan razvoja softvera.

Naše istraživanje o tome kako agenti transformišu rad u OpenAI-ju nudi vodeći pokazatelj kako ova promjena može izgledati unutar organizacije zasnovane na AI-ju. Enterprise Signals proširuje pogled na globalnu bazu preduzeća OpenAI-ja, pokazujući kako se agentički rad širi kroz organizacije i šta odvaja granične firme od ostalih.

U ovom izdanju Enterprise Signals pokazujemo da granične firme—one u prvih 10% korištenja AI svakog mjeseca—sve više povećavaju jaz u odnosu na tipične firme—one u srednjih 10%. Ispitujemo šta granične firme rade drugačije i šta organizacije mogu učiniti da zatvore jaz.

Ključni uvidi:

• Korištenje u preduzećima postaje sve više agentno. Od juna, Codex je generirao 64% kombinovanih izlaznih tokena Codex-a i ChatGPT‑a među korisnicima iz preduzeća, što ukazuje na to da agenti omogućavaju prelazak ka sadržajnijem, delegiranom radu.
• Granični jaz se povećava. Granične firme—one u prvih 10% korištenja AI-ja svakog mjeseca—sada generiraju 8,3× više izlaznih tokena po aktivnom korisniku nego tipične firme, što je porast u odnosu na 2,6× u januaru.
• Granične firme češće koriste napredne mogućnosti. Svake sedmice, 21% aktivnih korisnika u graničnim firmama koristi dodatke, u poređenju s 9% u tipičnim firmama. U OpenAI-ju, 95% zaposlenika koristi dodatke sedmično, što ističe potencijal za dublje usvajanje.
• Agenti se šire kroz rad zasnovan na znanju. Od februara, broj sedmično aktivnih poslovnih korisnika Codexa porastao je 108× u pravnoj djelatnosti, 41× u prodaji, 41× u zapošljavanju i 26× u marketingu, u poređenju s 5× u inženjerstvu.
• Zaposlenici na početku karijere više koriste AI: Upotreba je najveća među zaposlenicima na početku karijere i opada među starijim zaposlenicima, što ukazuje na potencijalnu komparativnu prednost u korištenju AI.

Korporativna vještačka inteligencija prelazi s odgovaranja na pitanja na obavljanje radnih zadataka. Ovaj prelazak je prvo zaživio u softverskom inženjerstvu s Codexom. Sada ChatGPT Work proširuje agentički AI izvan programera, omogućavajući radnicima širom preduzeća da pređu s traženja pomoći na delegiranje suštinskih zadataka.

Od juna 2026. upotreba agentičkog AI-ja (definirana kao Codex tokeni) činila je 64% kombiniranih izlaznih tokena Codex-a i ChatGPT‑a među poslovnim korisnicima. I ChatGPT i agentički AI koriste iste osnovne granične modele; razlika je u tome kako se ta inteligencija primjenjuje u praksi.

ChatGPT pomaže ljudima da postavljaju pitanja, razvijaju ideje i rješavaju probleme. Agentički AI (kao što su Codex i ChatGPT Work) daje modelu alate za rad s vašim računarom, omogućavajući mu da pronalazi informacije, uređuje datoteke i obavlja višestepene zadatke autonomno ili pod nadzorom. Obavljanje složenih, dugotrajnih zadataka može zahtijevati znatno više računarske obrade, što pomaže objasniti zašto je upotreba agentičkih tokena brzo porasla.

Svakog mjeseca rangiramo poslovne korisnike prema izlaznim tokenima po aktivnom korisniku. Granične firme su one u gornjih 10% tog mjeseca, dok se tipične firme nalaze između 45. i 55. percentila. Zaključno s junom, granične firme generirale su 8,3× više izlaznih tokena po aktivnom korisniku nego tipične firme, što je trostruko povećanje u odnosu na jaz od 2,6× u januaru.

Granični jaz se također proteže kroz industrije, pri čemu je najveći jaz u upotrebi tokena u informisanju i tehnologiji (11,7 ×) i najmanji u proizvodnji (5,3 ×). Nasuprot tome, upotreba tokena među tipičnim firmama slična je u industrijama, uz relativno skroman rast tokom protekle godine (1,9 × do 2,8 ×). To ukazuje na to da mnoge organizacije još uvijek koriste jednostavne chat asistente, što ostavlja značajan prostor za produbljivanje primjene i upotrebu agenata za obavljanje složenijih zadataka.

Tokeni su nesavršena mjera poslovne vrijednosti: kratak odgovor može biti veoma vrijedan, dok dug odgovor može malo doprinijeti. Ali obim tokena nudi koristan pokazatelj dubine korištenja AI-a i koliko posla zaposlenici traže da AI preuzme.

Vodeće kompanije sve intenzivnije koriste umjetnu inteligenciju jer je primjenjuju na konkretne probleme unutar svojih organizacija i u svojim industrijama.

Rane poslovne primjene vještačke inteligencije počele su interno, pomažući zaposlenima da pronađu informacije, izrađuju nacrte dokumenata, analiziraju podatke, pišu kod i automatiziraju rutinske procese. Vodeće kompanije sve više šire primjenu vještačke inteligencije izvan interne produktivnosti, na proizvode, usluge i iskustva namijenjena korisnicima.

AI agentima je potreban pristup odgovarajućem kontekstu i alatima kako bi bili efikasni. Dodaci⁠(otvara se u novom prozoru) objedinjuju mogućnosti koje pomažu agentima da završe specifične tokove rada. Mogu kombinovati vještine koje pružaju upute koje se mogu ponovo koristiti s aplikacijama koje se povezuju s podacima kompanije, alatima i radnjama. Na primjer, dodatak za prodaju može kombinovati timski priručnik s pristupom njegovom CRM-u, omogućavajući agentu da koristi trenutne informacije o klijentima i prethodne prijedloge za pripremu prilagođenog odgovora za pregled.

Granične firme imaju jasno vodstvo u naprednim sposobnostima. Među sedmično aktivnim korisnicima, 21% u graničnim firmama koristi dodatke, a 19% koristi vještine, u poređenju sa samo 9% i 3% u tipičnim firmama. Međutim, usvajanje u graničnim firmama predstavlja samo dio onoga što je moguće. Interna upotreba u OpenAI-ju ističe potencijal za dublju upotrebu ovih mogućnosti, pri čemu sedmična upotreba dodataka dostiže 95% aktivnih korisnika. Naše istraživanje o kako agenti transformišu rad pruža detaljniji uvid u to kako zaposlenici u OpenAI-ju koriste napredne mogućnosti.

Da bi obavili smislen posao, AI agentima su potrebne tri stvari: kontekst, alati i upornost. Memorija, glasovni unos i appshots pomažu radnicima da lako podijele kontekst i informacije potrebne za uspješno izvršavanje zadatka. Korištenje računara i preglednika omogućava agentima da se kreću po web-stranicama, kreiraju datoteke i izvršavaju zadatke autonomno ili pod nadzorom. Ciljevi i petlje održavaju agente aktivnima dok se zadatak ne završi. Zajedno, ove mogućnosti pomažu naprednim firmama da ostvare potencijal agenata.

Davanje agentima pristupa sistemima kompanije također uvodi nove rizike. Kompanije na granici postavljaju jasna pravila o tome gdje agenti mogu djelovati, kojim informacijama mogu pristupiti, kada mogu poduzimati radnje i kako ljudi pregledaju odluke višeg rizika. Ove kontrole se moraju razvijati kako organizacije uče iz stvarnih implementacija.

Granične firme također čine kontinuirano učenje i eksperimentisanje dijelom svakodnevnog rada. Praktične radionice za kreatore, forumi za razmjenu novih slučajeva upotrebe i interne prezentacije pomažu da se uspješne prakse prošire među timovima i poslovnim funkcijama.

Programeri softvera bili su među prvima koji su usvojili AI agente, ali se najbrži rast sada bilježi među radnicima znanja općeg profila. Od februara, broj sedmično aktivnih poslovnih korisnika Codexa porastao je 108x u pravnim poslovima, 41x u prodaji, 41x u zapošljavanju i 26x u marketingu, u poređenju s 5x među inženjerima. 

Softver je krenuo prvi s razlogom. Baze koda agentima daju jasan kontekst, testovi olakšavaju provjeru rezultata, a napredak u programiranju pomaže ubrzati istraživanje i razvoj vještačke inteligencije. U protekle dvije godine, programeri su prešli s korištenja AI-ja za dovršavanje pojedinačnih redova koda na to da agenti obavljaju čitave zadatke razvoja softvera. Mnogi programeri više ne pišu kod ručno, već svoje vrijeme usmjeravaju na postavljanje zadataka, orkestriranje agenata i pregled rezultata.

Nasuprot tome, napredak u općem radu zasnovanom na znanju bio je sporiji jer mnogi zadaci pružaju ograničen kontekst, mogu biti teški za specificiranje i nemaju jasne kriterije za provjeru rezultata. Nastavak skaliranja, napredak u učenju s potkrepljivanjem i ciljani napori za poboljšanje performansi na evaluacijama kao što je GDPval približavaju sve više zadataka iz stvarnog svijeta, alata i radnih okruženja graničnim modelima. Kao rezultat toga, agentički AI sve više pronalazi prilagođenost proizvoda tržištu među općim radnicima zasnovanim na znanju od početka godine.

Na uzorku od više od 10 miliona poruka, enterprise AI prelazi s pomaganja zaposlenicima da obavljaju rad na pomaganje timovima da ga sprovedu. Čak i unutar iste funkcije, obrasci korištenja se značajno razlikuju između chata i agentičkog AI-ja.

Pisanje i dalje je najčešći način korištenja ChatGPT‑a, dok kodiranje i sistemske ili agent operacije zajedno čine gotovo 75% agentskih poruka. Ova promjena je posebno izražena izvan tradicionalnih tehničkih timova: regrutacija (32%), prodaja (26%), politike (25%) i komunikacije (24%) posvećuju između četvrtine i trećine poruka sistemskim i agentskim operacijama. Tehnički rad se također širi na različite funkcije, pri čemu kodiranje čini gotovo 60% agentskih poruka u dizajnu.

Ne postoji jedinstvena rang-lista umjetne inteligencije (UI). Rangiranja po industrijama variraju u zavisnosti od korištenog mjerila. U proteklom mjesecu, profesionalne i naučne usluge prednjačile su i po usvajanju Codexa (Codex) i po intenzitetu API-ja (API). Umjetnost, zabava i rekreacija prednjačile su u usvajanju ChatGPT‑a, dok proizvodnja ima visok intenzitet ChatGPT‑a uprkos tome što je na posljednjem mjestu po usvajanju Codexa (Codex) i po intenzitetu API-ja (API).

Industrije ne slijede isti put ka usvajanju umjetne inteligencije. Neki napreduju zahvaljujući alatima za programere i proizvodima koje pokreće vještačka inteligencija, dok drugi bilježe širu ili intenzivniju svakodnevnu upotrebu.

Kako AI stvara nove načine na koje organizacije isporučuju robu i pružaju usluge, istovremeno preoblikuje sigurnosno okruženje. Malo je rizika koji su neposredniji od onih u području kibernetičke sigurnosti, posebno imajući u vidu brz tempo razvoja kibernetičkih sposobnosti umjetne inteligencije.

Vještačka inteligencija također može pomoći braniocima da odgovore. Modeli mogu analizirati velike kodne baze, istraživati ranjivosti i podržati višestepeni sigurnosni rad. Ali otkrivanje više problema ne čini sisteme automatski sigurnijima. Glavni problem je pretvaranje nalaza u djelovanje: utvrđivanje koje su ranjivosti stvarne, prioritiziranje najvažnijih rizika, testiranje zakrpa i osiguravanje da sigurnosni timovi brzo pregledaju i primjenjuju ispravke. 

OpenAI Daybreak objedinjuje granične modele za kibernetičku sigurnost, alate za sigurnost preduzeća i partnerski ekosistem kako bi pomogao organizacijama da odgovore na ove izazove i ojačaju svoju odbranu od novih prijetnji.

Misija OpenAI-a je osigurati da AI koristi cijelom čovječanstvu. Organizacije će oblikovati veliki dio ekonomskog utjecaja umjetne inteligencije (AI), i iz tog razloga redovno objavljujemo Enterprise Signals, ponavljajući skup mjera kojima se prati usvajanje, širenje i utjecaj AI-ja u preduzećima. Sve analize u ovom izvještaju temelje se na agregiranim i deidentifikovanim podacima o korištenju u preduzećima. Koristili smo automatizirane sisteme za klasificiranje sadržaja poruka, a nijedan zaposlenik OpenAI-a nije pregledao poruke korisnika.

OpenAI Enterprise korisnici također mogu zatražiti prilagođeni benchmark da vide kako se njihova organizacija poredi prema najnovijim mjerama upotrebe i mogućnosti.