Podnikové signály: Co průkopnické firmy dělají jinak

Podniková umělá inteligence vstupuje do nové fáze: více práce je delegováno na agenty a firmy, které jsou nejdál, získávají náskok. Průkopnické firmy mají přístup ke stejným modelům umělé inteligence jako ostatní podniky, ale prohlubují jejich využití rychleji. To, co je odlišuje, je způsob, jakým tyto modely využívají: přechod od asistence k delegování, poskytování kontextu a nástrojů agentům k provádění složitých úkolů a urychlení agentní umělé inteligence i nad rámec vývoje softwaru.

Náš výzkum v OpenAI o tom, jak agenti proměňují práci, nabízí hlavní ukazatel toho, jak může tento posun vypadat uvnitř organizace postavené na umělé inteligenci. Enterprise Signals rozšiřuje pohled na globální firemní základnu zákazníků OpenAI a ukazuje, jak se agentní práce šíří napříč organizacemi a co odlišuje průkopnické firmy od ostatních.

V tomto vydání Enterprise Signals ukazujeme, že průkopnické firmy – ty v horních 10 % využívání umělé inteligence každý měsíc – se od typických firem vzdují – těch v prostředích středních 10 %. Zkoumáme, co průkopnické firmy dělají jinak a co mohou organizace udělat, aby tento rozdíl zmenšily.

Klíčové poznatky:

• Podnikové využití je stále více agentní. V červnu Codex mezi podnikovými zákazníky vygeneroval 64 % výstupních tokenů Codex a ChatGPT dohromady, což naznačuje, že agenti umožňují posun k podstatnější, delegované práci.
• Mezera mezi průkopnickými a typickými firmami se zvětšuje. Průkopnické firmy – tedy ty v horních 10 % využívání umělé inteligence každý měsíc – nyní generují 8,3× tolik výstupních tokenů na aktivního uživatele než běžné firmy, zatímco v lednu to bylo 2,6×.
• Průkopnické firmy využívají pokročilé funkce častěji. Každý týden používá pluginy 21 % aktivních uživatelů v průkopnických firmách ve srovnání s 9 % v běžných firmách. Ve společnosti OpenAI používá pluginy každý týden 95 % zaměstnanců, což ukazuje potenciál hlubšího přijetí.
• Agenti se šíří napříč znalostní prací. Od února počet týdenních aktivních podnikových uživatelů Codex vzrostl 108× v právních odděleních, 41× v obchodě, 41× v náboru a 26× v marketingu ve srovnání s 5× v technických odděleních.
• Zaměstnanci na začátku kariéry používají umělou inteligenci více: Využití je nejvyšší u zaměstnanců na začátku kariéry a klesá u zkušenějších zaměstnanců, což naznačuje potenciální komparativní výhodu při používání umělé inteligence.

Podniková umělá inteligence se posouvá od odpovídání na otázky k vykonávání práce. Tento posun se nejprve projevil v softwarovém vývoji s nástrojem Codex. Teď ChatGPT Work rozšiřuje agentní umělou inteligenci i mimo vývojářská prostředí a umožňuje pracovníkům napříč podnikem přejít od žádání o pomoc k delegování podstatných úkolů.

K červnu 2026 tvořilo používání agentní umělé inteligence (definované jako tokeny Codex) mezi podnikovými zákazníky 64 % výstupních tokenů Codex a ChatGPT dohromady. ChatGPT i agentní umělá inteligence používají stejné průkopnické modely, rozdíl je v tom, jak tato inteligence funguje v praxi.

ChatGPT lidem pomáhá klást otázky, rozvíjet nápady a řešit problémy. Agentní umělá inteligence (jako Codex a ChatGPT Work) dává modelu nástroje pro práci s vaším počítačem, což mu umožňuje vyhledávat informace, upravovat soubory a provádět vícekrokové úkoly autonomně nebo pod dohledem. Provádění složitých, dlouhotrvajících úkolů může vyžadovat podstatně více výpočetního výkonu, což pomáhá vysvětlit, proč využití agentních tokenů rychle roste.

Každý měsíc vytváříme žebříček zákazníků z řad podniků podle počtu výstupních tokenů na aktivního uživatele. Průkopnické firmy jsou ty, které jsou v daném měsíci v horních 10 %, zatímco typické firmy spadají mezi 45. a 55. percentil. K červnu průkopnické firmy vygenerovaly 8,3× více výstupních tokenů na aktivního uživatele než typické firmy, což představuje trojnásobný nárůst ve srovnání s rozdílem 2,6× v lednu.

Rozdíl u průkopnických firem se projevuje i napříč odvětvími, přičemž největší rozdíl ve využití tokenů je v oblasti informatiky a technologií (11,7×) a nejmenší ve výrobě (5,3×). Naproti tomu je využití tokenů mezi typickými firmami napříč odvětvími podobné, s relativně mírným růstem za poslední rok (1,9× až 2,8×). To naznačuje, že mnoho organizací stále používá jednoduché chatovací asistenty, což ponechává značný prostor pro prohloubení využívání agentů k provádění složitější práce.

Tokeny jsou nedokonalým měřítkem obchodní hodnoty: krátká odpověď může být velmi hodnotná, zatímco dlouhá může přidat jen malou hodnotu. Ale objem tokenů představuje užitečný přibližný ukazatel hloubky využívání umělé inteligence a toho, kolik práce zaměstnanci chtějí, aby umělá inteligence převzala.

Přední firmy prohlubují využívání umělé inteligence, protože ji uplatňují na konkrétní problémy v rámci svých organizací i napříč odvětvími, v nichž působí.

První podnikové aplikace umělé inteligence začínaly interně a pomáhaly zaměstnancům vyhledávat informace, vytvářet návrhy dokumentů, analyzovat data, psát kód a automatizovat rutinní procesy. Přední společnosti stále častěji rozšiřují využití umělé inteligence za hranice interní produktivity a začleňují ji do produktů, služeb a zkušeností určených zákazníkům.

Agenti umělé inteligence potřebují přístup ke správnému kontextu a nástrojům, aby byli efektivní. Pluginy⁠(otevře se v novém okně) sdružují schopnosti, které agentům pomáhají provádět konkrétní pracovní postupy. Mohou kombinovat dovednosti, které poskytují opakovaně použitelné pokyny, s aplikacemi, které se připojují k firemním datům, nástrojům a akcím. Například prodejní plugin může kombinovat týmový manuál s přístupem k CRM, což agentovi umožňuje použít aktuální informace o zákaznících a předchozí návrhy k přípravě odpovědi na míru ke kontrole.

Průkopnické firmy mají v pokročilých schopnostech jasný náskok. Mezi uživateli aktivními každý týden používá v průkopnických firmách 21 % pluginy a 19 % používá dovednosti, ve srovnání s pouhými 9 % a 3 % v typických firmách. Zavádění v průkopnických firmách však představuje jen zlomek toho, co je možné. Interní používání v OpenAI ukazuje potenciál pro hlubší využívání těchto schopností, přičemž týdenní používání pluginů dosahuje 95 % aktivních uživatelů. Náš výzkum o tom, jak agenti proměňují práci, nabízí bližší pohled na to, jak zaměstnanci v OpenAI používají pokročilé schopnosti.

Agenti umělé inteligence potřebují k vykonávání smysluplné práce tři věci: kontext, nástroje a persistenci. Paměť, hlasový vstup a appshots pomáhají pracovníkům snadno sdílet kontext a informace potřebné k úspěšnému provedení úkolu. Používání počítače a prohlížeče umožňuje agentům procházet weby, vytvářet soubory a plnit úkoly autonomně nebo pod dohledem. Cíle a smyčky udržují agenty v činnosti, dokud není úkol dokončen. Dohromady tyto schopnosti pomáhají průkopnickým firmám realizovat potenciál agentů.

Poskytnutí přístupu agentům k firemním systémům také přináší nová rizika. Průkopnické firmy stanovují jasná pravidla pro to, kde mohou agenti působit, k jakým informacím mohou přistupovat, kdy mohou provádět akce, a jak lidé kontrolují rozhodnutí s vyšším rizikem. Tyto kontrolní mechanismy se musí vyvíjet s tím, jak se organizace učí ze skutečných nasazení.

Průkopnické firmy také do každodenní práce začleňují neustálé vzdělávání a experimentování. Praktické workshopy pro tvůrce, fóra pro sdílení nově se objevujících případů použití a interní ukázky pomáhají šířit osvědčené postupy napříč týmy a pracovními funkcemi.

Softwaroví vývojáři byli mezi prvními, kdo začali agenty umělé inteligence používat, ale nejrychlejší růst nyní zaznamenávají běžní znalostní pracovníci. Od února vzrostl počet týdně aktivních podnikových uživatelů Codex 108× v právních odděleních, 41× v obchodě, 41× v náboru a 26× v marketingu ve srovnání s 5násobkem mezi vývojáři. 

Software se přesunul jako první z dobrého důvodu. Kódové základny poskytují agentům jasný kontext, testy usnadňují ověřování výstupů a pokrok v programování pomáhá urychlovat výzkum a vývoj umělé inteligence. Za poslední dva roky vývojáři přešli od používání umělé inteligence k doplňování jednotlivých řádků kódu k tomu, že agenty nechávají řešit celé úkoly softwarového vývoje. Mnoho vývojářů už nepíše kód ručně, ale místo toho věnuje čas nastavování úloh, orchestraci agentů a kontrole výsledků.

Naproti tomu byl pokrok v obecné znalostní práci pomalejší, protože mnoho úloh poskytuje jen omezený kontext, může být obtížné je specifikovat a chybějí u nich jasná kritéria pro ověření výsledku. Pokračující škálování, pokroky v učení posilováním a cílené úsilí o zlepšení výkonnosti v hodnoceních, jako je GDPval, přibližují více úkolů, nástrojů a pracovních prostředí z reálného světa k možnostem průkopnických modelů. V důsledku toho agentní umělá inteligence od začátku roku stále více nachází uplatnění na trhu s produkty u pracovníků v oblasti obecné znalostní práce.

Podle vzorku více než 10 milionů zpráv se podniková umělá inteligence posouvá od pomoci zaměstnancům vytvářet pracovní výstupy k pomoci týmům je realizovat. I v rámci stejné pracovní funkce se vzorce používání mezi chatem a agentní umělou inteligencí výrazně liší.

Psaní zůstává nejčastějším způsobem využití nástroje ChatGPT, zatímco kódování a systémové operace nebo operace agentů dohromady tvoří téměř 75 % agentních zpráv. Tento posun je obzvlášť výrazný mimo tradiční technické týmy: týmy pro nábor (32 %), prodej (26 %), zásady (25 %) a komunikaci (24 %) věnují systémovým operacím a operacím agentů mezi čtvrtinou a třetinou zpráv. Technická práce se také rozšiřuje napříč pracovními funkcemi, přičemž kódování tvoří téměř 60 % agentních zpráv v oblasti návrhu.

Neexistuje žádný jednotný žebříček zavádění umělé inteligence. Žebříčky odvětví se liší v závislosti na použité metrice. V minulém měsíci vedly odborné a vědecké služby jak v zavádění Codexu, tak v intenzitě využívání rozhraní API. V zavádění ChatGPT vedly umění, zábava a rekreace, zatímco výrobní průmysl má nejvyšší intenzitu ChatGPT, přestože je na posledním místě v zavádění nástroje Codex a intenzitě využívání API.

Jednotlivá odvětví se při zavádění umělé inteligence neubírají stejnou cestou. Některé postupují prostřednictvím vývojářských nástrojů a produktů poháněných umělou inteligencí, zatímco jiné zaznamenávají širší nebo intenzivnější každodenní využití.

S tím, jak umělá inteligence vytváří nové způsoby, jak organizace dodávají zboží a poskytují služby, zároveň přetváří prostředí zabezpečení. Málo rizik je naléhavějších než kybernetická bezpečnost, zvlášť vzhledem k rychlému rozvoji kybernetických schopností umělé inteligence.

Umělá inteligence může také pomoci obráncům reagovat. Modely dokážou analyzovat rozsáhlé kódové základny, vyšetřovat zranitelnosti a podporovat vícekrokovou práci zabezpečení. Identifikace většího počtu problémů však automaticky neznamená, že systémy budou bezpečnější. Skutečným klíčovým prvkem je převést zjištění do praxe: určit, které zranitelnosti jsou skutečné, upřednostnit rizika s největším dopadem, testovat opravy a zajistit, aby týmy zabezpečení rychle kontrolovaly a nasazovaly opravy. 

OpenAI Daybreak spojuje průkopnické modely kybernetické bezpečnosti, podnikové bezpečnostní nástroje a ekosystém partnerům, aby organizacím pomohl čelit těmto výzvám a posílit jejich obranu proti nově vznikajícím hrozbám.

Posláním OpenAI je zajistit, aby umělá inteligence prospívala celému lidstvu. Ekonomický dopad umělé inteligence budou do značné míry utvářet organizace, a proto pravidelně zveřejňujeme Enterprise Signals, opakovanou sadu ukazatelů sledujících zavádění, šíření a dopad umělé inteligence v podnicích. Všechny analýzy v této zprávě jsou založeny na anonymizovaných, agregovaných datech o využití ve firmách. Ke klasifikaci obsahu zpráv jsme použili automatizované systémy a žádný zaměstnanec OpenAI nekontroloval zprávy zákazníků.

Zákazníci OpenAI Enterprise si také mohou vyžádat přizpůsobený benchmark, aby viděli, jak si jejich organizace stojí v porovnání s nejnovějšími ukazateli využití a schopností.