Enterprise signals: Ano ang kakaibang ginagawa ng mga nangungunang kumpanya

Pumapasok na ang Enterprise AI sa isang bagong yugto: mas maraming trabaho ang ipinapasa sa mga agent, at ang mga kumpanyang pinakamaunlad na rito ay lalo pang nangunguna. May access ang mga frontier na kumpanya sa kaparehong mga AI modelo gaya ng ibang mga kumpanya, pero mas mabilis nilang pinapalalim ang paggamit nito. Ang nagtatangi sa kanila ay kung paano nila pinapagana ang mga modelong iyon: mula sa pagtulong tungo sa pagtatalaga, pagbibigay sa mga ahente ng konteksto at mga kasangkapan para makumpleto ang mga kumplikadong gawain, at pagpapabilis sa agentic AI lampas sa pagbuo ng software.

Ang aming pananaliksik sa kung paano binabago ng mga agent ang trabaho sa OpenAI ay nag-aalok ng nangungunang palatandaan kung ano ang maaaring maging hitsura ng pagbabagong ito sa loob ng isang AI-native na organisasyon. Pinalalawak ng Enterprise Signals ang pananaw sa pandaigdigang base ng mga enterprise customer ng OpenAI, na ipinapakita kung paano lumalaganap ang agentic na trabaho sa mga organisasyon at kung ano ang naghihiwalay sa mga frontier na kumpanya mula sa iba.

Sa edisyong ito ng Enterprise Signals, ipinapakita namin na ang mga frontier na kumpanya—yaong nasa nangungunang 10% ng paggamit ng AI bawat buwan–ay lalo pang pinalalawak ang agwat mula sa mga karaniwang kumpanya–yaong nasa gitnang 10%. Sinusuri namin kung ano ang ibang ginagawa ng mga frontier na kumpanya at kung ano ang maaaring gawin ng mga organisasyon upang mapaliit ang agwat.

Mga pangunahing takeaway:

• Mas nagiging agentic na ngayon ang paggamit sa enterprise. Noong Hunyo, ang Codex ay bumuo ng 64% ng pinagsamang mga output token ng Codex at ChatGPT sa mga customer ng negosyo, na nagpapahiwatig na ang mga ahente ay nagbibigay-daan sa paglipat tungo sa mas mahalaga, itinalagang trabaho.
• Ang agwat sa frontier ay lumalawak. Ang mga frontier na kumpanya—yaong nasa nangungunang 10% ng paggamit ng AI bawat buwan—ay gumagawa na ngayon ng 8.3× na mas maraming output token bawat aktibong user kaysa sa mga karaniwang kumpanya, tumaas mula sa 2.6× noong Enero.
• Mas madalas na gumagamit ng mga advanced na kakayahan ang mga frontier na kumpanya. Bawat linggo, 21% ng mga aktibong user sa mga frontier na kumpanya ang gumagamit ng mga Plugin, kumpara sa 9% sa mga karaniwang kumpanya. Sa OpenAI, 95% ng mga empleyado ang gumagamit ng mga Plugin linggu-linggo, na binibigyang-diin ang potensyal para sa mas malalim na paggamit.
• Lumalaganap ang mga agent sa trabahong nakabatay sa kaalaman. Mula noong Pebrero, lumago nang 108× ang mga lingguhang aktibong gumagamit ng Codex sa larangan ng legal, 41× sa mga benta, 41× sa pagre-recruit, at 26× sa marketing, kumpara sa 5× sa engineering.
• Mas gumagamit ng AI ang mga empleyado sa maagang yugto ng karera: Pinakamataas ang paggamit sa mga manggagawang nasa maagang yugto ng karera at bumababa ito sa mga mas nakatataas na empleyado, na nagpapahiwatig ng potensyal na komparatibong kalamangan sa paggamit ng AI.

Umuusad ang Enterprise AI mula sa pagsagot sa mga tanong tungo sa pagsasagawa ng mga gawain. Unang nagsimula ang pagbabagong ito sa software engineering sa pamamagitan ng Codex. Ngayon, pinalalawak ng ChatGPT Work ang agentic AI lampas sa mga developer, na nagbibigay-daan sa mga manggagawa sa buong enterprise na lumipat mula sa paghingi ng tulong patungo sa pagtatalaga ng mahahalagang gawain.

Simula Hunyo 2026, ang paggamit ng agentic AI (na tinutukoy bilang mga token ng Codex) ay umabot sa 64% ng pinagsamang mga output token ng Codex at ChatGPT sa mga customer na enterprise. Parehong ginagamit ng ChatGPT at agentic AI ang iisang pinagbabatayang frontier na mga modelo; ang kaibahan ay kung paano ginagamit ang katalinuhang iyon sa trabaho.

Tinutulungan ng ChatGPT ang mga tao na magtanong, bumuo ng mga ideya, at lutasin ang mga problema. Binibigyan ng agentic AI (tulad ng Codex at ChatGPT Work) ang modelo ng mga tool para magtrabaho sa computer mo, na nagbibigay-daan dito na maghanap ng impormasyon, mag-edit ng mga file, at magsagawa ng mga gawaing may maraming hakbang nang awtonomo o sa ilalim ng pangangasiwa. Ang pagkumpleto ng mga kumplikadong pangmatagalang gawain ay maaaring mangailangan ng mas maraming komputasyon, na tumutulong magpaliwanag kung bakit mabilis na lumago ang paggamit ng mga agentic token.

Bawat buwan, niraranggo namin ang mga customer na enterprise ayon sa output tokens bawat aktibong user. Ang mga frontier na kumpanya ay yaong nasa nangungunang 10% sa buwang iyon, habang ang mga karaniwang kumpanya ay nasa pagitan ng ika-45 at ika-55 porsiyento. Noong Hunyo, ang mga frontier na kumpanya ay nakabuo ng 8.3 × na mas maraming output token bawat aktibong user kaysa sa mga karaniwang kumpanya, isang tatlong-beses na pagtaas kumpara sa 2.6 × na agwat noong Enero.

Umaabot din ang agwat sa frontier sa iba't ibang industriya, kung saan ang pinakamalaking agwat sa paggamit ng token ay nasa impormasyon at teknolohiya (11.7×) at ang pinakamaliit ay nasa manufacturing (5.3×). Sa kabaligtaran, ang paggamit ng token sa mga karaniwang kumpanya ay magkahawig sa iba't ibang industriya, na may relatibong katamtamang paglago sa nakalipas na taon (1.9× hanggang 2.8×). Ipinahihiwatig nito na maraming organisasyon ang gumagamit pa rin ng mga simpleng katulong sa chat, kaya may makabuluhang puwang pa para palalimin ang paggamit at magamit ang mga agent upang tapusin ang mas kumplikadong gawain.

Ang mga token ay hindi perpektong sukatan ng halaga sa negosyo: ang maikling tugon ay maaaring maging lubhang mahalaga, habang ang mahabang tugon ay maaaring kaunti lamang ang maidagdag. Ngunit ang dami ng token ay nagsisilbing kapaki-pakinabang na panghaliling sukatan para sa lalim ng paggamit ng AI at kung gaano karaming trabaho ang ipinapagawa ng mga empleyado sa AI.

Pinalalalim ng nangungunang mga kumpanya ang paggamit nila ng AI dahil inilalapat nila ito sa mga kongkretong problema sa loob ng kanilang mga organisasyon at sa kabuuan ng kanilang mga industriya.

Nagsimula sa loob ng organisasyon ang mga unang aplikasyon ng enterprise AI, na tumulong sa mga empleyado na maghanap ng impormasyon, gumawa ng mga draft ng dokumento, magsuri ng data, magsulat ng code, at i-automate ang mga karaniwang proseso. Lalong pinapalawak ng mga nangungunang kumpanya ang AI lampas sa panloob na produktibidad at tungo sa mga produkto, serbisyo, at karanasang nakatuon sa mga customer.

Kailangan ng mga AI agent ng access sa tamang konteksto at mga tool para maging epektibo. Pinagsasama-sama ng mga plugin⁠(magbubukas sa bagong window) ang mga kakayahan na tumutulong sa mga agent na makumpleto ang mga partikular na daloy ng trabaho. Kaya nilang pagsamahin ang mga kasanayan na nagbibigay ng muling magagamit na mga tagubilin sa mga app na kumokonekta sa data, mga tool, at aksyon ng kumpanya. Halimbawa, kayang pagsamahin ng isang sales plugin ang playbook ng isang team sa access sa CRM nito, na nagbibigay-daan sa isang agent na gamitin ang kasalukuyang impormasyon ng customer at mga nakaraang proposal upang maghanda ng iniangkop na tugon para sa pagsusuri.

May malinaw na kalamangan ang mga frontier na kumpanya sa mga advanced na kakayahan. Sa mga lingguhang aktibong user, 21% sa mga frontier na kumpanya ang gumagamit ng mga plugin at 19% ang gumagamit ng skills, kumpara sa 9% at 3% lamang sa mga karaniwang kumpanya. Gayunpaman, maliit na bahagi lamang ng posible ang kinakatawan ng paggamit ng frontier na kumpanya. Itinatampok ng panloob na paggamit ng OpenAI ang potensyal para sa mas malalim na paggamit ng mga kakayahang ito, na may lingguhang paggamit ng plugin sa 95% ng mga aktibong user. Ang pananaliksik namin sa kung paano binabago ng mga agent ang trabaho ay nagbibigay ng mas malalim na pagsusuri sa kung paano ginagamit ng mga empleyado sa OpenAI ang mga advanced na kakayahan.

Kailangan ng mga AI agent ng tatlong bagay para makapagtapos ng makabuluhang gawain: konteksto, mga tool, at pananatili. Ang memory, voice input, at appshots ay tumutulong sa mga manggagawa na madaling maibahagi ang konteksto at impormasyong kinakailangan para matagumpay na makumpleto ang isang gawain. Nagbibigay-daan sa mga agent ang paggamit ng computer at browser na magnavigate sa mga website, gumawa ng mga file, at kumumpleto ng mga gawain nang awtonomo o sa ilalim ng pangangasiwa. Pinapanatiling gumagana ng mga layunin at mga loop ang mga agent hanggang sa matapos ang isang gawain. Kapag pinagsama-sama, tinutulungan ng mga kakayahang ito ang mga frontier na kumpanya na maisakatuparan ang potensyal ng mga agent.

Nagdudulot din ng mga bagong panganib ang pagbibigay sa mga ahente ng access sa mga system ng kumpanya. Nagtatakda ang mga frontier na kumpanya ng malinaw na mga panuntunan para sa kung saan maaaring gumawa ang mga agent, anong impormasyon ang maaari nilang ma-access, kung kailan sila maaaring gumawa ng mga aksyon, at kung paano rerepasuhin ng mga tao ang mga desisyong may mas mataas na panganib. Dapat umangkop at umunlad ang mga kontrol na ito habang natututo ang mga organisasyon mula sa mga aktuwal na pag-deploy.

Ginagawa rin ng mga frontier na kumpanya na bahagi ng pang-araw-araw na trabaho ang tuloy-tuloy na pagkatuto at eksperimento. Nakakatulong ang mga hands-on na builder sessions, mga forum para sa pagbabahagi ng mga umuusbong na use case, at mga internal showcase na maipalaganap ang matagumpay na mga kasanayan sa iba’t ibang team at tungkulin.

Kabilang ang mga software developer sa mga unang gumamit ng mga AI agent, ngunit ang pinakamabilis na paglago ngayon ay nagmumula sa mga pangkalahatang manggagawa ng kaalaman. Mula noong Pebrero, lumaki nang 108× ang bilang ng mga lingguhang aktibong user ng enterprise Codex sa legal, 41× sa mga benta, 41× sa pagre-recruit, at 26× sa marketing, kumpara sa 5× sa mga engineer. 

May dahilan kung bakit naunang umusad ang software. Ang mga codebase ay nagbibigay sa mga agent ng malinaw na konteksto, pinapadali ng mga pagsubok ang pag-verify ng mga output, at nakatutulong ang pag-unlad sa coding na pabilisin ang pananaliksik at pagpapaunlad ng AI. Sa nakalipas na dalawang taon, lumipat ang mga developer mula sa paggamit ng AI para kumpletuhin ang mga indibidwal na linya ng code, tungo sa pagpapagawa ng mga gawain ng mga agent sa buong pag-develop ng software. Maraming developer ang hindi na nagsusulat ng code nang mano-mano, sa halip, itinutuon nila ang kanilang oras sa pag-set up ng mga gawain, pag-oorkestra ng mga ahente, at pagsusuri ng mga resulta.

Sa kabilang banda, naging mas mabagal ang pag-usad sa pangkalahatang gawaing pangkaalaman dahil maraming gawain ang nagbibigay ng limitadong konteksto, maaaring mahirap tukuyin nang tiyak, at walang malinaw na pamantayan para beripikahin ang resulta. Ngunit ang patuloy na pagpapalawak, mga pagsulong sa pagpapatibay ng pag-aaral, at mga naka-target na pagsisikap upang mapabuti ang pagganap sa mga pagsusuri tulad ng GDPval ay nagdadala ng mas maraming gawain, mga kasangkapan, at kapaligiran sa trabaho sa totoong mundo na abot ng mga frontier na modelo. Bilang resulta, lalong nakahanap ang agentic AI ng angkop na pamilihan para sa produkto sa mga pangkalahatang manggagawang pangkaalaman mula noong simula ng taon.

Sa sample na mahigit 10 milyong mensahe, lumilipat ang Enterprise AI mula sa pagtulong sa mga empleyado na makabuo ng trabaho patungo sa pagtulong sa mga team na maisakatuparan ito. Kahit sa loob ng parehong tungkulin, makabuluhang nag-iiba ang mga anyo ng paggamit sa pagitan ng chat at agentic AI.

Nananatiling pinakakaraniwang gamit ng ChatGPT ang pagsusulat, habang ang coding at system o agent operations ay magkasamang bumubuo ng halos 75% ng mga agentic na mensahe. Ang pagbabagong ito ay lalo nang kapansin-pansin sa labas ng mga tradisyonal na techincal team: ang pagre-recruit (32%), mga benta (26%), patakaran (25%), at komunikasyon (24%) ay naglalaan sa pagitan ng isang-kapat at isang-katlo ng mga mensahe sa operasyon ng system at agent. Lumalaganap din ang teknikal na gawain sa iba’t ibang tungkulin, kung saan ang coding ay bumubuo ng halos 60% ng mga agentic na mensahe sa disenyo.

Walang iisang leaderboard para sa pag-adopt ng AI. Nag-iiba ang mga ranggo ng industriya depende sa sukatang ginamit. Noong nakaraang buwan, nanguna ang Mga Propesyonal at Siyentipikong Serbisyo sa parehong paggamit ng Codex at kasidhian ng API. Nanguna ang Sining, Libangan, at Paglilibang sa paggamit ng ChatGPT, habang ang Manufacturing ang may pinakamataas na kasidhian ng ChatGPT sa kabila ng pagiging huli sa ranggo sa kasidhian ng Codex at API.

Hindi pareho ang landas na tinatahak ng mga industriya tungo sa paggamit ng AI. Ang ilan ay sumusulong sa pamamagitan ng mga tool ng developer at mga produktong pinapagana ng AI, habang ang iba naman ay nakakaranas ng mas malawak o mas masinsinang paggamit sa araw-araw.

Habang lumilikha ang AI ng mga bagong paraan para makapaghatid ang mga organisasyon ng mga produkto at serbisyo, binabago rin nito ang kalagayan ng seguridad. Iilan lamang ang mas agarang panganib kaysa sa cybersecurity, lalo na sa mabilis na pag-usad ng mga kakayahan ng AI cyber.

Makakatulong din ang AI sa mga tagapagtanggol na tumugon. Kayang suriin ng mga modelo ang malalaking codebase, imbestigahan ang mga kahinaan, at suportahan ang maramihang hakbang sa panseguridad. Pero ang pagtukoy sa mas maraming isyu ay hindi awtomatikong ginagawang mas ligtas ang mga system. Ang tunay na hadlang ay ang maisalin sa pagkilos ang mga natuklasan: pagtukoy kung alin sa mga kahinaan ang totoo, pagbibigay-priyoridad sa mga panganib na may pinakamalaking epekto, pagsubok sa mga patch, at pagtiyak na mabilis na nasusuri at naipapatupad ng mga team ng seguridad ang mga pag-aayos .

Pinagsasama-sama ng OpenAI Daybreak ang mga frontier na modelo ng cybersecurity, mga enterprise security tool, at isang partner ecosystem para tulungan ang mga organisasyon na tugunan ang mga hamong ito at palakasin ang kanilang mga depensa laban sa mga umuusbong na banta.

Misyon ng OpenAI na tiyakin na makikinabang ang buong sangkatauhan sa AI. Malaki ang magiging papel ng mga organisasyon sa paghubog ng epekto ng AI sa ekonomiya, at dahil dito, regular naming inilalathala ang Enterprise Signals, isang paulit-ulit na hanay ng mga panukat na sumusubaybay sa adopsyon, paglaganap, at epekto ng AI sa enterprise. Lahat ng pagsusuri sa ulat na ito ay batay sa pinagsama-sama at inalis ang pagkakakilanlan na data ng paggamit ng enterprise. Gumamit kami ng mga automated na system para suriin ang nilalaman ng mensahe, at walang empleyado ng OpenAI ang sumuri sa mga mensahe ng customer.

Maaari ring humiling ang mga customer ng OpenAI Enterprise ng isang naka-customize na benchmark para makita kung paano inihahambing ang kanilang organisasyon sa mga pinakabagong sukatan ng paggamit at kakayahan.