איך החברות שבחזית מגדילות את הפער

בקצרה

• החברות שבחזית — אלה שבאחוזון ה־95 של השימוש — צורכות כיום פי 3.5 יותר בינה מלאכותית לעובד מחברות טיפוסיות, לעומת פי 2 לפני שנה.

• הפער נובע מעומק השימוש, ולא רק מהיקף הפעילות: נפח ההודעות מסביר רק 36% מהיתרון של החברות שבחזית; רוב הפער נובע משימוש עשיר ומורכב יותר בבינה מלאכותית.

• תהליכי עבודה אג'נטיים נעשים סימן היכר של החברות שבחזית: היתרון הגדול ביותר ניכר בשימוש בכלים מתקדמים, כשהחברות שבחזית שולחות פי 16 יותר הודעות ב־Codex לעובד מחברות טיפוסיות.

• ארגונים יכולים להתקדם אל החזית: חברות מובילות מודדות את עומק השימוש, בונות מסגרות ממשל לשימוש בסביבת ייצור, משקיעות בהכשרה ובתמיכה, מרחיבות את מה שעובד ועוברות מסיוע מבוסס צ'אט להאצלת עבודה לסוכנים.

בארגונים רבים, השלב הראשון באימוץ בינה מלאכותית התמקד בגישה לכלים: למי היו כלי בינה מלאכותית, כמה רישיונות משתמש הוקצו והאם העובדים התנסו בהם. זה עדיין חשוב. אבל הגישה לכלים כבר אינה הגורם המבדל. 

המחקר האחרון שלנו מצביע על כך שהיתרון של החברות שבחזית מתחיל לצבור תאוצה. החברות שבחזית מגדילות את הפער משום שהן צורכות יותר בינה מלאכותית לעובד, משתמשות בכלים מתקדמים באופן אינטנסיבי יותר ומשלבות בינה מלאכותית עמוק יותר בתהליכי העבודה.

היום אנחנו מציגים את B2B Signals, הרחבה של OpenAI Signals המיועדת לעולם העסקי. הוא מספק מדידה תקופתית של התפשטות הבינה המלאכותית בעסקים, על בסיס נתונים מצרפיים השומרים על הפרטיות מתוך השימוש הארגוני במוצרי OpenAI, ובוחן בין היתר:

• עד כמה מעמיק השימוש בבינה מלאכותית בתוך חברות

• אילו כלים ומשימות קשורים יותר מכול לאימוץ בינה מלאכותית בחברות שבחזית

• היכן מתרחבים השימושים העסקיים במגוון ענפים, מוצרים ותחומי פעילות

הערה: כל הניתוחים בדוח זה מבוססים על נתוני שימוש ארגוניים מצרפיים שהוסרו מהם פרטים מזהים. תוכן ההודעות סווג באמצעות מערכות אוטומטיות, ואף עובד של OpenAI לא עיין בנתונים פרטניים של לקוחות ארגוניים, עסקיים או לקוחות API במסגרת הניתוח הזה.

הסימן המובהק ביותר הוא עומק השימוש. החברות שבחזית צורכות כיום פי 3.5 יותר בינה מלאכותית לעובד מחברות טיפוסיות, לעומת פי 2 באפריל 2025. נפח ההודעות מסביר רק 36% מהפער הזה; רובו נובע משימוש מעמיק יותר. העובדים בחברות שבחזית מבקשים מבינה מלאכותית לבצע עבודה מורכבת יותר, מספקים לה הקשר עשיר יותר ומפיקים תוצרים בעלי תוכן משמעותי יותר.

בדוח זה אנו משתמשים בכמות הטוקנים שנוצרו כמדד עקיף לביקוש לבינה מלאכותית. טוקנים אינם מדד ישיר לערך עסקי, אבל הם עוזרים למדוד כמה עבודה העובדים מבקשים מבינה מלאכותית לבצע. לכן הם משמשים מדד עקיף מועיל לעומק השימוש בבינה מלאכותית.

במילים פשוטות: חברות טיפוסיות משתמשות בבינה מלאכותית כדי לקבל תשובות לשאלות; החברות שבחזית משתמשות בה כדי לסייע בביצוע עבודה מורכבת. הן לא רק שולחות יותר הודעות; בכל אינטראקציה מתבצע חלק גדול יותר מהעבודה עצמה. 

יחד, הנתונים האלה מצביעים על כך שהחברות שבחזית משתמשות בבינה מלאכותית לעבודה מורכבת ומאתגרת יותר. מבחינת מנהלים, השאלה כבר אינה רק לכמה אנשים יש גישה לבינה מלאכותית או באיזו תדירות הם משתמשים בה, אלא היכן היא משתלבת עמוק יותר בתהליכי העבודה ומשנה את אופן הפעולה של הצוותים.

החברות שבחזית מתקדמות גם לעבר האצלת משימות.

היתרון הגדול ביותר ניכר בכלים מתקדמים ואג'נטיים. ב־Codex ניכר הפער הגדול ביותר: החברות שבחזית שולחות פי 16 יותר הודעות לעובד מחברות טיפוסיות. סוכן ChatGPT, אפליקציות ב־ChatGPT, מחקר מעמיק ו־GPTs מציגים מגמות דומות. הדבר מצביע על כך שהחברות שבחזית מצליחות יותר באימוץ כלים שעוזרים לעובדים לכתוב קוד, להאציל משימות מרובות שלבים, להיעזר בהקשר הארגוני ולבצע מחקר מורכב יותר.

ככל שמערכות בינה מלאכותית משתפרות בשימוש בכלים, בעבודה על פני קבצים ובסיסי קוד ובהשלמת משימות ממושכות יותר, ארגונים יצטרכו להסתגל להאצלת עבודה משמעותית לסוכני בינה מלאכותית.

החברות שפועלות ראשונות בונות את היכולות התפעוליות הדרושות כדי להשתמש בבינה מלאכותית לא רק כממשק מהיר יותר, אלא כאמצעי לעיצוב מחדש של העבודה מן היסוד.

Cisco משתמשת ב־Codex כדי להאיץ עבודת תוכנה מורכבת במערך ההנדסה הארגוני הגדול שלה. בתהליכי עבודה בסביבת ייצור, Codex סייע לקצר את זמני בניית התוכנה בכ־20%, לחסוך יותר מ־1,500 שעות הנדסה בחודש ולהגדיל פי 10–15 את התפוקה בתיקון תקלות. כפי שניסח זאת הצוות של Cisco, השיפורים הגדולים ביותר הגיעו כשהתייחסו ל־Codex כאל "חלק מהצוות". 

בינה מלאכותית משתלבת גם בתהליכי עבודה בסביבת ייצור ברחבי הארגון.

חברות מטמיעות שימושים מבוססי API בעוזרים בתוך אפליקציות, בכלי כתיבת קוד ופיתוח ובתמיכת לקוחות. אלה תחומים שבהם בינה מלאכותית יכולה להפוך לחלק ממוצרים, משירותים וממערכות פנימיות.

השימוש בבינה מלאכותית נפוץ ביותר בכתיבה ובתקשורת, אך השימושים הייעודיים לתחומי פעילות שונים הולכים ומתרחבים. צוותי IT ואבטחה ממקדים חלק גדול מהשאילתות שלהם בהוראות ביצוע ובהנחיות עבודה; צוותי פיתוח תוכנה ומדעי הנתונים משתמשים בה רבות לכתיבת קוד; וצוותי כספים משתמשים בבינה מלאכותית לניתוח ולחישוב. הדפוס הזה מצביע על כך שבינה מלאכותית מתקדמת מעבר לשיפור הפרודוקטיביות הכללית, אל עבודה הקשורה באופן הדוק יותר לתחומי האחריות המרכזיים של כל יחידה.

אין דירוג יחיד למובילים באימוץ בינה מלאכותית. ענפים מסוימים מובילים באימוץ נרחב של ChatGPT, ואחרים בשימוש ב־Codex, באינטנסיביות השימוש ב־API או בהיקף שליחת ההודעות. לכן לארגונים יש כמה נקודות פתיחה אפשריות: להרחיב את הגישה לכלים, להעמיק את השימוש, לאמץ כלים אג'נטיים או לשלב בינה מלאכותית ישירות במוצרים ובמערכות.

חברת הביטוח Travelers מדגימה איך זה נראה בפועל. עוזר התביעות מבוסס הבינה המלאכותית שלה, שפותח בשיתוף OpenAI, מנחה לקוחות בתהליך הדיווח הראשוני על נזק, עונה על שאלות בנוגע לפוליסה, אוסף את המידע הדרוש לפתיחת תביעה ופותח תביעות ישירות במערכות של Travelers. Travelers צופה שהעוזר יטפל בכ־100,000 שיחות דיווח ראשוני על נזק בשנתו הראשונה.

אין לראות בפער בין החברות שבחזית לחברות טיפוסיות פער שאי אפשר לשנות. ארגונים רבים עדיין נמצאים בשלבים מוקדמים של המעבר מגישה נרחבת לכלים לשימוש מעמיק ומשולב יותר בבינה מלאכותית. הערך שבלמידה מהחברות שבחזית הוא ביכולת לזהות אילו שיטות עבודה עשויות לעזור לחברות לצבור תנופה לאורך זמן.

אחד הסימנים המובהקים ביותר נמצא בתחום ההדרכה והלמידה, שבו היתרון של החברות שבחזית הוא הגדול ביותר ברמת המשימה. הדבר מצביע על כך שחברות מובילות משתמשות בבינה מלאכותית לא רק להשלמת עבודה, אלא גם כדי לעזור לעובדים לפתח את המיומנויות, ההרגלים והביטחון הדרושים לשימוש יעיל בה.

ארגונים יכולים להתקדם אל החזית באמצעות מדידת עומק השימוש, בניית מסגרות ממשל המאפשרות שימוש בסביבת ייצור, התייחסות להכשרה ולתמיכה כתשתית ליבה, זיהוי צוותים מובילים והרחבת השפעתם, ומעבר מצ'אט להאצלת עבודה לסוכנים.

הבינה המלאכותית בארגונים מתפתחת במהירות, ומנהלים זקוקים לנתונים ברורים כדי להבין מה עוזר להפוך את אימוצה לערך עסקי.

B2B Signals עוקב אחר ההתנהלות והדפוסים של חברות מובילות, ומעניק לארגונים תמונה ברורה יותר של האופן שבו חברות אלה הופכות בינה מלאכותית לערך עסקי. 

הפרסום הראשון מתמקד בעומק השימוש, בתהליכי עבודה אג'נטיים ובדפוסים מתהווים במגוון ענפים ותחומי פעילות. עדכונים עתידיים יעקבו אחר ההתקדמות במדדים האלה ויתאימו את הנתונים הנבחנים להתפתחות הבינה המלאכותית בארגונים.