OpenAI B2B Signals

આજે અમે B2B Signals રજૂ કરી રહ્યા છીએ, જે OpenAI Signals⁠ નું એક વ્યવસાયિક વિસ્તરણ છે અને તે માપે છે કે સંસ્થાઓમાં AI નો ફેલાવો કેવી રીતે થઈ રહ્યો છે. પ્રારંભિક સંકેત સ્પષ્ટ છે, અત્યાધુનિક કંપનીઓ માત્ર AI સુધીની ઍક્સેસ હોવાને કારણે જ નહીં, પરંતુ તે કામકાજના વિવિધ ક્ષેત્રોમાં તેનો વધુ ઊંડાણપૂર્વક ઉપયોગ કરતી હોવાથી આગળ નીકળી રહી છે.

B2B Signals એ એન્ટરપ્રાઇઝ AI ના ઉપયોગના વિશાળ પાયે, ગોપનીયતા-સંરક્ષિત વિશ્લેષણ પર આધારિત પુનરાવર્તિત માપદંડોનો સમૂહ છે. તે વર્તણૂકો અને પેટર્નને ટ્રૅક કરે છે જે સંસ્થાઓને એ સમજવામાં મદદ કરી શકે છે કે કેવી રીતે બુદ્ધિમત્તાને બિઝનેસ વેલ્યુમાં પરિવર્તિત કરી શકાય.

અત્યાધુનિક કંપનીઓ—એટલે કે AI ના ઉપયોગના 95મા પર્સેન્ટાઇલ પર કાર્યરત કંપનીઓ—દરેક કર્મચારી દીઠ વધુ બુદ્ધિમત્તાનો ઉપયોગ કરે છે, અદ્યતન ટૂલ્સને વધુ સઘન રીતે અપનાવે છે અને AI ને વર્કફ્લોમાં વધુ ઊંડાણપૂર્વક સંકલિત કરે છે. કેટલીક કંપનીઓ માટે આ અંતર હવે ચક્રવૃદ્ધિરૂપે વધવા લાગ્યું છે, અને તફાવત વધુને વધુ ઉપયોગની ઊંડાઈને કારણે ઊભો થાય છે.

મુખ્ય મુદ્દાઓ

• અત્યાધુનિક લાભ હવે ચક્રવૃદ્ધિરૂપે વધવા લાગ્યો છે: અગ્રણી કંપનીઓ હવે સામાન્ય કંપનીઓની તુલનામાં કર્મચારી દીઠ 3.5x બુદ્ધિમત્તાનો ઉપયોગ કરે છે, જે એક વર્ષ પહેલાંના 2x કરતાં વધુ છે. 
• અત્યાધુનિક કંપનીઓ AI નો ઉપયોગ માત્ર વારંવાર જ નહીં, પરંતુ વધુ ગહનતાથી કરે છે: સંદેશાઓનું પ્રમાણ માત્ર 36% અંતર સમજાવે છે, જે અત્યાધુનિક અને સામાન્ય કંપનીઓ વચ્ચે છે. અત્યાધુનિક લાભનો મોટાભાગનો હિસ્સો વધુ ઊંડાણપૂર્વકના ઉપયોગમાંથી આવે છે. 
• એજેન્ટિક વર્કફ્લો અત્યાધુનિક એડોપ્શનની ઓળખ બની રહ્યા છે: અદ્યતન એજેન્ટિક ટૂલ્સના ઉપયોગમાં સૌથી મોટો તફાવત જોવા મળે છે, જેમાં અત્યાધુનિક ફર્મ્સ સામાન્ય ફર્મ્સ કરતાં 16x જેટલા Codex સંદેશા મોકલી રહી છે. 
• કંપનીઓ સંગઠનાત્મક પરિવર્તન દ્વારા અત્યાધુનિક સ્તર સાથેનું અંતર પૂરું કરી શકે છે: હરીફાઈમાં આગળ આવવા માટે, કંપનીઓએ ઉપયોગની ઊંડાઈ માપવી, ગવર્નન્સને પ્રાથમિકતા આપવી, સક્ષમતામાં રોકાણ કરવું, જે કાર્ય કરે છે તેને વિસ્તૃત કરવું અને ચેટ આધારિત સહાયથી દૂર રહીને એજન્ટ્સ સાથે સોંપાયેલા કાર્ય તરફ આગળ વધવું જરૂરી છે.

અત્યાધુનિક લાભ હવે ચક્રવૃદ્ધિ દરે વધવા લાગ્યો છે, અને જે કંપનીઓ AI નો સૌથી વધુ ગહનતાથી ઉપયોગ કરી રહી છે તેઓ પોતાની સરસાઈમાં સતત વધારો કરી રહી છે

એન્ટરપ્રાઇઝ માટે સીટ ડિપ્લોયમેન્ટ એ માત્ર એક શરૂઆત છે. વધુ સ્પષ્ટ સંકેત એ છે કે કર્મચારીઓ વધુ ઊંડા, વધુ જટિલ કાર્ય માટે AI નો ઉપયોગ કરી રહ્યા છે કે નહીં. આ ચાર્ટ અત્યાધુનિક સ્તરે, જેને 95મા પર્સેન્ટાઇલ તરીકે વ્યાખ્યાયિત કરવામાં આવ્યું છે, પ્રતિ કર્મચારી જનરેટ થયેલા ટોકનની તુલના સામાન્ય ફર્મ, જેને 50મા પર્સેન્ટાઇલ તરીકે વ્યાખ્યાયિત કરવામાં આવ્યું છે, સાથે કરે છે.

ટોકન વ્યવસાયિક મૂલ્યનો અપૂર્ણ માપદંડ છે. ટૂંકો પ્રતિભાવ પણ અત્યંત મૂલ્યવાન હોઈ શકે છે, અને લાંબો પ્રતિભાવ ઓછા મૂલ્યનો હોઈ શકે છે. પરંતુ ટોકનનું પ્રમાણ એ માપવામાં મદદ કરે છે કે કર્મચારીઓ AI પાસે કેટલું કામ કરાવવા માગે છે, જે તેને AI ઉપયોગની ઊંડાઈ અને કર્મચારીઓ AI પાસેથી માગતા બુદ્ધિમત્તાના પ્રમાણ માટે એક ઉપયોગી પ્રતિનિધિ માપદંડ બનાવે છે.

અત્યાધુનિક ફર્મ સામાન્ય ફર્મની સરખામણીમાં દર કર્મચારી દીઠ 3.5x વધુ બુદ્ધિમત્તાની માંગ કરે છે. આ અંતર એપ્રિલ 2025માં 2x હતું, જે વધ્યું છે, જે દર્શાવે છે કે AI નો સૌથી ઊંડાણપૂર્વક ઉપયોગ કરતી કંપનીઓ પોતાની આગેવાની વધુ વધારી રહી છે અને નવી AI ક્ષમતાઓને વધુ ઊંડાણપૂર્વક અને વધુ જટિલ કાર્યમાં રૂપાંતરિત કરવા માટે વધુ સારી સ્થિતિમાં છે.

અત્યાધુનિક કંપનીઓનો ફાયદો મેસેજના ઊંચા વોલ્યુમને બદલે તેના ગહન ઉપયોગમાંથી આવે છે

અત્યાધુનિક ફર્મ સામાન્ય ફર્મ કરતાં દર કર્મચારી દીઠ નોંધપાત્ર રીતે વધુ બુદ્ધિમત્તાની માંગ કરે છે, પરંતુ આ અંતરનો મોટાભાગનો ભાગ માત્ર સંદેશાઓના વોલ્યુમથી સમજાવી શકાતો નથી. આ ચાર્ટ 3.5x અત્યાધુનિક લાભને વિભાજિત કરીને દર્શાવે છે અને બતાવે છે કે જો સામાન્ય ફર્મ અત્યાધુનિક સ્તર જેટલા જ દરે સંદેશા મોકલતી હોય, તો તે 3.5x ના અંતરમાંથી માત્ર 36% જ ઘટાડી શકશે.

બાકી રહેલો તફાવત વધુ ગહન વપરાશ સાથે જોડાયેલો છે. અત્યાધુનિક કંપનીઓમાં કામ કરતા કર્મચારીઓ AI ને વધુ જટિલ કામ હાથ ધરવા, મોડલ્સને વધુ સમૃદ્ધ સંદર્ભ પૂરો પાડવા અને વધુ નોંધપાત્ર આઉટપુટ્સ જનરેટ કરવા માટે કહે છે.

એડવાન્સડ એજેન્ટિક ટૂલ્સમાં અત્યાધુનિક લાભ સૌથી વધુ છે, જે Codex ના ઉપયોગમાં જોવા મળતા 16x ના તફાવતથી સાબિત થાય છે

વધુ અદ્યતન વર્કફ્લોઝને સપોર્ટ કરતા ટૂલ્સ માટે અત્યાધુનિક લાભ સૌથી વધુ હોય છે. Codex સૌથી મોટો તફાવત દર્શાવે છે, જેમાં અત્યાધુનિક ફર્મ સામાન્ય ફર્મ કરતાં પ્રતિ કર્મચારી 16 ગણા વધારે સંદેશા મોકલે છે. ChatGPT Agent, Apps in ChatGPT, ડીપ રિસર્ચ અને GPTs પણ તુલનાત્મક રીતે મોટા તફાવતો દર્શાવે છે, જે સૂચવે છે કે અત્યાધુનિક મોડલ એવા ટૂલ્સનો વધુ સારી રીતે લાભ ઉઠાવવામાં સક્ષમ છે, જે કર્મચારીઓને કોડ લખવામાં, બહુ-પગલાંવાળા કાર્યો સોંપવામાં, કંપનીનો સંદર્ભ લાગુ કરવામાં અને વધુ જટિલ સંશોધન કરવામાં મદદ કરે છે.

તેનાથી વિપરીત, વપરાશકર્તા અપલોડ, શોધ અને ડેટા વિશ્લેષણ જેવા વધુ સામાન્ય હેતુવાળા અને સુલભ ટૂલ્સ ઓછો અત્યાધુનિક લાભ દર્શાવે છે. આ ટૂલ્સ મોટાભાગની કંપનીઓ માટે વધુ સરળ છે, કારણ કે તે પરિચિત વર્કફ્લોઝને વિસ્તારે છે. અત્યાધુનિક લાભ અદ્યતન અને એજન્ટિક ટૂલ્સમાં સૌથી વધુ સ્પષ્ટપણે જોવા મળે છે, જ્યાં અપનાવવા માટે વધુ નિપુણતા, કાર્યસ્થળના જ્ઞાન અને ટૂલ્સ સાથેના જોડાણો, અને AI ને કામ સોંપવામાં વધુ સહજતા જરૂરી હોય છે.

સૌથી મોટો અત્યાધુનિક લાભ શિક્ષણ અને શીખવામાં છે

અત્યાધુનિક ફર્મ લાભ શિક્ષણ અને શીખવાના કાર્યો માટે સૌથી વધુ છે, જ્યાં અત્યાધુનિક ફર્મ સામાન્ય ફર્મની સરખામણીએ કર્મચારી દીઠ 7x જેટલા સંદેશા મોકલે છે. અત્યાધુનિક સ્તરે, કંપનીઓ કર્મચારીઓને કૌશલ્યો વિકસાવવામાં અને નવા વિષયો શીખવામાં મદદ કરવા માટે AI નો ઉપયોગ કરે છે. તેઓ AI વિશેની પોતાની સમજ સુધારવા માટે પણ AI નો ઉપયોગ કરે છે, જેમાં તે શું કરી શકે છે, તેનો સારી રીતે ઉપયોગ કેવી રીતે કરવો અને તે હાલના વર્કફ્લોઝમાં ક્યાં બંધબેસી શકે છે તે સામેલ છે. આ અંતરનું કદ સૂચવે છે કે સામાન્ય ફર્મ વર્કફોર્સના લર્નિંગ અને ડેવલપમેન્ટ માટેના ટૂલ તરીકે AI નો પૂરતો ઉપયોગ ન કરતી હોઈ શકે છે.

કોડિંગ પણ મોટો અત્યાધુનિક લાભ દર્શાવે છે, જ્યાં અત્યાધુનિક ફર્મ સામાન્ય ફર્મની તુલનામાં કર્મચારી દીઠ 4x જેટલા સંદેશા મોકલે છે. આ બાબત અદ્યતન અને એજન્ટિક ટૂલ્સના ઉપયોગમાં જોવા મળતા વ્યાપક અંતર સાથે આ સુસંગત છે. કેવી રીતે કરવું તે અંગેનું માર્ગદર્શન અને લેખન તથા સંચારમાં અત્યાધુનિક અંતર સૌથી ઓછું છે, શક્યતઃ કારણ કે આ કાર્યો AI ના વધુ સુલભ અને પરિચિત ઉપયોગો છે.

AI નો ઉપયોગ લેખન ક્ષેત્રે સૌથી વ્યાપક છે, પરંતુ કાર્ય-વિશિષ્ટ વલણો પણ ઉભરી રહ્યા છે

લેખન અને સંચાર ChatGPT ના સૌથી સામાન્ય ઉપયોગો છે. જોકે, વપરાશના પેટર્ન્સ કાર્યક્ષેત્ર પ્રમાણે બદલાય છે અને ઘણીવાર દરેક કાર્યક્ષેત્રની મુખ્ય જવાબદારીઓ સાથે જોડાયેલા હોય છે. IT અને સિક્યોરિટીના 60% મેસેજ 'હાઉ-ટુ' અને પ્રક્રિયાગત માર્ગદર્શન પર કેન્દ્રિત છે, સોફ્ટવેર ડેવલપમેન્ટ અને ડેટા સાયન્સ એન્ડ એન્જિનિયરિંગના લગભગ અડધા મેસેજ કોડિંગ સંબંધિત છે, અને ફાઇનાન્સના દસમા ભાગના મેસેજ વિશ્લેષણ અને ગણતરી સાથે સંબંધિત છે.

આ પેટર્ન્સ વ્યાપક પુરાવા સાથે સુસંગત છે કે અત્યાધુનિક મોડલ્સ આર્થિક રીતે મૂલ્યવાન કાર્યસ્થળના કાર્યોમાં સુધારો કરી રહ્યા છે. GDPval⁠, જે 44 વ્યવસાયોમાં વાસ્તવિક દુનિયાના જ્ઞાન કાર્યનું મૂલ્યાંકન છે, તે એવા કાર્યો પરના પ્રદર્શનને માપે છે જે દસ્તાવેજો, સ્પ્રેડશીટ્સ, સ્લાઇડ્સ, ડાયાગ્રામ અને મલ્ટિમીડિયા જેવા વ્યવહારુ કાર્ય આઉટપુટ ઉત્પન્ન કરે છે. AI વધુ સક્ષમ બનતું જાય છે તેમ, એન્ટરપ્રાઇઝમાં તેનો વપરાશ દરેક કાર્યક્ષેત્રના મુખ્ય કાર્ય સાથે વધુ નજીકથી જોડાયેલા કાર્યો તરફ વિસ્તરી રહ્યો છે.

ઉદ્યોગમાં નેતૃત્વ એક-પરિમાણીય નથી: ChatGPT, Codex અને API માં વિવિધ ક્ષેત્રો અગ્રેસર છે

AI અપનાવવા માટે કોઈ એકમાત્ર લીડરબોર્ડ નથી. ઉદ્યોગ રેન્કિંગ્સ ઉપયોગમાં લેવાયેલા માપદંડના આધારે બદલાય છે. પ્રોફેશનલ, વૈજ્ઞાનિક અને ટેકનિકલ સેવાઓ Codex અપનાવવા અને API વપરાશની તીવ્રતા બન્નેમાં પ્રથમ ક્રમે છે, જેથી સૂચવાય છે કે ડેવલપર અને પ્રોડક્ટ-ઇન્ટિગ્રેટેડ વર્કફ્લોઝમાં અમુક હદ સુધી વધુ અદ્યતન રીતે ઉપયોગ થઇ રહ્યો છે. મોટા પાયે રોલઆઉટ્સને કારણે ફાઇનાન્સ અને વીમા ChatGPT અપનાવવામાં અગ્રણી છે, જ્યારે શૈક્ષણિક સેવાઓમાં મેસેજ ઇન્ટેન્સિટી સૌથી વધુ છે, જેથી સૂચવાય છે કે વ્યક્તિ દીઠ વપરાશ વધુ ઉંડો છે. રિટેલ ટ્રેડ અને હેલ્થ કેર API તીવ્રતામાં ઊંચા ક્રમે છે, અન્ય માપદંડોમાં નીચા ક્રમ હોવા છતાં.

આ તફાવતો દર્શાવે છે કે ઉદ્યોગમાં નેતૃત્વ એક-પરિમાણીય નથી. કેટલાક ક્ષેત્રો ટેક્નિકલ અને ડેવલપર વર્કફ્લો દ્વારા AI અપનાવી રહ્યા છે, જ્યારે અન્ય ક્ષેત્રો વ્યાપક ChatGPT અપનાવવું અથવા અંતિમ વપરાશકર્તાઓ દ્વારા વધુ સઘન ઉપયોગ દ્વારા વિકાસ કરી રહ્યા છે.

એન્ટરપ્રાઇઝિસ API ના ઉપયોગને પ્રોડક્શન વર્કફ્લોઝ અને ગ્રાહક-લક્ષી એપ્લિકેશન્સમાં સ્થાનાંતરિત કરી રહ્યા છે

કંપનીઓ મોડલ્સને સીધા જ પ્રોડક્ટ્સ, સેવાઓ અને આંતરિક સિસ્ટમ્સમાં એકીકૃત કરવા માટે API નો વધુને વધુ ઉપયોગ કરી રહી છે. સામાન્ય પ્રોડક્શન યુઝ કેસીસમાં ઇન-ઍપ અસિસ્ટન્ટ્સ, કોડિંગ અને ડેવલપર ટૂલ્સ, ગ્રાહક સપોર્ટ, સંશોધન વર્કફ્લોઝ અને વર્કફ્લોઝ ઓટોમેશન શામેલ છે.

આ ડિપ્લોયમેન્ટ્સ દર્શાવે છે કે એન્ટરપ્રાઇઝ AI કેવી રીતે પ્રયોગથી આગળ વધીને માપી શકાય તેવી કામગીરીની અસર ધરાવતા પુનરાવર્તિત વર્કફ્લોઝ તરફ આગળ વધી રહ્યું છે. વિવિધ ગ્રાહક ઉદાહરણોમાં, ફર્મો જ્ઞાન કાર્યને ઝડપી બનાવવા, એન્જિનિયરિંગ થ્રૂપુટ સુધારવા અને ગ્રાહકો અને કર્મચારીઓ માટે AI-સંચાલિત અનુભવો બનાવવા માટે OpenAI મોડલ્સનો ઉપયોગ કરી રહી છે.

અત્યાધુનિક પહોંચવા માટે સંસ્થાઓ શું કરી શકે છે

OpenAI વિવિધ ઉદ્યોગો, ફંક્શન્સ અને AI પરિપક્વતાના તબક્કાઓમાં એન્ટરપ્રાઇઝિસ સાથે કામ કરે છે, જેનાથી અમને AI અપનાવવાની પ્રક્રિયા પ્રયોગથી પ્રોડક્શન સુધી કેવી રીતે વિકસે છે તે જોવાની સમજ આપે છે. આ ડિપ્લોયમેન્ટ્સમાં, જે કંપનીઓ સૌથી વધુ પ્રગતિ કરી રહી છે તેઓ માત્ર AI ની ઉપલબ્ધતા પર ઓછું અને AI નો ઊંડાણપૂર્વક ઉપયોગ કરવા માટે જરૂરી સંગઠનાત્મક પ્રણાલીઓ પર વધુ ધ્યાન આપે છે: માપન, ગવર્નન્સ, સક્ષમતા, અસરનું વિસ્તરણ અને એજન્ટિક ડેપ્લોયમેન્ટ.

AI ના ઉપયોગને વધુ સઘન બનાવવા માટે પાંચ એવી પદ્ધતિઓ ઉભરી આવી છે, જે કોઈપણ સંસ્થા આજે જ વ્યવહારુ પગલાં તરીકે લેવાનું શરૂ કરી શકે છે.

1. ઍક્સેસ ઉપરાંત ઉપયોગની ઊંડાઈને પણ માપો.
   મુખ્ય સંકેત માત્ર એ નથી કે કેટલા કર્મચારીઓ પાસે AI એકાઉન્ટ્સ છે, પરંતુ એ છે કે ટીમો સમય જતાં AI નો વધુ સાર્થક રીતે ઉપયોગ કરી રહી છે કે કેમ. સંસ્થાઓએ એ બાબત પર નજર રાખવી જોઈએ કે AI નો ઉપયોગ વધુ વારંવાર થઈ રહ્યો છે, વધુ જટિલ બની રહ્યો છે, અને મૂલ્યવાન કાર્યપ્રવાહો સાથે વધુ નજીકથી જોડાઈ રહ્યો છે.
2. એવું ગવર્નન્સ બનાવો જે એજન્ટિક AI ને ડિપ્લોય કરવા યોગ્ય બનાવે.
   અગ્રણી ફર્મો ગવર્નન્સને ટાળી રહી નથી. તેઓ તેનો ઉપયોગ એજન્ટિક AI ને વધુ સરળતાથી ડિપ્લોય કરી શકાય તેવી બનાવવા માટે કરી રહ્યા છે. કંપનીઓને એ માટે સ્પષ્ટ નિયમોની જરૂર છે કે એજન્ટ્સ ક્યાં કાર્ય કરી શકે, તેઓ કઈ માહિતીનો ઉપયોગ કરી શકે, ક્યારે તેમણે કાર્ય કરવાને બદલે સલાહ આપવી જોઈએ, અને માણસો ઉચ્ચ જોખમવાળા નિર્ણયોની કેવી રીતે સમીક્ષા કરે. અત્યાધુનિક કંપનીઓ ડિપ્લોયમેન્ટ પ્રક્રિયાના ભાગરૂપે આ ધોરણો નિર્ધારિત કરી રહી છે, જેથી ગવર્નન્સ સ્વીકારને ધીમો પાડવાને બદલે તેને સુરક્ષિત રીતે વિસ્તૃત કરવાનો માર્ગ બને છે.
3. સક્ષમતાને મુખ્ય ઇન્ફ્રાસ્ટ્રક્ચર તરીકે ગણો, સાઇડ પ્રોજેક્ટ તરીકે નહીં.
   AI ની ક્ષમતાઓમાં સુધારો થતો જાય તેમ, કર્મચારીઓ અને સંસ્થાઓ બંનેને એવી સિસ્ટમોની જરૂર છે જે તેમને આ ગતિ સાથે તાલમેલ રાખવામાં મદદ કરે. અત્યાધુનિક કંપનીઓ સક્ષમીકરણને એક વખતની તાલીમની ઝુંબેશ તરીકે ગણતી નથી. તેઓ ભૂમિકા-વિશિષ્ટ તાલીમ, ઉપયોગ-કેસ વર્કશોપ્સ, હેકાથોન, આંતરિક ચેમ્પિયન નેટવર્ક્સ, પ્રયોગ માટે ફાળવેલા સમર્પિત સમય, અને વર્કફ્લો, શ્રેષ્ઠ પદ્ધતિઓ અને કૌશલ્યોની શેર કરેલી રિપોઝિટરીઓ દ્વારા ડિપ્લોયમેન્ટમાં સતત શીખવાનું સમાવે છે. 
4. તમારી અત્યાધુનિક ટીમોને ઓળખો અને તેમની અસરને વિસ્તૃત કરો.
   ઘણી સંસ્થાઓમાં, સૌથી અદ્યતન વપરાશ થોડીક ટીમોમાં કેન્દ્રિત હોય છે. તે ટીમો દર્શાવી શકે છે કે કયા કાર્યપ્રવાહો, આદતો અને ઓપરેટિંગ મોડલ અસરકારક રીતે કામ કરી રહ્યા છે. લીડર્સે આ ટીમોની ઓળખ કરવી જોઈએ, તેમની સફળતા પાછળની પરિસ્થિતિઓને સમજવી અને તેને વ્યાપક સ્તરે અમલમાં મૂકવી જોઈએ, તેમજ તેમને બાકીની ફર્મ સાથે AIના વધુ ઊંડાણપૂર્વકના ઉપયોગ અંગેની આંતરદૃષ્ટિઓ અને ઉદાહરણો શેર કરવામાં મદદ કરવી જોઈએ. 
5. ચેટથી આગળ વધીને કામ સોંપવા તરફ આગળ વધો.
   એન્ટરપ્રાઇઝ AI ચેટ સહાયકોથી આગળ વધીને એજન્ટોને સોંપી શકાય તેવા કામ તરફ આગળ વધી રહ્યું છે. સોફ્ટવેર એન્જીનિયરિંગ આ વલણને દર્શાવે છે, પરંતુ સોંપાયેલું કામ વિવિધ કાર્યક્ષેત્રોમાં ફેલાઈ રહ્યું છે. Codex સાથે, એન્જિનિયરો નિર્ધારિત કાર્ય સોંપી શકે છે, એજન્ટને જરૂરી સંદર્ભ આપી શકે છે, તેને ફાઇલો, કોડબેઝિસ અને ટૂલ્સમાં કામ કરવા દે શકે છે, પછી પરિણામની સમીક્ષા કરીને પ્રતિસાદ સાથે વર્કફ્લોને વધુ સુધારી શકે છે. અત્યાધુનિક કંપનીઓ કર્મચારીઓને AI નો માત્ર સ્થિર સહાયક તરીકે ઉપયોગ કરવાની બદલે AI ને કાર્યો સોંપવા માટે પ્રોત્સાહિત કરી રહી છે.

જો તમે સંપૂર્ણ તારણોનો અભ્યાસ કરવા અથવા તમારી સંસ્થામાં AI જવાબદારીપૂર્વક કેવી રીતે લાવવું તે જાણવા માંગતા હો, તો અમને તમારી સાથે સંપર્ક કરવો ગમશે⁠.