Com gestionar les inversions en IA en l’era agèntica

L’objectiu d’OpenAI és fer que la IA sigui més accessible, capaç i assequible amb el temps. De GPT‑4 a GPT‑5.4, el preu per milió de segments va caure un 97 %. GPT‑5.6⁠ continua aquest progrés i ofereix un millor rendiment a l’Artificial Analysis Coding Agent Index, amb un 54 % menys de segments de sortida i un 57 % menys de temps per tasca.

Però el preu del segment per si sol no indica si la IA està generant valor. Els líders haurien de fixar-se en el treball útil per cada dòlar: tasques completades, temps estalviat, decisions millorades i fluxos de treball preparats per escalar.

A mesura que els equips passen del xat a fluxos de treball de més llarga durada, els administradors necessiten una visibilitat més clara sobre la demanda, la despesa i el risc. 

Aquestes són cinc maneres d’invertir amb confiança.

Els líders empresarials necessiten una visió clara de l’ús de la IA: qui la fa servir, quins productes o models utilitzen, quanta capacitat consumeixen i a quin tipus de treball dona suport aquest ús. Sense aquesta visibilitat, una factura que va creixent és difícil d’interpretar. Podria reflectir malbaratament, experimentació productiva o un flux de treball que comença a ser crític per al negoci.

ChatGPT Treballar⁠ admet tasques més llargues i de diversos passos, de manera que l’ús pot variar molt segons el flux de treball. Els administradors han de poder veure la feina que hi ha darrere d’aquest ús, no només els crèdits consumits. Això és possible gràcies a una visió compartida de la demanda a tot ChatGPT. Les analítiques d’ús i els controls de despesa⁠ actualitzats de la Consola d’administració⁠(s'obre en una finestra nova) ajuden els administradors a veure l’adopció, l’ús dels crèdits i la despesa per usuari, producte i model; fer un seguiment de les tendències al llarg del temps; identificar patrons emergents; i entendre quan l’ús reflecteix una adopció generalitzada, el flux de treball d’un usuari avançat o un procés empresarial recurrent que pot merèixer més inversió.

La informació útil a diferents nivells ajuda a orientar les decisions d’inversió i capacitació:

• Espai de treball: l’adopció i la despesa evolucionen conjuntament?
• Equip i usuari: on creix la demanda i qui pot necessitar més suport?
• Producte i model: on s’utilitza la intel·ligència més cara, i aquesta demanda es manté?

En conjunt, aquestes perspectives ajuden els administradors a decidir en quins àmbits invertir, en quins oferir acompanyament i en quins establir límits.

El preu per segment més baix no sempre produeix el cost total més baix. Un model més econòmic pot fallar, tornar-ho a intentar o generar feina que calgui corregir. Un model més capaç pot costar més per segment, però arribar a un resultat acceptable més ràpidament, amb menys intents i menys revisió.

Avalua els models en funció de la feina que han de dur a terme. Fes servir avaluacions que reflecteixin tasques reals⁠, inclosos els casos límit, i defineix què és "prou bo" abans de fer les proves. Després, mesura el cost total d’assolir aquest estàndard: l’ús del model i de les eines, els intents, la taxa de finalització, la latència i la revisió humana.

Per als fluxos de treball prioritaris, feu el seguiment del cost per resultat acceptat. En l'atenció al client, això podria ser un cas resolt. En enginyeria, podria ser un canvi provat que supera la revisió. Associa aquest cost amb el valor empresarial que aporta, com ara el temps estalviat, la reducció del temps de cicle, els ingressos protegits, els riscos evitats o la capacitat creada.

L’elecció del model només és una part de l’equació. Les instruccions clares, les eines focalitzades, el context reutilitzable i les condicions d’aturada explícites poden reduir els bucles i la despesa malbaratada. L’objectiu és adequar el model i el flux de treball a la tasca: fer servir models més petits o més ràpids quan compleixin el llindar de qualitat, i reservar la intel·ligència d’avantguarda per a treballs complexos, ambigus o d’alt risc.

Els líders empresarials haurien de tractar la governança com la capa operativa que determina quines iniciatives d’IA es poden escalar. La feina pràctica consisteix a definir quin context pot utilitzar ChatGPT, a quines eines pot accedir, quines accions pot dur a terme, qui aprova els passos d'alt risc i com es concedeix capacitat addicional quan els equips troben fluxos de treball valuosos.

Això esdevé més important a mesura que els equips adopten complements, connectors, ús d’ordinador i altres capacitats d’avantguarda que poden operar en diversos sistemes empresarials. ChatGPT Treballar⁠ proporciona als administradors controls centralitzats sobre l’accés, el context aprovat, les eines connectades, les accions permeses, l’ús i la despesa. Els controls de despesa, com ara els valors per defecte de l’espai de treball, els límits de grup, les excepcions individuals i les sol·licituds de revisió amb context del projecte, ajuden els líders a donar suport a la feina d’alt valor sense augmentar els límits de manera generalitzada.

Per als desplegaments prioritaris, els enginyers de desplegament⁠(s'obre en una finestra nova) d’IA d’OpenAI poden treballar directament amb els clients en avaluacions, arquitectura, latència, fiabilitat i disseny de fluxos de treball per millorar tant el rendiment com l’eficiència de costos. La privacitat i la governança haurien de formar part d’aquesta feina des del principi: els fluxos de treball sensibles necessiten controls d’accés adequats, una estratègia de retenció, visibilitat del compliment normatiu i circuits d’aprovació abans que s’implementin a escala. Quan sigui aplicable, els controls de privadesa empresarial d’OpenAI, incloses les opcions de retenció de dades nul·la⁠(s'obre en una finestra nova), poden ajudar els clients a implementar la IA en entorns d’alta confiança.

Els líders empresarials han de gestionar les inversions en IA com una cartera: accés ampli per a la productivitat quotidiana, fluxos de treball específics per funció que millorin el treball repetible i un nombre més reduït d’apostes estratègiques construïdes al voltant del context propi de l’empresa. Els candidats més sòlids són els fluxos de treball que es repeteixen a una escala significativa, tenen una responsabilitat clarament definida i es poden mesurar en termes de qualitat, risc i valor de negoci.

El finançament hauria d’anar en funció de la maduresa. L’exploració hauria de comprovar si el model pot abordar la tasca; la validació hauria de provar casos representatius respecte d’un llindar de qualitat clar; el finançament per a producció hauria de donar suport a les integracions, els controls, la fiabilitat i la gestió del canvi necessaris per escalar. Les capacitats compartides, com ara la identitat, els connectors de confiança, el coneixement seleccionat, les avaluacions, l’observabilitat, l’encaminament del model i els patrons d’agents reutilitzables, s’haurien de finançar de manera centralitzada perquè cada nou flux de treball sigui més fàcil i segur de llançar.

Un cop un flux de treball demostra el seu valor, els líders haurien d'adaptar el producte, la capacitat i el model de suport a la seva demanda. ChatGPT Treballar⁠ ofereix funcionalitats ja preparades per al xat, la programació, els fluxos de treball agentics, els connectors, els complements, l’ús de l’ordinador i l’administració. Les empreses poden ampliar aquesta base amb dades pròpies, permisos, avaluacions i lògica de flux de treball en els casos en què aquests elements generen un valor diferencial.

Per a càrregues de treball de producció, l'estructura comercial hauria de coincidir amb els patrons d'ús: Capacitat Garantida⁠ per a sistemes i agents de producció que necessiten certesa d'accés, Nivell d'escalat⁠ per a càrregues de treball d'API predictibles i d'alt volum, i API per lots⁠(s'obre en una finestra nova), Processament flexible⁠(s'obre en una finestra nova) o Emmagatzematge en memòria cau d'indicacions⁠ per a treball asíncron o context repetit.

Per a desplegaments estratègics de més envergadura, OpenAI Frontier⁠ i Deployment Company⁠(s'obre en una finestra nova) poden ajudar les empreses a crear, desplegar i gestionar col·laboradors d’IA en tots els sistemes empresarials. Aquest enfocament permet als líders escalar la feina validada amb el producte, la capacitat i el model de suport adequats, en lloc de fer que cada flux de treball hagi de reconstruir la seva pròpia infraestructura.