Enterprise Signals: Hvad banebrydende virksomheder gør anderledes

AI i virksomheder går ind i en ny fase: mere arbejde uddelegeres til agenter, og de virksomheder, der er længst fremme, trækker fra. Banebrydende virksomheder har adgang til de samme AI-modeller som andre virksomheder, men de udvider deres brug hurtigere. Det, der adskiller dem, er, hvordan de sætter disse modeller i arbejde: de bevæger sig fra assistance til uddelegering ved at give agenter den sammenhæng og de værktøjer, de skal bruge for at fuldføre komplekse opgaver, og accelererer agentisk AI ud over softwareudvikling.

Vores forskning i hvordan agenter ændrer arbejdet hos OpenAI giver et tidligt tegn på, hvordan dette skifte kan se ud i en oprindelig AI-organisation. Enterprise Signals udvider perspektivet til OpenAI's globale virksomhedskundebase og viser, hvordan agentisk arbejde spreder sig på tværs af organisationer, og hvad der adskiller banebrydende virksomheder fra resten.

I denne udgave af Enterprise Signals viser vi, at banebrydende virksomheder—dem i de øverste 10 % af AI-brug hver måned–øger afstanden til almindelige virksomheder–dem i de midterste 10 %. Vi undersøger, hvad banebrydende virksomheder gør anderledes, og hvad organisationer kan gøre for at lukke kløften.

Vigtige punkter:

• Virksomhedsbrug bliver mere agentisk. Pr. juni genererede Codex 64 % af de kombinerede output-tokens fra Codex og ChatGPT blandt virksomhedskunder, hvilket tyder på, at agenter muliggør et skift mod mere væsentligt, uddelegeret arbejde.
• Kløften til de banebrydende virksomheder vokser. Banebrydende virksomheder—dem, der ligger i de øverste 10 % af AI-brug hver måned—genererer nu 8,3× så mange output-tokens pr. aktiv bruger som almindelige virksomheder, en stigning fra 2,6× i januar.
• Banebrydende virksomheder bruger avancerede kompetencer oftere. Hver uge bruger 21 % af aktive brugere i banebrydende virksomheder Plugins, sammenlignet med 9 % i almindelige virksomheder. Hos OpenAI bruger 95 % af medarbejdere Plugins hver uge, hvilket fremhæver potentialet for dybere ibrugtagning.
• Agenter breder sig på tværs af vidensarbejde. Siden februar er antallet af ugentlige aktive Codex-virksomhedsbrugere vokset 108× inden for juridisk, 41× inden for salg, 41× inden for rekruttering og 26× inden for markedsføring sammenlignet med 5x inden for ingeniørvirksomhed.
• Medarbejdere i begyndelsen af deres karriere bruger AI mest: Brugen er højest blandt medarbejdere i begyndelsen af deres karriere og falder blandt mere erfarne medarbejdere, hvilket tyder på en potentiel sammenlignelig fordel ved at bruge AI.

Virksomheds-AI bevæger sig fra at besvare spørgsmål til at udføre arbejde. Denne ændring slog først igennem inden for softwareudvikling med Codex. Nu udvider ChatGPT Work agentisk AI ud over udviklere og gør det muligt for medarbejdere på tværs af virksomheden at gå fra at bede om hjælp til at uddelegere væsentlige opgaver.

Fra juni 2026 udgjorde brug af agentisk AI (defineret som Codex-tokens) 64 % af de samlede output-tokens fra Codex og ChatGPT blandt virksomhedskunder. Både ChatGPT og agentisk AI bruger de samme underliggende banebrydende modeller, men forskellen er, hvordan denne intelligens anvendes.

ChatGPT hjælper folk med at stille spørgsmål, udvikle ideer og arbejde sig igennem problemer. Agentisk AI (som Codex og ChatGPT Work) giver modellen værktøjer til at arbejde med din computer, så den kan finde information, redigere filer og udføre opgaver i flere trin autonomt eller under tilsyn. At fuldføre komplekse, langvarige opgaver kan kræve væsentligt mere beregning, hvilket hjælper med at forklare, hvorfor agentisk tokenforbrug er vokset hurtigt.

Hver måned rangerer vi virksomhedskunder efter output-tokens pr. aktiv bruger. Banebrydende virksomheder er dem i de øverste 10 % i den pågældende måned, mens almindelige virksomheder ligger mellem de 45. og 55. percentiler. I juni genererede banebrydende virksomheder 8,3× så mange output-tokens pr. aktiv bruger som almindelige virksomheder, en tredobling sammenlignet med forskellen på 2,6× i januar.

Kløften til banebrydende virksomheder strækker sig også på tværs af brancher, med den største forskel i tokenforbrug inden for information og teknologi (11,7×), og det mindste inden for produktionsindustrien (5,3×). I modsætning hertil er tokenforbrug blandt almindelige virksomheder ens på tværs af brancher, med relativt beskeden vækst i løbet af det seneste år (1,9× til 2,8×). Det tyder på, at mange organisationer stadig bruger simple chatassistenter, hvilket giver et betydeligt potentiale for at forankre ibrugtagning yderligere og  bruge agenter til at udføre mere komplekst arbejde.

Tokens er en ufuldkommen måling af forretningsværdi: et kort svar kan være meget værdifuldt, mens et langt svar måske ikke tilfører meget. Men token-volumen fungerer som en nyttig indikator for, hvor meget AI bruges, og hvor meget arbejde medarbejdere beder AI om at påtage sig.

Førende virksomheder udbygger deres brug af AI, fordi de anvender den på konkrete problemstillinger internt i deres organisationer og på tværs af deres brancher.

De første AI-virksomhedsapplikationer begyndte internt og hjalp medarbejdere med at finde information, udarbejde dokumenter, analysere data, skrive kode og automatisere rutineprocesser. Førende virksomheder udvider i stigende grad brugen af AI fra intern produktivitet til produkter, tjenester og oplevelser rettet mod kunder.

AI-agenter har brug for adgang til den rette sammenhæng og de rette værktøjer for at være effektive. Plugins⁠(åbner i et nyt vindue) samler kompetencer, der hjælper agenter med at fuldføre specifikke arbejdsgange. De kan kombinere færdigheder, der leverer genanvendelige instruktioner, med apps, der opretter forbindelse til virksomhedsdata, værktøjer og handlinger. For eksempel kan et plugin kombinere et teams strategi med adgang til dets CRM, så en agent kan bruge aktuelle kundeoplysninger og tidligere forslag til at udarbejde et skræddersyet svar til gennemgang.

Banebrydende virksomheder fører klart inden for avancerede kompetencer. Blandt ugentlige aktive brugere bruger 21 % i banebrydende virksomheder plugins, og 19 % bruger færdigheder, sammenlignet med kun 9 % og 3 % i almindelige virksomheder. Banebrydende virksomheders ibrugtagning udgør dog kun en brøkdel af det, der er muligt. OpenAI's interne brug fremhæver potentialet for dybere brug af disse kompetencer, hvor den ugentlige brug af plugins er på 95 % blandt aktive brugere. Vores forskning i hvordan agenter transformerer arbejdet giver et nærmere indblik i, hvordan medarbejdere hos OpenAI bruger avancerede kompetencer.

AI-agenter har brug for tre ting for at kunne gennemføre meningsfuldt arbejde: sammenhæng, værktøjer og vedholdenhed. Hukommelse, stemmeinput og appshots hjælper medarbejdere med nemt at dele den sammenhæng og de oplysninger, der er nødvendige for at udføre en opgave. Brug af computer og browser gør det muligt for agenter at navigere på websteder, oprette filer og udføre opgaver autonomt eller under tilsyn. Mål og løkker holder agenter i gang, indtil en opgave er fuldført. Tilsammen hjælper disse kompetencer banebrydende virksomheder med at realisere agenters potentiale.

At give agenter adgang til virksomhedssystemer medfører også nye risici. Banebrydende virksomheder fastsætter klare regler for, hvor agenter kan arbejde, hvilke oplysninger de kan få adgang til, hvornår de kan udføre handlinger, og hvordan mennesker gennemgår beslutninger med højere risiko. Disse kontroller skal udvikle sig i takt med, at organisationer lærer af faktiske implementeringer.

Banebrydende virksomheder gør også løbende læring og eksperimentering til en del af det daglige arbejde. Praktiske bygningsworkshops, fora til deling af nye brugsscenarier og interne præsentationer hjælper med at udbrede vellykkede fremgangsmåder på tværs af teams og funktioner.

Softwareudviklere var blandt de første til at tage AI-agenter i brug, men den hurtigste vækst kommer nu fra almindelige vidensarbejdere. Siden februar er antallet af ugentlige aktive Codex-virksomhedsbrugere vokset 108× inden for juridisk, 41× inden for salg, 41× inden for rekruttering og 26× inden for markedsføring sammenlignet med 5× blandt ingeniører. 

Der er en årsag til, at software bevægede sig først. Kodebaser giver agenter tydelig sammenhæng, test gør output nemmere at verificere, og fremskridt inden for kodning hjælper med at accelerere AI-forskning og -udvikling. I løbet af de seneste to år er udviklere gået fra at bruge AI til at færdiggøre enkelte kodelinjer til at lade agenter håndtere hele softwareudviklingsopgaver. Mange udviklere skriver ikke længere kode manuelt, men bruger i stedet deres tid på at opsætte opgaver, orkestrere agenter og gennemgå resultater.

I modsætning hertil har fremskridt inden for generelt vidensarbejde været langsommere, fordi mange opgaver giver begrænset sammenhæng, kan være vanskelige at specificere og mangler klare kriterier for at verificere resultatet. Men løbende opskalering, fremskridt inden for forstærkende læring og målrettede indsatser for at forbedre ydeevne i evalueringer som GDPval, bringer flere opgaver, værktøjer og arbejdsmiljøer fra den virkelige verden inden for rækkevidde af banebrydende modeller. Som følge heraf er agentisk AI i stigende grad blevet taget i brug af almindelige vidensarbejdere siden begyndelsen af året.

På tværs af et datasæt med mere end 10 millioner beskeder bevæger virksomheds-AI sig fra at hjælpe medarbejdere med at producere arbejde til at hjælpe teams med at udføre det. Selv inden for samme funktion varierer brugsmønstrene betydeligt mellem chat og agentisk AI.

Skrivning er fortsat den mest almindelige anvendelse af ChatGPT, mens kodning og system- eller agentaktiviteter til sammen står for næsten 75 % af agentiske beskeder. Dette skift er særligt udtalt uden for traditionelle tekniske teams: rekruttering (32 %), salg (26 %), politik (25 %) og kommunikation (24 %) bruger mellem en fjerdedel og en tredjedel af beskederne på system- og agentaktiviteter. Teknisk arbejde breder sig også på tværs af funktioner, hvor kodning tegner sig for næsten 60 % af agentiske beskeder inden for design.

Der findes ikke én enkelt rangliste for AI-ibrugtagning. Brancherangeringer varierer afhængigt af den anvendte målemetode. I den seneste måned førte faglige og videnskabelige tjenester an inden for både ibrugtagning af Codex og API-intensitet. Kunst, underholdning og rekreation førte an inden for ChatGPT‑ibrugtagning, mens produktionsindustrien har den højeste ChatGPT‑intensitet, selv om den ligger sidst i både Codex- og API-intensitet.

Brancher følger ikke den samme vej til ibrugtagning af AI Nogle vinder frem gennem udviklerværktøjer og AI-drevne produkter, mens andre oplever bredere eller mere intensiv daglig brug.

I takt med at AI skaber nye måder, hvorpå organisationer leverer varer og tjenester, omformer det også sikkerhedslandskabet. Få risici er mere presserende end cybersikkerhed, især i lyset af den hastige udvikling inden for AI-baserede cyberkompetencer.

AI kan også hjælpe forsvarere med at reagere. Modeller kan analysere store kodebaser, undersøge sårbarheder og understøtte sikkerhedsarbejde i flere trin. Men at identificere flere problemer gør ikke automatisk systemer mere sikre. Den egentlige flaskehals er at omsætte fund til handling: at afgøre, hvilke sårbarheder der er reelle, prioritere de risici, der har de største konsekvenser, teste programrettelser og sikre, at sikkerhedsteams gennemgår og udruller rettelser hurtigt. 

OpenAI Daybreak samler banebrydende cybersikkerhedsmodeller, sikkerhedsværktøjer i virksomheder, og et partnerøkosystem for at hjælpe organisationer med at imødekomme disse udfordringer og styrke deres forsvar mod nye trusler.

OpenAI’s mission er at sikre, at AI gavner hele menneskeheden. Organisationer vil forme en stor del af AI’s økonomiske indvirkning, og derfor udgiver vi regelmæssigt Enterprise Signals, et tilbagevendende sæt målinger, der sporer virksomheders ibrugtagning af AI, udbredelse og indvirkning. Alle analyser i denne rapport er baseret på aggregerede, anonymiserede data om virksomhedsbrug. Vi brugte automatiserede systemer til at klassificere beskedindhold, og ingen OpenAI-medarbejder gennemgik kundebeskeder.

OpenAI Enterprise-kunder kan også anmode om et tilpasset benchmark for at se, hvor deres organisation ligger på tværs af de nyeste målinger af brug og kapacitet.