OpenAI B2B Signals

Tänään esittelemme B2B Signalsin, OpenAI Signalsin⁠ yrityksille suunnatun laajennuksen, joka mittaa tekoälyn yleistymistä organisaatioissa. Alustavat merkit ovat selkeitä: edistyneet yritykset saavat etumatkaa, ei pelkästään siksi, että niillä on pääsy tekoälyyn, vaan koska ne käyttävät tekoälyä syvällisemmin eri työtehtävissä.

B2B Signals on toistuva mittaristo, joka perustuu laajamittaiseen ja yksityisyyttä suojaavaan analyysiin yritysten tekoälyn käytöstä. Se seuraa käyttäytymistä ja toimintamalleja, jotka voivat auttaa organisaatioita ymmärtämään, kuinka älykkyys voidaan muuttaa liiketoiminta-arvoksi.

Huipputason yritykset (AI:n käytön osalta 5 % parhaimmistoon kuuluvat) hyödyntävät enemmän tekoälyä työntekijää kohden, ottavat edistyneitä työkaluja käyttöön entistä laajemmin ja integroivat tekoälyn entistä tiiviimmin työnkulkuihinsa. Ero on alkanut kasvaa joillakin yrityksillä, ja ero johtuu yhä enemmän käyttöasteesta.

Keskeiset huomiot

• Edistyneiden yritysten etumatka alkaa kasvaa: Edistyneet yritykset käyttävät nyt työntekijää kohden 3,5 kertaa enemmän tietoa kuin tyypilliset yritykset, kun vuosi sitten luku oli 2. 
• Edistyneet yritykset käyttävät tekoälyä syvemmin eivätkä vain useammin: Viestimäärä selittää vain 36 % edistyneiden ja tyypillisten yritysten välisestä erosta. Suurin osa edistyneiden yritysten edusta tulee syvemmästä käytöstä. 
• Agenttityönkulut ovat nousemassa edistyneen käyttöönoton merkiksi: Ero on suurin edistyneissä agenttityökaluissa, sillä edistyneet yritykset lähettävät 16 kertaa enemmän Codex-viestejä kuin tyypilliset yritykset. 
• Yritykset voivat edetä kohti edistynyttä tasoa organisaatiomuutoksen avulla: Päästäkseen samalle tasolle yritysten on mitattava käytön syvyyttä, priorisoitava hallintamalli, investoitava käyttöönoton mahdollistamiseen, skaalattava toimivia ratkaisuja ja siirryttävä chat-pohjaisesta avustuksesta agenteille delegoituun työhön.

Edistyneiden yritysten etu alkaa kumuloitua, ja tekoälyä syvällisimmin hyödyntävät yritykset kasvattavat etumatkaansa

Paikkojen käyttöönotto on yrityksille vasta lähtökohta. Selkeämpi signaali on se, käyttävätkö työntekijät tekoälyä syvällisempään ja monimutkaisempaan työhön. Tämä kaavio vertailee työntekijää kohden tuotettuja tokeneita edistyneillä yrityksillä, jotka määritellään 95. prosenttipisteeksi, tyypilliseen yritykseen, joka määritellään 50. prosenttipisteeksi.

Tokenit ovat epätäydellinen liiketoiminta-arvon mittari. Lyhyt vastaus voi olla erittäin arvokas, ja pitkä vastaus voi olla vähäarvoinen. Tokenien määrä auttaa kuitenkin mittaamaan, kuinka paljon työtä työntekijät pyytävät tekoälyltä, minkä vuoksi se on hyödyllinen välillinen mittari tekoälyn käytön syvyydelle ja sille, kuinka paljon älykkyyttä työntekijät tekoälyltä edellyttävät.

Edistynyt yritys vaatii 3,5 kertaa enemmän älykkyyttä työntekijää kohden kuin tyypillinen yritys. Tämä ero on kasvanut huhtikuun 2025 kaksinkertaisesta tasosta, mikä viittaa siihen, että tekoälyä syvällisimmin käyttävät yritykset kasvattavat etumatkaansa ja ovat paremmassa asemassa soveltamaan uusia tekoälyominaisuuksia syvällisemmäksi ja monimutkaisemmaksi työksi.

Valtaosa edistyneiden yritysten edusta tulee syvemmästä käytöstä, ei suuremmasta viestimäärästä

Edistynyt yritys vaatii huomattavasti enemmän älykkyyttä työntekijää kohden kuin tyypillinen yritys, mutta suurinta osaa erosta ei voida selittää pelkällä viestimäärällä. Tämä kaavio erittelee edistyneiden yritysten 3,5-kertaisen etumatkan ja osoittaa, että jos tyypillinen yritys lähettäisi viestejä samaan tahtiin kuin edistynyt yritys, se kuroisi umpeen vain 36 % tästä kuilusta.

Jäljellä oleva ero liittyy syvällisempään käyttöön. Edistyneet työntekijät pyytävät tekoälyä ottamaan hoitaakseen monimutkaisempia tehtäviä rikkaammalla kontekstilla ja tuottavat sisällöllisesti merkittävämpiä tuotoksia.

Frontier-etu on suurin kehittyneissä ja agenttipohjaisissa työkaluissa, kärjessä Codexin 16-kertainen käyttö

Frontier-etu on suurin työkaluissa, jotka tukevat kehittyneempiä työnkulkuja. Codexissa ero on suurin: frontier lähettää 16 kertaa enemmän viestejä työntekijää kohden. Myös ChatGPT‑agentissa, ChatGPT:n sovelluksissa, syvätutkimuksessa ja GPT:issä näkyy suhteellisen suuria eroja, mikä viittaa siihen, että frontier hyödyntää paremmin työkaluja, jotka auttavat työntekijöitä koodaamaan, delegoimaan monivaiheisia tehtäviä, soveltamaan yrityksen kontekstia ja tekemään monimutkaisempaa tutkimusta.

Sitä vastoin yleiskäyttöisemmät ja helpommin lähestyttävät työkalut, kuten User Upload, Search ja Data Analysis, näyttävät pienemmän frontier-edun. Näitä työkaluja useimpien yritysten on helpompi käyttää, koska ne laajentavat tuttuja työnkulkuja. Frontier-etu on voimakkaimmillaan kehittyneissä ja agenttipohjaisissa työkaluissa, joiden käyttöönotto vaatii enemmän asiantuntemusta, yhteyksiä työpaikan tietoon ja työkaluihin sekä suurempaa valmiutta delegoida työtä tekoälylle.

Suurin frontier-etu näkyy koulutuksessa ja oppimisessa

Frontier-etu on suurin koulutus- ja oppimistehtävissä, joissa frontier-yritys lähettää 7 kertaa enemmän viestejä kuin tyypillinen yritys. Frontierissa yritykset käyttävät tekoälyä työntekijöiden taitojen kehittämiseen ja uusien aiheiden oppimiseen. Ne käyttävät tekoälyä myös parantaakseen ymmärrystään itse tekoälystä, mukaan lukien mitä se osaa tehdä, miten sitä käytetään hyvin ja missä se voi sopia olemassa oleviin työnkulkuihin. Eron suuruus viittaa siihen, että tyypillinen yritys saattaa hyödyntää tekoälyä liian vähän työvoiman oppimisen ja kehittämisen välineenä.

Myös koodauksessa näkyy suuri, 4-kertainen ero, mikä on linjassa kehittyneiden ja agenttipohjaisten työkalujen käytön laajemman eron kanssa. Ohjeistus sekä kirjoittaminen ja viestintä näyttävät pienimmät frontier-erot, todennäköisesti siksi, että nämä tehtävät ovat helpommin lähestyttäviä ja tutumpia tekoälyn käyttötapoja.

Tekoälyn käyttö on laajinta kirjoittamisessa, mutta toimintokohtainen käyttö kasvaa

Kirjoittaminen ja viestintä ovat edelleen ChatGPT:n yleisin käyttötapa. Käyttömallit vaihtelevat kuitenkin merkittävästi toiminnon mukaan. 60 % IT & Securityn viesteistä keskittyy ohjeisiin ja menettelytapaohjeistukseen, lähes puolet Software Developmentin ja Data Science & Engineeringin viesteistä liittyy koodaukseen, ja kymmenesosa Financen viesteistä liittyy analyysiin ja laskentaan.

Nämä mallit ovat linjassa laajemman näytön kanssa siitä, että frontier-mallit paranevat taloudellisesti arvokkaissa työpaikkatehtävissä.

Toimialajohtajuus ei ole yksiulotteista: eri sektorit johtavat ChatGPT:ssä, Codexissa ja API:ssa

Yhtä ainoaa tekoälyn käyttöönoton tulostaulukkoa ei ole. Toimialojen sijoitukset vaihtelevat käytetyn mittarin mukaan. Professional, Scientific, and Technical Services sijoittuu ensimmäiseksi sekä Codexin käyttöönotossa että API-intensiteetissä, mikä viittaa suhteellisen edistyneeseen käyttöön kehittäjä- ja tuotteisiin integroiduissa työnkuluissa. Finance and Insurance johtaa ChatGPT:n käyttöönotossa laajamittaisten käyttöönottojen ansiosta, kun taas Educational Servicesillä on korkein viesti-intensiteetti, mikä viittaa syvempään käyttöön henkilöä kohden. Retail Trade ja Health Care sijoittuvat korkealle API-intensiteetissä, vaikka niiden sijoitus muilla mittareilla on matalampi.

Nämä erot viittaavat siihen, ettei toimialajohtajuus ole yksiulotteista. Jotkin sektorit näyttävät ottavan tekoälyä käyttöön teknisten ja kehittäjätyönkulkujen kautta, kun taas toiset skaalautuvat laajan ChatGPT:n käyttöönoton tai intensiivisemmän loppukäyttäjäkäytön kautta.

Yritykset siirtävät API:n käyttöä tuotannon työnkulkuihin ja asiakaskäyttöön suunnattuihin sovelluksiin

Yritykset käyttävät API:a yhä enemmän integroidakseen malleja suoraan tuotteisiinsa, palveluihinsa ja sisäisiin järjestelmiinsä. Yleisiä tuotannon käyttötapauksia ovat sovelluksen sisäiset avustajat, koodaus- ja kehittäjätyökalut, asiakastuki, tutkimustyönkulut ja työnkulkujen automatisointi.

Nämä käyttöönotot osoittavat, miten yritysten tekoäly on siirtymässä kokeiluista toistettaviksi työnkuluiksi, joilla on mitattavia operatiivisia vaikutuksia. Asiakasesimerkeissä yritykset käyttävät OpenAI-malleja tietotyön vauhdittamiseen, suunnittelun suoritustehon parantamiseen sekä tekoälypohjaisten kokemusten rakentamiseen asiakkaille ja työntekijöille.

Mitä organisaatiot voivat tehdä päästäkseen frontieriin

OpenAI tekee yhteistyötä yritysten kanssa eri toimialoilla, toiminnoissa ja tekoälyn kypsyysvaiheissa, mikä antaa meille näkyvyyttä siihen, miten käyttöönotto etenee kokeiluista tuotantoon. Näissä käyttöönottohankkeissa eniten edistyvät yritykset keskittyvät yleensä vähemmän pelkkään pääsyyn ja enemmän niihin organisatorisiin järjestelmiin, joita tarvitaan tekoälyn syvälliseen käyttöön: mittaamiseen, hallintamalleihin, valmiuksien rakentamiseen, vaikutusten skaalaamiseen ja agenttipohjaiseen käyttöönottoon.

Viisi käytäntöä erottuu käytännöllisinä askelina, joilla mikä tahansa organisaatio voi jo tänään syventää tekoälyn käyttöönottoa.

1. Mittaa käytön syvyyttä pääsyn lisäksi.
   Olennainen signaali ei ole vain se, kuinka monella työntekijällä on tekoälytili, vaan myös se, käyttävätkö tiimit tekoälyä ajan myötä sisällöllisemmin. Organisaatioiden tulisi seurata, muuttuuko tekoälyn käyttö useammaksi, monimutkaisemmaksi ja tiiviimmin arvokkaisiin työnkulkuihin kytkeytyneeksi.
2. Rakenna hallintamallit, jotka mahdollistavat tuotantokäytön.
   Johtavat yritykset eivät vältä hallintaa. Ne käyttävät sitä tehdäkseen agenttipohjaisesta tekoälystä helpommin käyttöönotettavaa. Yritykset tarvitsevat selkeät säännöt siitä, missä agentit voivat toimia, mitä tietoa ne voivat käyttää, milloin niiden tulisi neuvoa eikä toimia ja miten ihmiset tarkistavat korkeamman riskin päätökset. Frontier-yritykset määrittelevät nämä standardit osana käyttöönottoa, jolloin hallinnasta tulee tapa laajentaa käyttöä turvallisesti sen sijaan, että se hidastaisi sitä.
3. Käsittele valmiuksien rakentamista ydininfrastruktuurina, ei sivuprojektina.
   Tekoälyn kyvykkyyksien parantuessa sekä työntekijät että organisaatiot tarvitsevat järjestelmiä, jotka auttavat niitä pysymään vauhdissa. Frontier-yritykset eivät pidä valmiuksien rakentamista kertaluonteisena koulutusponnistuksena. Ne rakentavat jatkuvan oppimisen osaksi käyttöönottoa roolikohtaisella koulutuksella, käyttötapaustyöpajoilla, hackathoneilla, sisäisillä champion-verkostoilla, erillisellä kokeiluajalla sekä jaetuilla työnkulkujen, parhaiden käytäntöjen ja taitojen kirjastoilla. 
4. Tunnista frontier-tiimisi ja skaalaa niiden vaikutus.
   Monissa organisaatioissa edistynein käyttö keskittyy pieneen määrään tiimejä. Nämä tiimit voivat paljastaa, mitkä työnkulut, toimintatavat ja toimintamallit toimivat. Johtajien tulisi tunnistaa nämä tiimit, ymmärtää ja skaalata niiden menestyksen taustalla olevat olosuhteet sekä auttaa niitä jakamaan havaintoja ja esimerkkejä syvemmästä tekoälyn käytöstä muun yrityksen kanssa. 
5. Siirry chatista työn delegointiin.
   Yritysten tekoäly on siirtymässä chat-avustajista työhön, որը voidaan delegoida agenteille. Ohjelmistokehitys havainnollistaa tätä trendiä, mutta delegoitu työ leviää toimintojen välillä. Codexin avulla insinöörit voivat siirtää määritellyn tehtävän agentille, antaa sille tarvitsemansa kontekstin, antaa sen työskennellä tiedostojen, koodikantojen ja työkalujen yli, tarkistaa sitten tuloksen ja hienosäätää työnkulkua palautteen avulla. Frontier-yritykset kannustavat työntekijöitä delegoimaan tehtäviä tekoälylle sen sijaan, että he käyttäisivät tekoälyä vain staattisena avustajana.

Jos haluat tutustua kaikkiin havaintoihin tai oppia, miten tekoälyä voi tuoda organisaatioosi vastuullisesti, [keskustelemme mielellämme kanssasi⁠].