એન્ટરપ્રાઇઝ સિગ્નલ્સ: અત્યાધુનિક કંપનીઓ શું અલગ રીતે કરી રહી છે

એન્ટરપ્રાઇઝ AI નવા તબક્કામાં પ્રવેશી રહ્યું છે: વધુ કામ એજન્ટોને સોંપાઈ રહ્યું છે અને સૌથી આગળ રહેલી કંપનીઓ બાકીની કંપનીઓથી વધુ ઝડપે આગળ વધી રહી છે. અત્યાધુનિક કંપનીઓને અન્ય ઉદ્યોગો જેવા જ AI મોડલ ઉપલબ્ધ છે, પરંતુ તેઓ વધુ ઝડપથી તેનો વ્યાપક ઉપયોગ કરી રહી છે. તેઓ આ મોડલનો ઉપયોગ કેવી રીતે કરે છે તે તેમને અલગ પાડે છે: તેઓ સહાય મેળવવાથી આગળ વધીને કામ સોંપે છે, જટિલ કાર્યો પૂરાં કરવા એજન્ટોને જરૂરી સંદર્ભ અને સાધનો આપે છે અને સોફ્ટવેર વિકાસ ઉપરાંતનાં ક્ષેત્રોમાં પણ એજન્ટિક AIનો ઉપયોગ વેગવાન બનાવે છે.

OpenAIમાં એજન્ટો કામકાજને કેવી રીતે બદલી રહ્યા છે એ અંગેનું અમારું સંશોધન દર્શાવે છે કે AIને પાયામાં રાખતી સંસ્થામાં આ પરિવર્તન કેવું હોઈ શકે છે. એન્ટરપ્રાઇઝ સંકેતો OpenAIના વૈશ્વિક એન્ટરપ્રાઇઝ ગ્રાહકવર્ગનું વ્યાપક ચિત્ર રજૂ કરે છે. તે દર્શાવે છે કે સંસ્થાઓમાં એજન્ટ આધારિત કામ કેવી રીતે ફેલાઈ રહ્યું છે અને અત્યાધુનિક કંપનીઓને બાકીની કંપનીઓથી શું અલગ પાડે છે.

એન્ટરપ્રાઇઝ સંકેતોની આ આવૃત્તિમાં અમે દર્શાવીએ છીએ કે દર મહિને AIના ઉપયોગમાં ટોચના 10%માં આવતી અત્યાધુનિક કંપનીઓ અને મધ્યના 10%માં આવતી સામાન્ય કંપનીઓ વચ્ચેનું અંતર વધી રહ્યું છે. અમે જોઈએ છીએ કે અત્યાધુનિક કંપનીઓ શું અલગ રીતે કરી રહી છે અને આ અંતર ઘટાડવા સંસ્થાઓ શું કરી શકે છે.

મુખ્ય તારણો:

• એન્ટરપ્રાઇઝમાં ઉપયોગ વધુ એજન્ટ આધારિત બની રહ્યો છે. જૂન સુધીમાં એન્ટરપ્રાઇઝ ગ્રાહકો વચ્ચે Codex અને ChatGPTના સંયુક્ત આઉટપુટ ટોકનમાં 64% ટોકન Codexએ બનાવ્યાં હતાં. આ દર્શાવે છે કે એજન્ટો વધુ મહત્ત્વપૂર્ણ કામ સોંપવાનું શક્ય બનાવી રહ્યા છે.
• અત્યાધુનિક કંપનીઓ અને અન્ય કંપનીઓ વચ્ચેનું અંતર વધી રહ્યું છે. દર મહિને AIના ઉપયોગમાં ટોચના 10%માં આવતી અત્યાધુનિક કંપનીઓ હવે દરેક સક્રિય વપરાશકર્તા દીઠ સામાન્ય કંપનીઓ કરતાં 8.3 ગણા વધુ આઉટપુટ ટોકન બનાવે છે. જાન્યુઆરીમાં આ પ્રમાણ 2.6 ગણું હતું.
• અત્યાધુનિક કંપનીઓ અદ્યતન ક્ષમતાઓનો વધુ વાર ઉપયોગ કરે છે. અત્યાધુનિક કંપનીઓના 21% સક્રિય વપરાશકર્તાઓ દર અઠવાડિયે પ્લગઇન્સ વાપરે છે, જ્યારે સામાન્ય કંપનીઓમાં આ પ્રમાણ 9% છે. OpenAIમાં 95% કર્મચારીઓ દર અઠવાડિયે પ્લગઇન્સ વાપરે છે, જે વધુ વ્યાપક સ્વીકારની સંભાવના દર્શાવે છે.
• જ્ઞાન આધારિત કામનાં ક્ષેત્રોમાં એજન્ટોનો ઉપયોગ ફેલાઈ રહ્યો છે. ફેબ્રુઆરીથી એન્ટરપ્રાઇઝમાં Codexના સાપ્તાહિક સક્રિય વપરાશકર્તાઓની સંખ્યા કાનૂની ક્ષેત્રમાં 108 ગણી, વેચાણમાં 41 ગણી, ભરતીમાં 41 ગણી અને માર્કેટિંગમાં 26 ગણી વધી છે, જ્યારે એન્જિનિયરિંગમાં તે 5 ગણી વધી છે.

એન્ટરપ્રાઇઝ AI પ્રશ્નોના જવાબ આપવાથી કામ હાથ ધરવા તરફ આગળ વધી રહ્યું છે. આ બદલાવ સૌપ્રથમ Codex સાથે સોફ્ટવેર એન્જીનિયરિંગમાં જોવા મળ્યો. હવે, ChatGPT કામ એજન્ટિક AIને ડેવલપર્સથી આગળ વિસ્તારી રહ્યું છે, જેથી સમગ્ર એન્ટરપ્રાઇઝના કર્મચારીઓને મદદ માગવાથી આગળ વધીને મહત્ત્વપૂર્ણ કાર્યો સોંપવા માટે સક્ષમ બનાવે છે.

જુલાઈ 2026 સુધીમાં, એન્ટરપ્રાઇઝ ગ્રાહકોમાં એજન્ટિક AIનો ઉપયોગ (Codex ટોકન્સ તરીકે વ્યાખ્યાયિત) સંયુક્ત Codex અને ChatGPT આઉટપુટ ટોકન્સના 64% જેટલો હતો. ChatGPT અને એજન્ટિક AI બંને એક જ આધારભૂત અત્યાધુનિક મોડલ્સનો ઉપયોગ કરે છે; ફરક એ છે કે તે ઇન્ટેલિજન્સને કામે કેવી રીતે લગાડવામાં આવે છે.

ChatGPT લોકોને પ્રશ્નો પૂછવામાં, વિચારો વિકસાવવામાં અને સમસ્યાઓ પર કામ કરવામાં મદદ કરે છે. એજન્ટિક AI (જેમ કે Codex અને ChatGPT કામ) મોડલને તમારા કમ્પ્યુટર સાથે કામ કરવા માટે ટૂલ્સ આપે છે, જેથી તે માહિતી શોધી શકે, ફાઇલો સંપાદિત કરી શકે અને સ્વાયત્ત રીતે અથવા દેખરેખ હેઠળ બહુ-પગલાંવાળા કાર્યો કરી શકે. જટિલ, લાંબા સમય સુધી ચાલતા કાર્યો પૂર્ણ કરવા માટે નોંધપાત્ર રીતે વધુ કમ્પ્યુટેશનની જરૂર પડી શકે છે, જે એજન્ટિક ટોકનનો ઉપયોગ શા માટે ઝડપથી વધ્યો છે તે સમજાવવામાં મદદ કરે છે.

દર મહિને, અમે સક્રિય વપરાશકર્તા દીઠ આઉટપુટ ટોકનના આધારે એન્ટરપ્રાઇઝ ગ્રાહકોને ક્રમાંકિત કરીએ છીએ. અત્યાધુનિક કંપનીઓ તે મહિનામાં ટોચના 10% માં હોય છે, જ્યારે સામાન્ય કંપનીઓ 45મા અને 55મા પર્સેન્ટાઇલની વચ્ચે આવે છે. જૂન સુધીમાં, અત્યાધુનિક કંપનીઓએ સામાન્ય કંપનીઓની સરખામણીમાં પ્રતિ સક્રિય યુઝર 8,3× જેટલા આઉટપુટ ટોકન જનરેટ કર્યા, જે જાન્યુઆરીમાં 2,6× ના તફાવતની સરખામણીમાં ત્રણ ગણો વધારો છે.

અત્યાધુનિક તફાવત ઉદ્યોગો વચ્ચે પણ વિસ્તરે છે, જેમાં માહિતી અને ટેક્નોલોજી ક્ષેત્રમાં ટોકન વપરાશનો તફાવત સૌથી મોટો (11.7×) અને મેન્યુફેક્ચરિંગમાં સૌથી નાનો (5.3×) છે. તેના વિપરીત, સામાન્ય કંપનીઓમાં ટોકન વપરાશ ઉદ્યોગો વચ્ચે સમાન છે, જેમાં ગયા વર્ષ દરમિયાન તુલનાત્મક રીતે મર્યાદિત વૃદ્ધિ જોવા મળે છે (1.9× થી 2.8×). આ સૂચવે છે કે ઘણી સંસ્થાઓ હજી પણ સરળ ચેટ સહાયકોનો ઉપયોગ કરી રહી છે, જેના કારણે અપનાવને વધુ ઊંડો બનાવવાની અને વધુ જટિલ કાર્ય પૂર્ણ કરવા માટે એજન્ટ્સનો ઉપયોગ કરવાની નોંધપાત્ર તક બાકી રહે છે.

ટોકન વ્યવસાયિક મૂલ્યનો અપૂર્ણ માપદંડ છે: ટૂંકો પ્રતિભાવ પણ અત્યંત મૂલ્યવાન હોઈ શકે છે, જ્યારે લાંબો પ્રતિભાવ બહુ ઓછું ઉમેરે. પરંતુ ટોકનનું પ્રમાણ AI ઉપયોગની ગહનતા અને કર્મચારીઓ AI પાસે કેટલું કામ કરાવવા માગે છે તેના માટે એક ઉપયોગી પ્રતિનિધિ માપદંડ આપે છે.

અગ્રણી કંપનીઓ AIનો ઉપયોગ વધુ ઊંડાણપૂર્વક કરી રહી છે કારણ કે તેઓ તેને તેમની સંસ્થાઓની અંદર અને તેમના ઉદ્યોગોમાં સ્પષ્ટ સમસ્યાઓ પર લાગુ કરી રહી છે.

પ્રારંભિક એન્ટરપ્રાઇઝ AI એપ્લિકેશન્સ આંતરિક રીતે શરૂ થઈ હતી, જે કર્મચારીઓને માહિતી શોધવામાં, દસ્તાવેજોના ડ્રાફ્ટ તૈયાર કરવામાં, ડેટાનું વિશ્લેષણ કરવામાં, કોડ લખવામાં અને નિયમિત પ્રક્રિયાઓને સ્વચાલિત કરવામાં મદદ કરતી હતી. અગ્રણી કંપનીઓ AIને આંતરિક ઉત્પાદકતાથી આગળ વધારીને ગ્રાહક-મુખી ઉત્પાદનો, સેવાઓ અને અનુભવોમાં વધુને વધુ વિસ્તારી રહી છે.

AI એજન્ટ્સને અસરકારક બનવા માટે યોગ્ય સંદર્ભ અને સાધનોની ઍક્સેસની જરૂર હોય છે. પ્લગઇન⁠(નવી વિન્ડોમાં ખૂલે છે) એ ક્ષમતાઓનો સમૂહ છે જે એજન્ટોને ચોક્કસ વર્કફ્લો પૂર્ણ કરવામાં મદદ કરે છે. તેઓ ફરીથી ઉપયોગમાં લઈ શકાય તેવી સૂચનાઓ પ્રદાન કરતા સ્કિલ્સ ને કંપનીના ડેટા, સાધનો અને ક્રિયાઓ સાથે જોડાયેલી એપ્સ સાથે સંયોજિત કરી શકે છે. ઉદાહરણ તરીકે, સેલ્સ પ્લગઇન ટીમની કાર્યપદ્ધતિને તેની CRM ઍક્સેસ સાથે જોડીને એજન્ટને વર્તમાન ગ્રાહક માહિતી અને ભૂતકાળના પ્રસ્તાવોનો ઉપયોગ કરીને સમીક્ષા માટે અનુરૂપ પ્રતિસાદ તૈયાર કરવાની મંજૂરી આપે છે.

અત્યાધુનિક કંપનીઓ અદ્યતન ક્ષમતાઓમાં સ્પષ્ટપણે આગળ છે. સાપ્તાહિક સક્રિય વપરાશકર્તાઓમાં, અત્યાધુનિક કંપનીઓમાં 21% પ્લગઇન્સનો ઉપયોગ કરે છે અને 19% સ્કિલ્સનો ઉપયોગ કરે છે, જ્યારે સામાન્ય કંપનીઓમાં અનુક્રમે માત્ર 9% અને 3% છે. જોકે, અત્યાધુનિક કંપની દ્વારા અપનાવવું શક્યતાના માત્ર એક ભાગનું પ્રતિનિધિત્વ કરે છે. OpenAIનો આંતરિક વપરાશ આ ક્ષમતાઓના વધુ ગહન ઉપયોગની સંભાવનાને ઉજાગર કરે છે, જેમાં સાપ્તાહિક પ્લગઇન વપરાશ સક્રિય વપરાશકર્તાઓમાં 95% છે. એજન્ટો કામને કેવી રીતે બદલી રહ્યા છે વિશેનું અમારું સંશોધન OpenAIના કર્મચારીઓ અદ્યતન ક્ષમતાઓનો ઉપયોગ કેવી રીતે કરે છે તે વધુ નજીકથી તપાસ કરે છે.

AI એજન્ટ્સને અર્થપૂર્ણ કાર્ય પૂર્ણ કરવા માટે ત્રણ વસ્તુઓની જરૂર હોય છે: સંદર્ભ, સાધનો અને દૃઢતા. મેમરી, વૉઇસ ઇનપુટ અને એપશોટ્સ કર્મચારીઓને કાર્ય સફળતાપૂર્વક પૂર્ણ કરવા માટે જરૂરી સંદર્ભ અને માહિતી સરળતાથી શેર કરવામાં મદદ કરે છે. કમ્પ્યુટર અને બ્રાઉઝરનો ઉપયોગ એજન્ટ્સને વેબસાઇટ્સ નેવિગેટ કરવા, ફાઇલો બનાવવા અને સ્વાયત્ત રીતે અથવા દેખરેખ હેઠળ કાર્યો પૂર્ણ કરવાની મંજૂરી આપે છે. લક્ષ્યો અને લૂપ્સ એજન્ટ્સને કોઈ કાર્ય પૂર્ણ થાય ત્યાં સુધી કાર્યરત રાખે છે. એકંદરે, આ ક્ષમતાઓ અત્યાધુનિક કંપનીઓને એજન્ટ્સની ક્ષમતાનો સાકાર કરવામાં મદદ કરે છે.

એજન્ટ્સને કંપનીની સિસ્ટમ્સની ઍક્સેસ આપવાથી નવા જોખમો પણ ઊભા થાય છે. અત્યાધુનિક કંપનીઓ એજન્ટ્સ ક્યાં કાર્ય કરી શકે, તેઓ કઈ માહિતી ઍક્સેસ કરી શકે, તેઓ ક્યારે ક્રિયાઓ કરી શકે અને લોકો વધુ જોખમવાળા નિર્ણયોની કેવી રીતે સમીક્ષા કરે તે માટે સ્પષ્ટ નિયમો નક્કી કરે છે. જેમ જેમ સંસ્થાઓ વાસ્તવિક ડિપ્લોયમેન્ટ્સમાંથી શીખે છે, તેમ તેમ આ નિયંત્રણો વિકસિત થવા જોઈએ.

અત્યાધુનિક કંપનીઓ સતત શીખવા અને પ્રયોગને રોજિંદા કામનો હિસ્સો બનાવે છે. પ્રાયોગિક બિલ્ડર સત્રો, ઊભરી રહેલા ઉપયોગના કિસ્સાઓ શેર કરવા માટેના ફોરમ્સ અને આંતરિક શોકેસ સફળ પ્રથાઓને ટીમો અને કાર્યક્ષેત્રોમાં ફેલાવવામાં મદદ કરે છે.

સોફ્ટવેર ડેવલપરો AI એજન્ટ્સ અપનાવનારાઓમાં પ્રથમ હતા, પરંતુ સૌથી ઝડપી વૃદ્ધિ હવે સામાન્ય જ્ઞાન કર્મચારીઓમાં થઈ રહી છે. ફેબ્રુઆરીથી, સાપ્તાહિક સક્રિય એન્ટરપ્રાઇઝ Codex વપરાશકર્તાઓની સંખ્યા કાનૂનીમાં 108×, વેચાણમાં 41×, ભરતીમાં 41× અને માર્કેટિંગમાં 26× વધી છે, જ્યારે એન્જિનિયર્સમાં તે પાંચ ગણું હતી. 

સોફ્ટવેર સૌથી પહેલાં આગળ વધ્યું હતું. કોડબેઝ એજન્ટ્સને સ્પષ્ટ સંદર્ભ આપે છે, ટેસ્ટ્સ આઉટપુટ્સને ચકાસવાનું વધુ સરળ બનાવે છે અને કોડિંગમાં થતી પ્રગતિ AI સંશોધન અને વિકાસને વેગ આપવામાં મદદ કરે છે. છેલ્લા બે વર્ષોમાં, ડેવલપર્સ કોડની અલગ-અલગ લાઇનો પૂર્ણ કરવા માટે AIનો ઉપયોગ કરવાથી આગળ વધીને એજન્ટ્સ દ્વારા સંપૂર્ણ સોફ્ટવેર ડેવલપમેન્ટ કાર્યો સંભાળાવા લાગ્યા છે. ઘણા ડેવલપર્સ હવે હાથેથી કોડ લખતા નથી. તેના બદલે, તેઓ પોતાનો સમય કાર્યો ગોઠવવામાં, એજન્ટ્સનું સંકલન કરવામાં અને પરિણામોની સમીક્ષા કરવામાં કેન્દ્રિત કરે છે.

તેના વિરુદ્ધ, સામાન્ય જ્ઞાન-આધારિત કાર્યમાં પ્રગતિ ધીમી રહી છે, કારણ કે ઘણા કાર્યો મર્યાદિત સંદર્ભ આપે છે, તેમને સ્પષ્ટ રીતે નિર્દિષ્ટ કરવું મુશ્કેલ હોઈ શકે છે અને પરિણામ ચકાસવા માટે સ્પષ્ટ માપદંડોનો અભાવ હોય છે. પરંતુ સતત સ્કેલિંગ, રીઇન્ફોર્સમેન્ટ લર્નિંગમાં થયેલી પ્રગતિ અને GDPval જેવા મૂલ્યાંકનો પર પ્રદર્શન સુધારવા માટેના લક્ષિત પ્રયાસો વધુ વાસ્તવિક-દુનિયાના કાર્યો, ટૂલ્સ અને કાર્ય પર્યાવરણોને અત્યાધુનિક મોડલ્સની પહોંચમાં લાવી રહ્યા છે. પરિણામે, વર્ષની શરૂઆતથી સામાન્ય જ્ઞાન કાર્યકરો સાથે એજન્ટિક AI માટે પ્રોડક્ટ-માર્કેટ ફિટ વધુને વધુ જોવા મળી છે.

1 કરોડથી વધુ સંદેશાઓના નમૂનામાં, એન્ટરપ્રાઇઝ AI કર્મચારીઓને કામ તૈયાર કરવામાં મદદ કરવાથી આગળ વધીને ટીમોને તે કામને અમલમાં મૂકવામાં મદદ કરી રહ્યું છે. એક જ કાર્યની અંદર પણ, ચેટ અને એજન્ટિક AI વચ્ચે વપરાશ પેટર્ન્સ નોંધપાત્ર રીતે અલગ પડે છે.

લેખન ChatGPTનો સૌથી સામાન્ય ઉપયોગ રહ્યો છે, જ્યારે કોડિંગ અને સિસ્ટમ અથવા એજન્ટ કામગીરી મળીને એજન્ટિક સંદેશાના લગભગ 75 % માટે જવાબદાર છે. આ બદલાવ ખાસ કરીને પરંપરાગત ટેક્નિકલ ટીમોની બહાર વધુ સ્પષ્ટ છે: ભરતી (32%), વેચાણ (26%), નીતિ (25%) અને સંચાર (24%) માં મેસેજના ચોથા ભાગથી ત્રીજા ભાગ વચ્ચે સિસ્ટમ અને એજન્ટ કામગીરી માટે સમર્પિત છે. ટેક્નિકલ કાર્ય પણ વિવિધ કાર્યક્ષેત્રોમાં ફેલાઈ રહ્યું છે, જેમાં ડિઝાઇનમાં એજન્ટિક સંદેશાઓમાંથી લગભગ 60% હિસ્સો કોડિંગનો છે.

AI અપનાવવા માટે કોઈ એકમાત્ર લીડરબોર્ડ નથી. ઉદ્યોગ રેન્કિંગ્સ ઉપયોગમાં લેવાયેલા માપદંડના આધારે બદલાય છે. ગયા મહિને, પ્રોફેશનલ અને વૈજ્ઞાનિક સેવાઓ Codex અપનાવવા અને API તીવ્રતા બન્નેમાં અગ્રેસર હતી. ChatGPT કલા, મનોરંજન અને આનંદ-પ્રમોદ ક્ષેત્રને અપનાવવામાં મોખરે રહ્યું, જ્યારે ઉત્પાદન ક્ષેત્રમાં Codex અને API સઘનતામાં છેલ્લે ક્રમે હોવા છતાં ChatGPT સઘનતા સૌથી વધુ છે.

ઉદ્યોગો AI અપનાવવા માટે એક જ માર્ગ અપનાવી રહ્યા નથી. કેટલાક ડેવલપર ટૂલ્સ અને AI-સંચાલિત ઉત્પાદનો દ્વારા આગળ વધી રહ્યા છે, જ્યારે અન્યમાં વધુ વ્યાપક અથવા વધુ સઘન રોજિંદો ઉપયોગ જોવા મળી રહ્યો છે.

AI સંસ્થાઓને માલસામાન અને સેવાઓ પ્રદાન કરવાની નવી રીતો સર્જી રહ્યું છે અને તે સુરક્ષા પરિદૃશ્યને પણ બદલી રહ્યું છે. સાયબર સુરક્ષા કરતાં વધુ તાત્કાલિક જોખમો બહુ ઓછા છે, ખાસ કરીને AI સાયબર ક્ષમતાઓના ઝડપી વિકાસને ધ્યાનમાં લેતાં.

AI બચાવકર્તાઓને પ્રતિસાદ આપવામાં પણ મદદ કરી શકે છે. મોડલ મોટા કોડબેઝનું વિશ્લેષણ કરી શકે છે, નબળાઈઓની તપાસ કરી શકે છે અને બહુ-પગલાંવાળા સુરક્ષા કાર્યમાં સહાય કરી શકે છે. પરંતુ વધુ સમસ્યાઓની ઓળખ કરવાથી સિસ્ટમો આપમેળે વધુ સુરક્ષિત બની જતી નથી. ખરી અડચણ તારણોને કાર્યવાહીમાં ફેરવવાની છે: કઈ નબળાઈઓ વાસ્તવિક છે તે નક્કી કરવું, સૌથી ગંભીર જોખમોને પ્રાથમિકતા આપવી, પૅચનું પરીક્ષણ કરવું અને સુરક્ષા ટીમો સુધારાઓની ઝડપથી સમીક્ષા કરીને તેને અમલમાં મૂકે તે સુનિશ્ચિત કરવું. 

OpenAI Daybreak સંસ્થાઓને આ પડકારોનો સામનો કરવામાં અને ઉભરતા જોખમો સામે તેમના સંરક્ષણને મજબૂત બનાવવામાં મદદ કરવા માટે અત્યાધુનિક સાયબર સુરક્ષા મોડલ્સ, એન્ટરપ્રાઇઝ સિક્યોરિટી ટૂલ્સ અને ભાગીદાર ઇકોસિસ્ટમને એકસાથે લાવે છે.

OpenAIનું મિશન એ સુનિશ્ચિત કરવાનું છે કે AI સમગ્ર માનવજાતને લાભ પહોંચાડે. સંસ્થાઓ AIના આર્થિક પ્રભાવના મોટાભાગને આકાર આપશે અને આ કારણસર, અમે નિયમિતપણે એન્ટરપ્રાઇઝ સિગ્નલ્સ પ્રકાશિત કરીએ છીએ, જે એન્ટરપ્રાઇઝ AIની અપનાવણી, પ્રસાર અને પ્રભાવને ટ્રૅક કરતા માપદંડોનો પુનરાવર્તિત સમૂહ છે. આ અહેવાલમાંના તમામ વિશ્લેષણો સંકલિત, ઓળખ દૂર કરેલા એન્ટરપ્રાઇઝ વપરાશ ડેટા પર આધારિત છે. અમે સંદેશની સામગ્રીનું વર્ગીકરણ કરવા સ્વચાલિત સિસ્ટમોનો ઉપયોગ કર્યો હતો અને કોઈ OpenAI કર્મચારીએ ગ્રાહક સંદેશાઓની સમીક્ષા કરી નહોતી.

OpenAI Enterprise ગ્રાહકો તેમની સંસ્થા તાજેતરના વપરાશ અને ક્ષમતા માપદંડોમાં કેવી રીતે સરખામણી કરે છે તે જોવા માટે કસ્ટમાઇઝ્ડ બેન્ચમાર્કની વિનંતી પણ કરી શકે છે.