Πίνακας αξιολόγησης για την εποχή της ΤΝ

Το ερώτημα που ακούω από CFO παντού είναι απλό: πώς αποκομίζουμε μεγαλύτερη αξία από τις δαπάνες μας για TN;

Για χρόνια, η αγορά μετρούσε την επιτυχία του λογισμικού μέσα από την υιοθέτηση: θέσεις που αγοράστηκαν, ενεργοί χρήστες, άδειες που ανανεώθηκαν. Η κατανόηση της αξίας της TN απαιτεί ένα πιο ισχυρό μέτρο: την εργασία που ολοκληρώνεται.

Το βασικό οικονομικό ερώτημα για τους CFO και άλλους επιχειρηματικούς ηγέτες είναι αν η αξία της εργασίας που ολοκληρώνει η TN αυξάνεται ταχύτερα από το κόστος παραγωγής της.

Για να απαντηθεί αυτό, χρειάζεται να κοιτάξουμε βαθύτερα από μια μέτρηση όπως το κόστος ανά token. Ένα μοντέλο χαμηλότερου κόστους μπορεί να έχει φθηνότερα token, αλλά για να δώσει εξαιρετικά αποτελέσματα μπορεί να απαιτεί περισσότερες προσπάθειες, περισσότερο χρόνο ή περισσότερη ανθρώπινη αξιολόγηση. Ένα πιο ικανό μοντέλο μπορεί να έχει ακριβότερα token, αλλά να ολοκληρώνει την ίδια εργασία με μία μόνο προσπάθεια. Σημασία έχει το συνολικό κόστος παραγωγής ενός επιτυχημένου αποτελέσματος, σε σύγκριση με την αξία που δημιουργεί αυτό το αποτέλεσμα.

Ο τελικός πίνακας αξιολόγησης για την εποχή της TN θα μπορούσε να ιδωθεί ως «Χρήσιμη ευφυΐα ανά δολάριο». Αυτή η μέτρηση απαντά σε τέσσερα βασικά ερωτήματα:

1. Ολοκληρώνει η TN εργασία που έχει σημασία;
2. Πόσο κοστίζει κάθε επιτυχημένη εργασία;
3. Μπορούν οι άνθρωποι να βασιστούν στο αποτέλεσμα;
4. Παράγει κάθε δολάριο για TN περισσότερη αξία όσο αυξάνεται η χρήση;

Ξεκινήστε από την ίδια την εργασία.

Πόσα ζητήματα πελατών βοήθησε να επιλυθούν η TN; Πόσες αλλαγές κώδικα βοήθησε να κυκλοφορήσουν; Πόσες συμβάσεις εξέτασε; Πόσο χρόνο επέστρεψε στους ανθρώπους; Πόσες αποφάσεις βελτιώθηκαν επειδή το σωστό πλαίσιο ήταν διαθέσιμο τη σωστή στιγμή;

Τα token δημιουργούν αξία όταν μετατρέπονται σε εργασία που μπορούν να χρησιμοποιήσουν οι άνθρωποι. Καθώς τα μοντέλα γίνονται πιο ικανά, μπορούν να αναλαμβάνουν μεγαλύτερες και πιο σύνθετες εργασίες: να διατηρούν το πλαίσιο, να εφαρμόζουν συλλογιστική σε πολλά βήματα, να εργάζονται σε διαφορετικά εργαλεία και να προσαρμόζονται στην πορεία.

Το καλύτερο σημείο εκκίνησης είναι μία ροή εργασίας. Ορίστε τι σημαίνει «ολοκληρώθηκε» και μετρήστε αυτό το αποτέλεσμα στο σύστημα όπου γίνεται η εργασία.

Για μια ομάδα υποστήριξης, το «ολοκληρώθηκε» μπορεί να σημαίνει ότι επιλύθηκε ένα ζήτημα πελάτη. Για μια ομάδα μηχανικών, μπορεί να σημαίνει μια αλλαγή κώδικα που περνά τις δοκιμές της. Για μια νομική ομάδα, μπορεί να σημαίνει μια σύμβαση που εξετάστηκε με ακρίβεια και εγκαίρως.

Σκεφτείτε μια οικονομική ομάδα που προετοιμάζεται για ανασκόπηση προβλέψεων. Μεγάλο μέρος της δουλειάς γίνεται πριν ληφθεί η τελική απόφαση: εντοπισμός της πιο πρόσφατης πρόβλεψης, μεταφορά δεδομένων στο Excel ή στα Sheets, εντοπισμός αλλαγών, συμφωνία καρτελών, αναδημιουργία διαφανειών και έλεγχος ότι όλα αθροίζονται άψογα.

Το ChatGPT Work μπορεί να αναλάβει μεγάλο μέρος αυτής της διαδικασίας, δίνοντας στην ομάδα περισσότερο χρόνο να εστιάσει στα ερωτήματα που έχουν σημασία: Τι άλλαξε; Γιατί; Τι πρέπει να κάνουμε στη συνέχεια;

Αυτή είναι η χρήσιμη ευφυΐα ανά δολάριο στην πράξη. Ολοκληρώνεται περισσότερη εργασία, ταχύτερα, ενώ οι άνθρωποι αφιερώνουν περισσότερο χρόνο στην κρίση, τη δημιουργικότητα και την εξειδίκευσή τους.

Το επόμενο ερώτημα είναι πόσο κοστίζει να ολοκληρωθεί σωστά αυτή η εργασία.

Οι εργασίες ΤΝ διαφέρουν πολύ μεταξύ τους. Μια γρήγορη απάντηση μπορεί να απαιτεί λίγη υπολογιστική ισχύ. Μια ροή εργασίας για κώδικα, έρευνα ή οικονομικά μπορεί να περιλαμβάνει βαθύτερη συλλογιστική, χρήση εργαλείων και πολλές ενέργειες. Αυτές οι πιο σύνθετες εργασίες μπορεί να απαιτούν περισσότερη υπολογιστική ισχύ, αλλά μπορούν να δημιουργούν πολύ μεγαλύτερη αξία.

Σε επίπεδο μοντέλου, το κόστος ανά επιτυχημένη εργασία εξαρτάται από την τιμή, την ποσότητα υπολογιστικής ισχύος που χρησιμοποιείται και την πιθανότητα επίτευξης του σωστού αποτελέσματος. Για μια επιχείρηση, το πλήρες κόστος περιλαμβάνει επίσης τον χρόνο των εργαζομένων, την ανθρώπινη αξιολόγηση, τις επαναλήψεις και την επανεπεξεργασία.

Ο υπολογισμός είναι απλός:

• Προσθέστε το πλήρες κόστος ολοκλήρωσης της εργασίας.
• Μετρήστε τις εργασίες που κάλυψαν το απαιτούμενο επίπεδο ποιότητας.
• Διαιρέστε το πλήρες κόστος με τον αριθμό των επιτυχημένων εργασιών.

Γι’ αυτό η χαμηλότερη τιμή ανά token δεν οδηγεί πάντα στο χαμηλότερο κόστος ανά αποτέλεσμα. Ένα κορυφαίο μοντέλο μπορεί να προσφέρει την καλύτερη αξία ακόμη και για ένα συνηθισμένο αίτημα, αν παράγει τη σωστή απάντηση με μία προσπάθεια, μειώνοντας επαναλήψεις, καθυστέρηση, αξιολόγηση και συνολική υπολογιστική ισχύ.

Μια οικογένεια μοντέλων με επίπεδα δίνει στους πελάτες περισσότερους τρόπους να βελτιστοποιήσουν αυτή την εξίσωση. Το GPT‑5.6, που κυκλοφορήσαμε την περασμένη εβδομάδα, έχει τρία επίπεδα: το Sol είναι η ναυαρχίδα μας, το Terra ισορροπεί απόδοση και κόστος, και το Luna είναι το ταχύτερο και πιο οικονομικό μοντέλο μας.

Αυτά τα επίπεδα προσφέρουν χρήσιμα σημεία εκκίνησης. Τα οικονομικά της πλήρους εργασίας θα πρέπει τελικά να καθορίζουν το σωστό μοντέλο. Ένας πελάτης μπορεί να χρησιμοποιεί το Luna για μια γρήγορη ροή εργασίας μεγάλου όγκου, το Terra για εργασία που απαιτεί μεγαλύτερο βάθος ή το Sol όταν η ισχυρότερη συλλογιστική φέρνει το καλύτερο αποτέλεσμα με λιγότερες προσπάθειες.

Εκπαιδεύσαμε το GPT‑5.6 ώστε να παράγει περισσότερη χρήσιμη εργασία από κάθε token. Στο Artificial Analysis Coding Agent Index, το GPT‑5.6 Sol με τη συλλογιστική στο μέγιστο πέτυχε νέο state of the art, χρησιμοποιώντας 54% λιγότερα token εξόδου από ένα άλλο κορυφαίο μοντέλο. Το παρακάτω γράφημα παρουσιάζει τη σύγκριση.

Σε όλη την οικογένεια GPT‑5.6, ο στόχος είναι ο ίδιος: περισσότερη επιτυχημένη εργασία ανά δολάριο. Η μεγαλύτερη αποδοτικότητα κάνει τις υπάρχουσες εργασίες πιο προσιτές. Η μεγαλύτερη ικανότητα καθιστά δυνατά εντελώς νέα είδη εργασίας.

Κάθε νέα γενιά μοντέλων θα πρέπει να βελτιώνει και τις δύο πλευρές αυτής της εξίσωσης. Οι πελάτες θα πρέπει να μπορούν να ολοκληρώνουν πιο πολύτιμη εργασία, ενώ ταυτόχρονα το κόστος ολοκλήρωσης κάθε εργασίας συνεχίζει να μειώνεται.

Το τρίτο μέτρο είναι η αξιοπιστία.

Η υιοθέτηση της TN τείνει να εμβαθύνεται σταδιακά. Πρώτα, η TN βοηθά στη σύνταξη προσχεδίων. Έπειτα βρίσκει πλαίσιο και εφαρμόζει συλλογιστική σε εργαλεία και δεδομένα. Με τον καιρό, αρχίζει να αναλαμβάνει ενέργειες, να χειρίζεται εξαιρέσεις και να ολοκληρώνει ροές εργασίας, με τους ανθρώπους να παρέχουν κρίση και έλεγχο όπου χρειάζεται.

Κάθε βήμα δημιουργεί περισσότερη αξία και απαιτεί περισσότερα από το σύστημα.

Η αξιοπιστία έχει άμεση οικονομική αξία. Όταν τα αποτελέσματα είναι ακριβή, καλά τεκμηριωμένα, συνεπή και κλιμακώνονται κατάλληλα, οι άνθρωποι αφιερώνουν λιγότερο χρόνο σε αξιολόγηση, διορθώσεις και επανάληψη της εργασίας. Οι επιτυχημένες εργασίες κοστίζουν λιγότερο και οι οργανισμοί αποκτούν την εμπιστοσύνη να χρησιμοποιούν την TN σε πιο σημαντικές ροές εργασίας.

Οι ομάδες μπορούν να το κάνουν συγκεκριμένο παρακολουθώντας τρία αποτελέσματα:

• Έτοιμο για χρήση: Το αποτέλεσμα κάλυψε το επίπεδο ποιότητας όπως παραδόθηκε.
• Χρειάζεται διόρθωση: Το αποτέλεσμα απαιτούσε άλλη προσπάθεια ή ανθρώπινες επεξεργασίες.
• Χρειάζεται κλιμάκωση: Έπρεπε να παρέμβει ένας άνθρωπος και να ολοκληρώσει την εργασία.

Αυτές οι μετρήσεις αφηγούνται μια πιο πλούσια ιστορία από την ακρίβεια του μοντέλου από μόνη της. Δείχνουν αν η TN μειώνει πραγματικά την εργασία που απαιτείται για την ολοκλήρωση του έργου.

Η αξιοπιστία απαιτεί επίσης σαφή όρια. Πριν η TN περάσει από τη σύνταξη προσχεδίων στην ανάληψη δράσης, οι οργανισμοί θα πρέπει να ορίσουν:

• Σε ποια δεδομένα μπορεί να έχει πρόσβαση το σύστημα.
• Ποια συστήματα μπορεί να χρησιμοποιεί ή να αλλάζει.
• Πότε ένας άνθρωπος θα πρέπει να ελέγχει ή να εγκρίνει μια ενέργεια.

Η ασφάλεια, η κυβερνοασφάλεια, το απόρρητο και ο έλεγχος δημιουργούν τη βάση για βαθύτερη χρήση. Οι άνθρωποι χρειάζεται να κατανοούν πώς συμπεριφέρεται το σύστημα, πώς γίνεται ο χειρισμός των δεδομένων τους και πώς διέπονται οι ενέργειές του.

Το ChatGPT Work βασίζεται στα θεμέλια ασφάλειας, απορρήτου, συμμόρφωσης και διαχείρισης χώρου εργασίας του ChatGPT Enterprise. Αυτό επιτρέπει στους οργανισμούς να δίνουν στην TN περισσότερο πλαίσιο και πρόσβαση σε πιο πολύτιμες ροές εργασίας, διατηρώντας την κατάλληλη εποπτεία.

Η ικανότητα κερδίζει την πρώτη χρήση. Η αξιοπιστία κάνει την TN μέρος του τρόπου με τον οποίο γίνεται η δουλειά.

Το τελευταίο ερώτημα είναι αν τα οικονομικά βελτιώνονται σε κλίμακα.

Οι εταιρείες μπορούν να το μετρήσουν παρακολουθώντας την ίδια ροή εργασίας με την πάροδο του χρόνου. Παρακολουθήστε πόσες εργασίες κάλυψαν το επίπεδο ποιότητας, το συνολικό κόστος ολοκλήρωσής τους και το κόστος ανά επιτυχημένη εργασία. Αν η ολοκληρωμένη εργασία αυξάνεται ταχύτερα από το συνολικό κόστος ενώ η ποιότητα διατηρείται ή βελτιώνεται, κάθε δολάριο για TN παράγει περισσότερη αξία.

Η υπολογιστική ισχύς βρίσκεται στο κέντρο αυτής της εξίσωσης.

Η υπολογιστική ισχύς τροφοδοτεί την έρευνα και κάθε εργασία που ολοκληρώνει η ΤΝ. Διαμορφώνει την ποιότητα προϊόντος, την ταχύτητα, την αξιοπιστία, τη διαθεσιμότητα και το κόστος. Η υπολογιστική ισχύς εκπαίδευσης χτίζει τη μελλοντική ικανότητα. Η υπολογιστική ισχύς inference παραδίδει χρήσιμη εργασία σήμερα. Και οι δύο θα πρέπει να μεταφράζονται σε καλύτερα αποτελέσματα για τους πελάτες.

Καλύτερα μοντέλα, πιο αποδοτικό inference, ειδικά σχεδιασμένο υλικό, υψηλότερη αξιοποίηση, εξυπνότερη δρομολόγηση και ισχυρότερος σχεδιασμός προϊόντων βελτιώνουν όλα την απόδοση της υπολογιστικής ισχύος. Κάθε γενιά υποδομών βοηθά στην εκπαίδευση πιο ικανών μοντέλων. Καλύτεροι αλγόριθμοι, υλικό και λογισμικό βοηθούν στη συνέχεια να εξυπηρετούνται αυτά τα μοντέλα πιο αποδοτικά.

Οι πελάτες βιώνουν αυτές τις βελτιώσεις με ανθρώπινους όρους: καλύτερες απαντήσεις, ταχύτερα αποτελέσματα, λιγότερες διορθώσεις, πιο αξιόπιστα προϊόντα και χαμηλότερο κόστος για την εργασία που χρειάζονται να γίνει.

Τα οφέλη συσσωρεύονται. Η καλύτερη υποδομή επιταχύνει την έρευνα. Η έρευνα παράγει πιο ικανά και αποδοτικά μοντέλα. Τα καλύτερα μοντέλα βελτιώνουν τα προϊόντα. Τα καλύτερα προϊόντα οδηγούν την υιοθέτηση, τη μάθηση και τα έσοδα. Αυτή η ανάπτυξη στηρίζει τη συνεχή επένδυση στην επόμενη γενιά έρευνας, υπολογιστικής ισχύος, ανάπτυξης και ασφάλειας.

Η OpenAI ενώνει αυτά τα στοιχεία μέσα από μία κοινή πλατφόρμα ευφυΐας. Οι άνθρωποι τη χρησιμοποιούν μέσω του ChatGPT και του ChatGPT Work. Οι προγραμματιστές χτίζουν με αυτή μέσω του Codex και του API. Οι επιχειρήσεις την αναπτύσσουν στα συστήματα όπου γίνεται η εργασία.

Όταν βελτιώνεται ένα επίπεδο, κάθε προϊόν και κάθε πελάτης μπορεί να ωφεληθεί.

Συνολικά, αυτά τα τέσσερα μέτρα δείχνουν αν βελτιώνεται η χρήσιμη ευφυΐα ανά δολάριο.

Η χρήσιμη εργασία δείχνει τι παράγει η ΤΝ. Το κόστος ανά επιτυχημένη εργασία δείχνει τι χρειάζεται για να φτάσουμε στο αποτέλεσμα. Η αξιοπιστία δείχνει πόσο από το έργο μπορούν οι άνθρωποι να χρησιμοποιήσουν με σιγουριά. Η αξία σε κλίμακα δείχνει αν κάθε δολάριο και κάθε μονάδα υπολογιστικής ισχύος επιτυγχάνουν περισσότερα με την πάροδο του χρόνου.

Στόχος είναι μια TN που βοηθά τους ανθρώπους να κάνουν πιο ουσιαστική δουλειά, να παίρνουν καλύτερες αποφάσεις και να αφιερώνουν περισσότερο χρόνο στα μέρη της εργασίας τους που απαιτούν ξεκάθαρα ανθρώπινη κρίση και δημιουργικότητα.

Η δική μας δουλειά είναι να βελτιώνουμε αυτήν την εξίσωση με κάθε γενιά: πιο ικανά μοντέλα, ταχύτερα και πιο αξιόπιστα αποτελέσματα, και χαμηλότερο κόστος για την εργασία που χρειάζονται οι πελάτες να γίνει.

Έτσι η TN γίνεται με τον καιρό πιο χρήσιμη για περισσότερους ανθρώπους και οργανισμούς.