شرکت‌های پیشرو چگونه در حال پیشی گرفتن هستند

خلاصه مطلب

• شرکت‌های پیشرو—آن‌هایی که در صدک ۹۵ میزان استفاده قرار دارند—اکنون به‌ازای هر نیروی کار، ۳٫۵ برابر شرکت‌های معمولی از هوش مصنوعی استفاده می‌کنند، در حالی که این میزان یک سال پیش ۲ برابر بود.
• این شکاف به عمق استفاده مربوط است، نه صرفاً فعالیت: حجم پیام‌ها فقط ۳۶٪ از مزیت پیشروها را توضیح می‌دهد؛ بیشترِ این شکاف ناشی از استفاده غنی‌تر و پیچیده‌تر از AI است.
• جریان‌های کاری عاملیت‌محور در حال تبدیل شدن به شاخصی برای پیشرو بودن هستند: بزرگ‌ترین مزیت در ابزارهای پیشرفته دیده می‌شود، به‌طوری‌که شرکت‌های پیشرو به ازای هر کارگر، ۱۶ برابرِ شرکت‌های معمولی پیام‌های Codex ارسال می‌کنند.
• سازمان‌ها می‌توانند به سمت پیشرو شدن حرکت کنند: شرکت‌های پیشرو عمق را می‌سنجند، برای استفادهٔ عملیاتی حاکمیت ایجاد می‌کنند، روی توانمندسازی سرمایه‌گذاری می‌کنند، آنچه را کارآمد است مقیاس‌دهی می‌کنند و از کمک‌رسانی مبتنی بر چت به کارهای واگذارشده با عامل‌ها ارتقا می‌دهند.

برای بسیاری از سازمان‌ها، نخستین مرحله پذیرش AI حول محور دسترسی بود: اینکه چه کسانی ابزارهای AI در اختیار داشتند، چه تعداد مجوز کاربری فعال شده بود و آیا کارکنان در حال آزمودن این ابزارها بودند یا خیر. آن موضوع همچنان اهمیت دارد. اما دسترسی دیگر عامل تمایز نیست. 

جدیدترین تحقیقات ما نشان می‌دهد که مزیت پیشرو در حال انباشته‌شدن به‌صورت فزاینده است. شرکت‌های پیشرو در حال پیشی گرفتن هستند، زیرا به ازای هر کارگر از هوش بیشتری استفاده می‌کنند، ابزارهای پیشرفته را به اندازه بیشتری به کار می‌گیرند و هوش مصنوعی را عمیق‌تر در جریان‌های کاری جای می‌دهند.

امروز B2B Signals را معرفی می‌کنیم؛ نسخه توسعه‌یافته‌ای برای کسب‌وکار از OpenAI Signals. این یک سنجه دوره‌ای از میزان گسترش هوش مصنوعی در میان کسب‌وکارها ارائه می‌دهد که بر سیگنال‌های تجمیع‌شده و حافظ حریم خصوصی حاصل از استفاده سازمانی از محصولات OpenAI استوار است، از جمله:

• AI تا چه اندازه درون شرکت‌ها به‌طور عمیق به کار گرفته می‌شود
• کدام ابزارها و وظایف بیشترین ارتباط را با پذیرش پیشرو دارند
• موارد استفادهٔ تجاری در حال گسترش در صنایع، محصولات و کارکردهای مختلف هستند

توجه: تمام تحلیل‌های این گزارش بر اساس داده‌های استفاده سازمانیِ هویت‌زدایی‌شده و تجمیع‌شده هستند. محتوای پیام با استفاده از سیستم‌های خودکار طبقه‌بندی شد و هیچ‌یک از کارکنان OpenAI داده‌های منفرد مشتریان Enterprise، Business یا API را به‌عنوان بخشی از این تحلیل بررسی نکرد.

واضح‌ترین سیگنال، عمق استفاده است. شرکت‌های پیشرو اکنون به ازای هر کارگر، ۳٫۵ برابر شرکت‌های معمولی از هوش مصنوعی استفاده می‌کنند، این رقم در آوریل ۲۰۲۵ برابر با ۲ برابر بود. حجم پیام‌ها تنها ۳۶٪ از آن شکاف را تبیین می‌کند؛ بیشترِ آن ناشی از استفاده عمیق‌تر است. کارگران پیشرو از AI می‌خواهند کارهای پیچیده‌تری را بر عهده بگیرد، زمینهٔ غنی‌تری در اختیارش می‌گذارند و خروجی‌های پرمحتواتری تولید می‌کنند.

در این گزارش، از توکن‌های تولیدشده به‌عنوان شاخصی جایگزین برای میزان هوشِ موردتقاضا استفاده می‌کنیم. توکن‌ها معیار مستقیمی برای سنجش ارزش کسب‌وکار نیستند، اما کمک می‌کنند میزان کاری را که کارکنان از AI می‌خواهند انجام دهد اندازه‌گیری کنیم، بنابراین شاخص جایگزین مفیدی برای سنجش عمق استفاده از AI هستند.

به بیان ساده: شرکت‌های معمولی از AI برای پاسخ دادن به پرسش‌ها استفاده می‌کنند؛ شرکت‌های پیشرو از آن برای کمک به انجام کارهای پیچیده بهره می‌گیرند. آن‌ها صرفاً پیام‌های بیشتری ارسال نمی‌کنند؛ هر تعامل، بخش بیشتری از کار واقعی را انجام می‌دهد. 

این نشانه‌ها در مجموع حاکی از آن‌اند که شرکت‌های پیشرو از AI برای انجام کارهای پیچیده‌تر و چالش‌برانگیزتر استفاده می‌کنند. برای رهبران، پرسش از این‌که چند نفر دسترسی دارند یا هر چند وقت یک‌بار از AI استفاده می‌کنند، به این تغییر می‌کند که AI در کجا گردش‌های کاری را عمیق‌تر می‌کند و نحوه عملکرد تیم‌ها را تغییر می‌دهد.

حوزهٔ پیشرو نیز به‌سوی واگذاری اختیار حرکت می‌کند.

بیشترین مزیت در ابزارهای پیشرفته و عامل‌محور است. Codex بزرگ‌ترین شکاف را نشان می‌دهد، به‌طوری‌که شرکت‌های پیشرو به ازای هر کارمند ۱۶ برابر شرکت‌های معمولی پیام ارسال می‌کنند. عامل ChatGPT، اپلیکیشن‌ها در ChatGPT، تحقیق عمیق و GPTها الگوهای جهت‌دار مشابهی را نشان می‌دهند که حاکی از آن است که شرکت‌های پیشرو در به‌کارگیری ابزارهایی که به کارکنان کمک می‌کنند کدنویسی کنند، وظایف چندمرحله‌ای را واگذار کنند، زمینه شرکت را به کار بگیرند و تحقیقات پیچیده‌تری انجام دهند، بهتر عمل می‌کنند.

با توانمندتر شدن سیستم‌های AI در استفاده از ابزارها، کار در میان فایل‌ها و کدبیس‌ها و انجام وظایف بلندمدت‌تر، سازمان‌ها باید خود را با واگذار کردن کارهای معنادار به عامل‌های AI سازگار کنند.

شرکت‌هایی که زودتر دست به کار می‌شوند، در حال ایجاد توان عملیاتی لازم هستند تا از AI نه فقط به‌عنوان رابطی سریع‌تر، بلکه به‌عنوان راهی برای بازطراحی کار از پایه استفاده کنند.

Cisco از Codex برای تسریع کارهای پیچیده نرم‌افزاری در سراسر یک سازمان بزرگ مهندسی سازمانی استفاده می‌کند. در گردش‌کارهای تولید، Codex کمک کرد تا زمان‌های ساخت حدود ۲۰٪ کاهش یابند، بیش از ۱٫۵۰۰ ساعت مهندسی در ماه صرفه‌جویی شود و توان عملیاتی رفع نقص ۱۰ تا ۱۵ برابر افزایش یابد. به گفته تیم Cisco، بزرگ‌ترین دستاوردها زمانی حاصل شد که با Codex مانند «بخشی از تیم» رفتار کردند. 

AI همچنین در حال ورود به جریان‌های کاری تولیدی در سراسر سازمان است.

شرکت‌ها موارد استفاده API را در دستیارهای درون‌برنامه‌ای، کدنویسی و ابزارهای توسعه‌دهنده، و پشتیبانی مشتری پیاده‌سازی می‌کنند. این‌ها حوزه‌هایی هستند که AI می‌تواند در آن‌ها به بخشی از محصولات، خدمات و سیستم‌های داخلی تبدیل شود.

کاربرد هوش مصنوعی در نگارش و ارتباطات از همه گسترده‌تر است، اما استفاده‌های مختص عملکردهای کاری نیز در حال رشد است. تیم‌های فناوری اطلاعات و امنیت پرس‌وجوهای خود را به‌شدت بر راهنمایی‌های نحوه انجام کار و رویه‌ای متمرکز می‌کنند، تیم‌های توسعه نرم‌افزار و علوم داده میزان استفاده زیادی در کدنویسی نشان می‌دهند، و تیم‌های مالی از هوش مصنوعی برای تحلیل و محاسبه استفاده می‌کنند. این الگو نشان می‌دهد که هوش مصنوعی در حال فراتر رفتن از بهره‌وری عمومی و ورود به کارهایی است که به مسئولیت‌های اصلی هر کارکرد نزدیک‌تر گره خورده‌اند.

هیچ جدول رتبه‌بندی واحدی برای پذیرش AI وجود ندارد. برخی صنایع در پذیرش گستردهٔ ChatGPT پیشتازند و برخی دیگر در استفاده از Codex، میزان استفاده از API یا حجم پیام‌ها جلوتر هستند. سازمان‌ها برای ورود به این مسیر چند راه پیش‌رو دارند: گسترش دسترسی، عمیق‌تر کردن استفاده، به‌کارگیری ابزارهای عامل‌محور، یا ادغام مستقیم AI در محصولات و سیستم‌ها.

Travelers Insurance نشان می‌دهد که این موضوع در عمل چگونه به نظر می‌رسد. دستیار هوش مصنوعی دستیار خسارت آن، که با OpenAI ساخته شده است، مشتریان را در فرایند اعلام اولیه خسارت راهنمایی می‌کند، به پرسش‌های مربوط به بیمه‌نامه پاسخ می‌دهد، اطلاعات لازم برای آغاز رسیدگی به خسارت را گردآوری می‌کند و پرونده‌های خسارت را مستقیماً درون سیستم‌های Travelers ایجاد می‌کند. Travelers انتظار دارد که این دستیار در سال اول خود تقریباً به ۱۰۰٬۰۰۰ تماس اعلام اولیه خسارت رسیدگی کند.

فاصله بین شرکت‌های پیشرو و شرکت‌های معمولی نباید به‌عنوان یک مرزبندی ثابت تلقی شود. بسیاری از سازمان‌ها هنوز در مراحل ابتدایی فرایند حرکت از دسترسی گسترده به استفاده عمیق‌تر و یکپارچه‌تر از AI هستند. ارزشِ مرز پیشرو در این است که نشان می‌دهد کدام رویه‌ها ظاهراً به شرکت‌ها کمک می‌کنند تا در طول زمان تداوم حرکت ایجاد کنند.

یکی از روشن‌ترین نشانه‌ها آموزش و یادگیری است، جایی که مزیت پیشرو در سطح وظیفه بیشترین مقدار را دارد. این نشان می‌دهد که شرکت‌های پیشرو از AI نه‌تنها برای انجام کارها، بلکه برای کمک به کارکنان در ایجاد مهارت‌ها، عادت‌ها و اعتمادبه‌نفس لازم برای استفاده‌ی مؤثر از آن بهره می‌برند.

سازمان‌ها می‌توانند با سنجش عمق استفاده، ایجاد حاکمیتی که استفاده در محیط تولید را ممکن می‌کند، تلقی توانمندسازی به‌عنوان زیرساخت اصلی، شناسایی تیم‌های پیشرو و گسترش تأثیر آن‌ها و حرکت فراتر از چت به‌سوی کارهای تفویض‌شده با عامل‌ها، به سمت پیشرو شدن حرکت کنند.

هوش مصنوعی سازمانی به‌سرعت در حال تحول است و رهبران به داده‌های شفاف نیاز دارند تا درک کنند چه چیزهایی کمک می‌کند پذیرش هوش مصنوعی به ارزش کسب‌وکار تبدیل شود.

B2B Signals رفتارها و الگوهای شرکت‌های پیشرو را ردیابی می‌کند و به سازمان‌ها دید واضح‌تری می‌دهد از اینکه شرکت‌های پیشرو چگونه هوشمندی را به ارزش کسب‌وکار تبدیل می‌کنند. 

این نخستین نسخه بر عمق استفاده، جریان‌های کاری عامل‌محور و الگوهای نوظهور در صنایع و حوزه‌های وظیفه‌ای مختلف تمرکز دارد. به‌روزرسانی‌های آینده، پیشرفت در این معیارها را پیگیری کرده و هم‌زمان با تکامل AI سازمانی، سیگنال‌ها را تطبیق خواهند داد.