پرش به محتوای اصلی
OpenAI

۲۵ شهریور ۱۴۰۵

محصول

چگونه استفاده از هوش مصنوعی را به ارزش تجاری پیوند دهیم

نحوه استفاده تیم‌ها از ChatGPT کار و Codex را درک کنید، کار پشت هزینه‌ها را ببینید و آن را به نتایج قابل‌اندازه‌گیری پیوند دهید.

در حال بارگذاری…

با افزایش استفاده تیم‌ها از هوش مصنوعی، مدیران و رهبران کسب‌وکار باید بدانند این فناوری کجا ارزش ایجاد می‌کند و سرمایه‌گذاری بعدی باید در کجا باشد. میزان استفاده و هزینه بخشی از ماجرا را نشان می‌دهد، اما مدیران باید بدانند افراد هوش مصنوعی را برای چه کاری به کار می‌برند و چه دستاوردی از آن دارند.

تحلیل‌های کنسول مدیریت ChatGPT، داده‌های استفاده و هزینه، بینش‌های مربوط به وظایف و معیارهای نتایج را در ChatGPT کار و Codex یکجا ارائه می‌کند.

در ادامه می‌بینید مدیران چگونه می‌توانند با این ابزارها میزان پذیرش را درک کنند، از تیم‌ها پشتیبانی کنند و ارزش تجاری را بسنجند.

درک میزان استفاده و هزینه هوش مصنوعی

تحلیل‌های استفاده نشان می‌دهد پذیرش در کجا رو به رشد است و هزینه‌ها در کجا متمرکز شده‌اند؛ بنابراین مدیران می‌توانند پشتیبانی را هدفمند کنند، هزینه‌ها را بازبینی کنند و درخواست‌های ظرفیت را بسنجند. نمای استفاده، کاربران فعال، اعتبارها و میزان مصرف توکن را در ChatGPT کار و Codex یکجا نمایش می‌دهد. برای مثال، فیلترکردن بر اساس گروه یا کاربر می‌تواند بخش‌هایی با پذیرش پایین را آشکار کند تا مدیران همراه با مسئول تیم، گردش‌های کار اولیه و نیازهای آموزشی را بررسی کنند.

نمای کلی استفاده، شامل کاربران فعال و روند اعتبارها در ChatGPT کار و Codex.

نمای کلی استفاده، کاربران فعال و روند اعتبارها را در ChatGPT کار و Codex نشان می‌دهد. همه نماگرفت‌ها از داده‌های آزمایشی نمونه استفاده می‌کنند.

مشاهده کارهایی که تیم‌ها با هوش مصنوعی انجام می‌دهند

دسته‌بندی‌کننده وظایف در بینش‌ها با گروه‌بندی نمونه‌ای از پیام‌ها در قالب موارد استفاده و وظایف، به مدیران کمک می‌کند بفهمند هوش مصنوعی از چه کارهایی پشتیبانی می‌کند. برای مثال، مهندسی نرم‌افزار شامل توسعه قابلیت‌ها و نگهداری کد است، درحالی‌که فروش و درآمد، تحقیق و برنامه‌ریزی درباره حساب‌ها را در بر می‌گیرد. زبانه نمای کلی ترکیب کارها را در یک نگاه نشان می‌دهد؛ زبانه موارد استفاده نیز جدولی تفصیلی با تفکیک وظایف ارائه می‌کند. مدیران می‌توانند بر اساس گروه فیلتر کنند تا نحوه استفاده تیم‌ها از هوش مصنوعی را ببینند و سپس همراه با صاحبان کسب‌وکار تصمیم بگیرند کدام گردش‌های کار و نتایج ارزیابی شوند.

نمای کلی بینش‌ها که توزیع اعتبارها میان وظایف را نشان می‌دهد.

نمای کلی بینش‌ها نشان می‌دهد اعتبارها چگونه میان وظایف، از پیاده‌سازی قابلیت‌ها تا تحقیق درباره حساب‌ها، توزیع شده‌اند.

در تیم فروش زیر، تحقیق و برنامه‌ریزی درباره حساب‌ها بیشترین سهم مصرف اعتبار را دارد؛ نقطه شروعی برای گفت‌وگو درباره تأثیر هوش مصنوعی بر آماده‌سازی حساب.

جدول موارد استفاده شامل وظایف فروش، اعتبارها، پیام‌ها و کاربران فعال.

جدول موارد استفاده، کار تیم را بر اساس وظیفه و همراه با اعتبارها، پیام‌ها و کاربران فعال تفکیک می‌کند.

شناسایی نیازهای آموزشی و پشتیبانی تیم‌ها

در جزئیات وظیفه، بخش‌های مدل‌ها، استدلال و سرعت سهم هر تنظیم از اعتبارهای مصرفی آن وظیفه را نشان می‌دهند. این اطلاعات به مدیران کمک می‌کند تناسب پیکربندی با کار را بسنجند و آموزش انتخاب مدل را هدفمند کنند. برای مثال، می‌توان یک گزارش عادی را با پیکربندی سریع‌تر یا کم‌هزینه‌تر آزمایش و کیفیت و زمان لازم برای بازبینی و اصلاح آن را مقایسه کرد.

جدول رتبه‌بندی افزونه‌ها و نمای مهارت‌ها ابزارهای پشتیبان هر وظیفه را نشان می‌دهند و به مدیران کمک می‌کنند آموزش را هدفمند کرده و درباره نگهداری یا اشتراک‌گذاری گردش‌های کار تصمیم بگیرند. استفاده کم از یک افزونه مرتبط می‌تواند نشانه نیاز به دسترسی یا آموزش باشد؛ یک مهارت پرکاربرد نیز ممکن است به مسئولی مشخص و به‌روزرسانی منظم نیاز داشته باشد.

تحلیل تحقیق و برنامه‌ریزی حساب‌ها شامل سهم اعتبار بر اساس مدل، سطح استدلال و سرعت، در کنار میزان استفاده از افزونه‌ها و مهارت‌ها. Google Drive با ۳۰۸٫۱ هزار فراخوانی در صدر افزونه‌ها و Account Brief با ۹۶ هزار فراخوانی در صدر مهارت‌ها قرار دارد.
تحلیل‌های OpenAI به ما کمک می‌کند نحوه استفاده تیم‌ها از هوش مصنوعی را درک کنیم و مبنایی برای راهنمایی‌ها و سیاست‌های آینده داشته باشیم. ما همین حالا از دسته‌بندی وظایف OpenAI در Agent Console، محصول خود برای پایش عامل‌های هوش مصنوعی، استفاده می‌کنیم تا نوع کارهایی را که عامل‌های مشتریان انجام می‌دهند به آن‌ها نشان دهیم. دریافت مستقیم این داده‌ها از OpenAI، هم‌زمان با گسترش استفاده مشتریان از هوش مصنوعی، راه مطمئن‌تری برای ارائه این بینش‌ها در اختیارمان می‌گذارد.
بهارادواج تانیکلا، مدیر محصول هوش مصنوعی در Datadog

ردیابی مشارکت Codex در نتایج مهندسی

نمای نتایج، مشارکت Codex در کامیت‌های ادغام‌شده و خطوط کد را در کنار فعالیت بازبینی کد نشان می‌دهد. روندها و فیلترهای موجود برای گروه، کاربر یا محل نگهداری به مدیران و رهبران مهندسی کمک می‌کند میزان پذیرش را درک کنند و درباره گسترش دسترسی یا پشتیبانی از تیم‌ها تصمیم بگیرند.

اگر سهم Codex در کدهای ادغام‌شده رو به افزایش باشد، رهبران مهندسی می‌توانند این روند را با زمان بازبینی، نقص‌ها و دوباره‌کاری مقایسه کنند تا ببینند آیا به عرضه مؤثرتر نرم‌افزار کمک می‌کند یا نه.

داشبورد نتایج Codex که مشارکت در کامیت‌های ادغام‌شده و خطوط کد را نشان می‌دهد.

نمای نتایج، سهم کامیت‌های ادغام‌شده و خطوط کد دارای مشارکت Codex را در طول زمان ردیابی می‌کند.

استفاده از افزونه مدیریت و API برای تحلیل روندها و اشتراک‌گذاری یافته‌ها

افزونه مدیریت در ChatGPT کار به مدیران امکان می‌دهد میزان پذیرش، هزینه و وظایف را مقایسه کنند و سپس یافته‌ها را به گزارش‌هایی برای تصمیم‌گیری درباره بودجه و عرضه تبدیل کنند. همچنین می‌تواند خروجی نهایی آماده‌ای مانند ارائه مدیریتی شامل نمودارها، یافته‌های کلیدی و گام‌های بعدی پیشنهادی بسازد که برای اشتراک‌گذاری با ذی‌نفعان بین‌وظیفه‌ای آماده باشد.

تیم‌ها با API مدیریت می‌توانند گزارش‌ها را در داشبوردهای خودکار خود ایجاد کنند و تحلیل‌ها را با داده‌های سامانه‌های کسب‌وکار ترکیب کنند. برای مثال، داشبورد پشتیبانی می‌تواند مصرف اعتبار را در کنار زمان حل تیکت‌ها نشان دهد.

پاسخ افزونه مدیریت ChatGPT به درخواست بازبینی ماهانه عرضه هوش مصنوعی. مجموع استفاده نمونه‌ای ۶٫۸۱ میلیون اعتبار، با رشد ۴۵٫۳٪؛ همراه با نمودارهای مقایسه اعتبارهای روزانه کار و Codex برای واحدهای مهندسی و فروش از ۱۲ اوت تا ۱۰ سپتامبر ۲۰۲۶.

افزونه مدیریت روند اعتبارهای تیم را مقایسه و تغییرات را برای بازبینی ماهانه عرضه خلاصه می‌کند.

پیوند تحلیل‌ها به نتایج کسب‌وکار

داده‌های استفاده و وظایف، نقطه شروعی برای مدیران است تا ارزش ایجادشده را همراه با صاحبان کسب‌وکار بررسی کنند. صاحبان کسب‌وکار زمینه لازم را برای ارزیابی فراهم می‌کنند: چه چیزی در گردش کار تغییر کرده، آیا نتایج بهتر شده و این بهبود چقدر ارزش دارد. آن‌ها می‌توانند فعالیت در محصول را به شاخص‌هایی مانند زمان تحویل، کیفیت یا سودآوری پیوند دهند.

فرض کنید دسته‌بندی‌کننده وظایف در کنسول مدیریت نشان می‌دهد که تحقیق درباره حساب‌ها در یک گروه فروش رایج است. مدیر بررسی می‌کند که انتخاب مدل‌ها با وظیفه متناسب باشد، در صورت کم‌استفاده بودن افزونه CRM آموزش ارائه می‌دهد و مهارتی را برای تدوین یکدست برنامه‌های حساب به اشتراک می‌گذارد. سپس مسئول فروش، زمان آماده‌سازی و کیفیت برنامه را با خط مبنای تیم مقایسه می‌کند. اگر در زمان صرفه‌جویی شود، بررسی می‌کنند چه میزان از آن صرف گفت‌وگو با مشتریان می‌شود، کدام گفت‌وگوها به فرصت‌های واجد شرایط تبدیل می‌شوند و کدام فرصت‌ها به فروش می‌انجامند. درآمد و حاشیه مشارکت آن کسب‌وکار نشان می‌دهد که آیا ظرفیت اضافه، منفعت مالی ایجاد می‌کند یا نه.

برای بررسی ارزش یک گردش کار، با چند پرسش شروع کنید:

  1. دوست دارید چه چیزی را بهبود دهید؟ نتیجه‌ای مهم برای تیم انتخاب کنید؛ مانند آماده‌سازی سریع‌تر، کار باکیفیت‌تر، هزینه کمتر یا فروش بیشتر.

  2. فرایند فعلی چگونه است؟ یک نقطه شروع تعیین کنید: تیم چند وقت یک‌بار این وظیفه را انجام می‌دهد، چقدر زمان می‌برد و نتیجه مطلوب چه ویژگی‌هایی دارد.

  3. هوش مصنوعی چه تغییری ایجاد می‌کند؟ نتایج را در یک بازه زمانی مشخص مقایسه کنید. زمان صرف‌شده برای بازبینی و اصلاح کار را نیز لحاظ کنید تا تکمیل سریع‌تر همچنان با استانداردهای کیفی تیم مطابقت داشته باشد.

  4. این تغییر چه امکاناتی برای تیم فراهم می‌کند؟ صرفه‌جویی در زمان می‌تواند به گفت‌وگوهای بیشتر با مشتریان منجر شود. کار باکیفیت‌تر می‌تواند به اصلاحات کمتری نیاز داشته باشد. با تیم گفت‌وگو کنید تا بدانید این بهبودها در کجا بیشترین اهمیت را دارند.

  5. آیا این منفعت ارزش سرمایه‌گذاری را دارد؟ دستاورد تیم را با هزینه‌ای که برای هوش مصنوعی، راه‌اندازی و پشتیبانی مستمر می‌پردازید مقایسه کنید. این مقایسه کمک می‌کند تصمیم بگیرید چه چیزی را گسترش دهید و تیم در کجا به کمک بیشتری نیاز دارد.

نمونه بازده سرمایه‌گذاری سالانه: تحقیق درباره حساب‌های فروش

تیمی از فروشندگان را تصور کنید که هر یک هفته‌ای دو گزارش مختصر حساب آماده می‌کنند. هر گزارش، سابقه حساب، پژوهش صنعت و دیدگاهی برای گفت‌وگوی بعدی را یکجا گردآوری می‌کند.

هوش مصنوعی چه تغییری ایجاد می‌کند؟

مقایسه نمونه‌ای تحقیق درباره حساب فروش: تهیه دستی یک گزارش مختصر ۴ ساعت و با هوش مصنوعی، با احتساب بازبینی و اصلاحات، ۱ ساعت زمان می‌برد؛ یعنی برای هر گزارش ۳ ساعت صرفه‌جویی می‌شود. سرمایه‌گذاری مجدد ۵۰٪ از این زمان، امکان سه تماس ۳۰ دقیقه‌ای دیگر با مشتریان را فراهم می‌کند. مزایای بالقوه دیگر شامل برنامه‌های حساب قوی‌تر، ارتباطات شخصی‌سازی‌شده‌تر و چرخه‌های کوتاه‌تر معامله است.

مجموع این موارد چقدر می‌شود؟

صرفه‌جویی سالانه در زمان

۲۰ فروشنده × ۲ گزارش در هفته × ۳ ساعت صرفه‌جویی × ۴۶ هفته = ۵٬۵۲۰ ساعت

ارزش برآوردی ظرفیت سالانه

فرض کنید تیم ۵۰٪ از این زمان را به کار مولد اختصاص دهد و ارزش آن بر اساس هزینه کامل هر کارمند، ساعتی ۷۵ دلار، محاسبه شود. فروشندگان می‌توانند از این زمان برای ارتباط با مشتریان بالقوه جدید، پیگیری فرصت‌ها و صرف وقت بیشتر با مشتریان استفاده کنند.

۵٬۵۲۰ ساعت × ۵۰٪ × ۷۵ دلار = ۲۰۷٬۰۰۰ دلار

مجموع هزینه‌های سال اول

برای هوش مصنوعی، راه‌اندازی، آموزش و پشتیبانی مستمر، هزینه ۶۰٬۰۰۰ دلار را فرض کنید.

‏(۲۰۷٬۰۰۰ دلار − ۶۰٬۰۰۰ دلار) ÷ ۶۰٬۰۰۰ دلار = ۲۴۵٪ بازده سرمایه‌گذاری نمونه‌ای.

ارزش یک گردش کار می‌تواند فراتر از بهره‌وری باشد. در فروش، تحقیق بهتر درباره حساب‌ها و درک مشترک از مشتری می‌تواند به گفت‌وگوهای عمیق‌تر، روابط قوی‌تر و فرصت‌های جدید کمک کند. سپس تیم‌ها می‌توانند بسنجند که آیا این بهبودها به نتایج تجاری دیگری، مانند کوتاه‌ترشدن چرخه معامله یا افزایش نرخ موفقیت، منجر می‌شوند یا نه.

همه ارقام فرضی هستند. بازده سرمایه‌گذاری، ارزش برآوردی ظرفیت را نشان می‌دهد و مزایای احتمالی ناشی از نرخ موفقیت بالاتر، معاملات بزرگ‌تر یا دیگر نتایج فروش را در بر نمی‌گیرد.

اثر تجاری هوش مصنوعی برای مشتریان

مشتریان، از عرضه نرم‌افزار تا برگزاری رویدادهای زنده، هوش مصنوعی را برای وظایف مهم کسب‌وکارشان به کار می‌گیرند:

1Password با استفاده از Codex نرم‌افزار می‌سازد، بازبینی و آزمایش می‌کند تا مهندسان بتوانند قابلیت‌ها را سریع‌تر عرضه کنند. این شرکت بازده سرمایه‌گذاری را ۵۵۳٪ و ارزش سالانه ظرفیت مهندسی را ۰٫۸ میلیون دلار برآورد می‌کند؛ زیرا با Codex قابلیت‌های آماده تولید و ابزارهای داخلی را سریع‌تر می‌سازد و هم‌زمان سیاست‌های امنیتی سخت‌گیرانه را رعایت می‌کند.

ATV Big Air Tour از ChatGPT کار برای بررسی فهرست رویدادها، برنامه‌ریزی موجودی و بهبود دیده‌شدن وب‌سایت خود استفاده می‌کند. زمان بازبینی فهرست‌ها از هشت ساعت به یک ساعت در هفته و کار موجودی از دو تا سه روز به دو تا سه ساعت کاهش یافت و تیم فرصت بیشتری برای تمرکز بر تور و مشتریانش پیدا کرد.

Playco از طریق API شرکت OpenAI و با GPT‑6 Astra نمونه‌های اولیه قابل‌بازی می‌سازد و آزمایش می‌کند. تیم بر پایه یک زیرساخت، سه نمونه اولیه موضوعی ساخت و گزارش داد که نسبت به مدل قبلی ۵۰٪ اصلاحات دستی کمتری نیاز بوده است؛ در نتیجه توسعه‌دهندگان می‌توانند ایده‌های بیشتری را آزمایش و مقایسه کنند.

چگونه شروع کنیم

در کنسول مدیریت، بخش بینش‌ها را باز کنید و وظیفه‌ای رایج را انتخاب کنید که از یکی از اولویت‌های کسب‌وکار پشتیبانی می‌کند. آن را با یکی از صاحبان کسب‌وکار بررسی کنید، درباره خط مبنا و نتیجه قابل‌اندازه‌گیری به توافق برسید و تاریخی برای بازبینی پیشرفت تعیین کنید. بر اساس نتایج تصمیم بگیرید که گردش کار را گسترش دهید، شیوه استفاده تیم‌ها را بهبود بخشید یا رویکرد دیگری را آزمایش کنید. در مستندات ما بیشتر بدانید(در یک پنجره جدید باز می‌شود).

نویسنده

OpenAI