מדדים ארגוניים: מה החברות שבחזית עושות אחרת

בינה מלאכותית בארגונים נכנסת לשלב חדש: יותר עבודה מואצלת לסוכנים, והחברות המתקדמות ביותר מגדילות את הפער. לחברות שבחזית יש גישה לאותם מודלי בינה מלאכותית כמו לארגונים אחרים, אך הן מעמיקות את השימוש בהם מהר יותר. מה שמייחד אותן הוא האופן שבו הן רותמות את המודלים לעבודה: מעבר מסיוע להאצלת משימות, מתן ההקשר והכלים הדרושים לסוכנים להשלמת משימות מורכבות, והאצת השימוש ב-agentic AI מעבר לפיתוח תוכנה.

המחקר שלנו על האופן שבו סוכנים משנים את העבודה ב-OpenAI מציע הצצה מוקדמת לאופן שבו השינוי הזה עשוי להיראות בארגון שבינה מלאכותית היא חלק מהותי ממנו. המדדים הארגוניים מרחיבים את המבט לכלל הלקוחות הארגוניים של OpenAI ברחבי העולם, ומראים כיצד עבודה אג'נטית מתפשטת בארגונים ומה מבדיל בין החברות שבחזית לשאר החברות.

במהדורה זו של המדדים הארגוניים אנו מראים שהחברות שבחזית — אלה שבעשירון העליון של השימוש בבינה מלאכותית בכל חודש — מרחיבות את הפער מהחברות הטיפוסיות, שנמצאות ב-10% האמצעיים. אנו בוחנים מה החברות שבחזית עושות אחרת ומה ארגונים יכולים לעשות כדי לצמצם את הפער.

תובנות מרכזיות:

• השימוש בארגונים נעשה אג'נטי יותר. נכון ליוני, Codex ייצר 64% מסך טוקני הפלט של Codex ו-ChatGPT בקרב לקוחות ארגוניים. הנתון מצביע על כך שסוכנים מאפשרים מעבר להאצלת עבודה משמעותית יותר.

• הפער מהחברות שבחזית הולך ומתרחב. חברות שבחזית — אלה שבעשירון העליון של השימוש בבינה מלאכותית בכל חודש — מייצרות כעת פי 8.3 טוקני פלט למשתמש פעיל בהשוואה לחברות טיפוסיות, לעומת פי 2.6 בינואר.

• חברות שבחזית משתמשות ביכולות מתקדמות בתדירות גבוהה יותר. בכל שבוע, 21% מהמשתמשים הפעילים בחברות שבחזית משתמשים בתוספים, לעומת 9% בחברות טיפוסיות. ב-OpenAI,‏ 95% מהעובדים משתמשים בתוספים מדי שבוע, נתון שממחיש את הפוטנציאל להעמקת האימוץ.

• השימוש בסוכנים מתרחב לתחומי עבודת ידע שונים. מאז פברואר, מספר משתמשי Codex הארגוניים הפעילים מדי שבוע גדל פי 108 בתחום המשפטי, פי 41 במכירות, פי 41 בגיוס עובדים ופי 26 בשיווק, לעומת פי 5 בהנדסה.

בינה מלאכותית בארגונים עוברת ממתן תשובות לביצוע עבודה. השינוי הזה החל להתבסס בהנדסת תוכנה עם Codex. כעת, ChatGPT Work מרחיב את השימוש ב-agentic AI אל מעבר למפתחים, ומאפשר לעובדים ברחבי הארגון לעבור מבקשת עזרה להאצלת משימות משמעותיות.

נכון ליוני 2026, השימוש ב-agentic AI (המוגדר כטוקנים של Codex) היווה 64% מסך טוקני הפלט של Codex ו-ChatGPT בקרב לקוחות ארגוניים. גם ChatGPT וגם agentic AI מבוססים על אותם מודלי חזית; ההבדל הוא באופן שבו היכולות האלה נרתמות לעבודה.

ChatGPT עוזר לאנשים לשאול שאלות, לפתח רעיונות ולהתמודד עם בעיות. agentic AI (כמו Codex ו-ChatGPT Work) מעניק למודל כלים לעבודה במחשב שלכם, ומאפשר לו למצוא מידע, לערוך קבצים ולבצע משימות מרובות שלבים באופן עצמאי או תחת פיקוח. השלמת משימות מורכבות וממושכות עשויה לדרוש משאבי חישוב רבים יותר באופן משמעותי, וזה מסייע להסביר את הצמיחה המהירה בשימוש בטוקנים אג'נטיים.

בכל חודש אנו מדרגים לקוחות ארגוניים לפי מספר טוקני הפלט למשתמש פעיל. החברות שבחזית הן אלה שבעשירון העליון באותו חודש, ואילו החברות הטיפוסיות נמצאות בין האחוזון ה-45 לאחוזון ה-55. נכון ליוני, חברות שבחזית ייצרו פי 8.3 טוקני פלט למשתמש פעיל בהשוואה לחברות טיפוסיות — גידול של פי שלושה לעומת הפער של פי 2.6 בינואר.

הפער מהחברות שבחזית ניכר גם בתעשיות שונות: הפער הגדול ביותר בשימוש בטוקנים הוא בתחום המידע והטכנולוגיה (פי 11.7), והקטן ביותר הוא בייצור (פי 5.3). לעומת זאת, השימוש בטוקנים בקרב חברות טיפוסיות דומה בתעשיות השונות, עם צמיחה מתונה יחסית בשנה האחרונה (פי 1.9 עד פי 2.8). הדבר מצביע על כך שארגונים רבים עדיין משתמשים בעוזרי צ'אט פשוטים, ושנותר מרחב משמעותי להעמקת האימוץ ולשימוש בסוכנים לביצוע עבודה מורכבת יותר.

טוקנים אינם מדד מושלם לערך עסקי: תשובה קצרה עשויה להיות בעלת ערך רב, בעוד שתשובה ארוכה עשויה לתרום מעט. אבל כמות הטוקנים משמשת מדד עקיף שימושי לעומק השימוש בבינה מלאכותית ולהיקף העבודה שעובדים מבקשים ממנה לקחת על עצמה.

חברות מובילות מעמיקות את השימוש בבינה מלאכותית משום שהן מיישמות אותה לפתרון בעיות קונקרטיות בתוך הארגון ובתעשיות שבהן הן פועלות.

היישומים הראשונים של בינה מלאכותית בארגונים נועדו לשימוש פנימי, וסייעו לעובדים למצוא מידע, לנסח מסמכים, לנתח נתונים, לכתוב קוד ולהפוך תהליכים שגרתיים לאוטומטיים. חברות מובילות מרחיבות יותר ויותר את השימוש בבינה מלאכותית מעבר לשיפור הפרודוקטיביות הפנימית, אל מוצרים, שירותים וחוויות המיועדים ללקוחות.

כדי להיות יעילים, סוכני בינה מלאכותית זקוקים לגישה להקשר ולכלים המתאימים. תוספים⁠(נפתח בחלון חדש) מאגדים יכולות שעוזרות לסוכנים להשלים תהליכי עבודה מסוימים. הם יכולים לשלב מיומנויות המספקות הוראות לשימוש חוזר עם יישומים המתחברים לנתוני החברה, לכלים ולפעולות. למשל, תוסף מכירות יכול לשלב את מדריך העבודה של הצוות עם גישה למערכת ה-CRM שלו, ולאפשר לסוכן להשתמש במידע עדכני על לקוחות ובהצעות קודמות כדי להכין מענה מותאם אישית לבדיקה.

לחברות שבחזית יש יתרון ברור בשימוש ביכולות מתקדמות. מבין המשתמשים הפעילים מדי שבוע בחברות שבחזית, 21% משתמשים בתוספים ו-19% במיומנויות, לעומת 9% ו-3% בלבד בחברות טיפוסיות. עם זאת, רמת האימוץ בחברות שבחזית משקפת רק חלק קטן מהפוטנציאל. השימוש הפנימי ב-OpenAI ממחיש את הפוטנציאל להעמקת השימוש ביכולות האלה: 95% מהמשתמשים הפעילים משתמשים בתוספים מדי שבוע. המחקר שלנו על האופן שבו סוכנים משנים את העבודה מציע מבט מעמיק יותר על השימוש של עובדי OpenAI ביכולות מתקדמות.

סוכני בינה מלאכותית זקוקים לשלושה דברים כדי להשלים עבודה משמעותית: הקשר, כלים והתמדה. זיכרון, קלט קולי וצילומי יישומים עוזרים לעובדים לשתף בקלות את ההקשר והמידע הנחוצים להשלמת משימה בהצלחה. שימוש במחשב ובדפדפן מאפשר לסוכנים לנווט באתרים, ליצור קבצים ולהשלים משימות באופן עצמאי או תחת פיקוח. מטרות ולולאות מאפשרות לסוכנים להמשיך לעבוד עד להשלמת המשימה. יחד, היכולות האלה עוזרות לחברות שבחזית לממש את הפוטנציאל של סוכנים.

מתן גישה לסוכנים למערכות החברה יוצר גם סיכונים חדשים. חברות שבחזית קובעות כללים ברורים לגבי המקומות שבהם סוכנים רשאים לפעול, המידע שאליו יש להם גישה, המועד שבו הם רשאים לבצע פעולות והאופן שבו אנשים בוחנים החלטות בסיכון גבוה יותר. מנגנוני הבקרה האלה חייבים להתפתח ככל שארגונים לומדים מהטמעות בפועל.

חברות שבחזית הופכות גם למידה והתנסות מתמשכות לחלק מהעבודה היומיומית. סדנאות פיתוח מעשיות, פורומים לשיתוף תרחישי שימוש חדשים והצגות פנימיות של פרויקטים עוזרים להפיץ שיטות עבודה מוצלחות בין צוותים ותחומי פעילות.

מפתחי תוכנה היו בין הראשונים לאמץ סוכני בינה מלאכותית, אך כעת הצמיחה המהירה ביותר מגיעה מעובדי ידע במגוון תחומים. מאז פברואר, מספר משתמשי Codex הארגוניים הפעילים מדי שבוע גדל פי 108 בתחום המשפטי, פי 41 במכירות, פי 41 בגיוס עובדים ופי 26 בשיווק, לעומת פי 5 בקרב מהנדסים. 

לא במקרה תחום התוכנה התקדם ראשון. בסיסי קוד מספקים לסוכנים הקשר ברור, בדיקות מקלות על אימות התוצרים, וההתקדמות בכתיבת קוד מסייעת להאיץ מחקר ופיתוח של בינה מלאכותית. בשנתיים האחרונות עברו מפתחים משימוש בבינה מלאכותית להשלמת שורות קוד בודדות להפקדת משימות פיתוח תוכנה שלמות בידי סוכנים. מפתחים רבים כבר אינם כותבים קוד ידנית, ובמקום זאת מקדישים את זמנם להגדרת משימות, לתיאום בין סוכנים ולבדיקת התוצאות.

לעומת זאת, ההתקדמות בעבודת ידע כללית הייתה איטית יותר, משום שבמשימות רבות ההקשר מוגבל, קשה להגדיר במדויק את הדרישות ואין קריטריונים ברורים לאימות התוצאה. אבל המשך ההגדלה של קנה המידה, ההתקדמות בלמידת חיזוק והמאמצים הממוקדים לשיפור הביצועים במבחני הערכה כגון GDPval מאפשרים למודלי חזית להתמודד עם יותר משימות, כלים וסביבות עבודה מהעולם האמיתי. כתוצאה מכך, מאז תחילת השנה agentic AI נותן מענה הולך ומשתפר לצורכיהם של עובדי ידע במגוון תחומים.

מדגם של יותר מ-10 מיליון הודעות מראה שבינה מלאכותית בארגונים עוברת מסיוע לעובדים ביצירת תוצרים לסיוע לצוותים בביצוע העבודה. גם בתוך אותו תחום פעילות, דפוסי השימוש בצ'אט וב-agentic AI שונים מאוד.

כתיבה נותרה השימוש הנפוץ ביותר ב-ChatGPT, ואילו כתיבת קוד ותפעול מערכות או סוכנים מהווים יחד כמעט 75% מההודעות האג'נטיות. השינוי הזה בולט במיוחד מחוץ לצוותים הטכניים המסורתיים: בגיוס עובדים (32%), במכירות (26%), במדיניות (25%) ובתקשורת (24%), בין רבע לשליש מההודעות מוקדשות לתפעול מערכות וסוכנים. גם העבודה הטכנית מתרחבת לתחומי פעילות נוספים: כתיבת קוד מהווה כמעט 60% מההודעות האג'נטיות בתחום העיצוב.

אין דירוג יחיד של המובילים באימוץ בינה מלאכותית. דירוג התעשיות משתנה בהתאם למדד שנבחר. בחודש האחרון, תחום השירותים המקצועיים והמדעיים הוביל הן באימוץ Codex והן בעצימות השימוש ב-API. תחום האמנות, הבידור והפנאי הוביל באימוץ ChatGPT, ואילו בתעשיית הייצור נרשמה עצימות השימוש הגבוהה ביותר ב-ChatGPT, למרות דירוגה במקום האחרון בעצימות השימוש ב-Codex וב-API.

התעשיות השונות אינן הולכות באותו מסלול לאימוץ בינה מלאכותית. חלקן מתקדמות באמצעות כלי פיתוח ומוצרים מבוססי בינה מלאכותית, ואילו באחרות מתרחב השימוש היומיומי או נעשה אינטנסיבי יותר.

בינה מלאכותית יוצרת דרכים חדשות לארגונים לספק מוצרים ושירותים, ובה בעת משנה גם את סביבת האבטחה. מעטים הסיכונים המיידיים יותר מסיכוני סייבר, במיוחד לאור קצב ההתפתחות המהיר של יכולות הבינה המלאכותית בתחום.

בינה מלאכותית יכולה גם לסייע לצוותי ההגנה להגיב. מודלים יכולים לנתח בסיסי קוד גדולים, לחקור חולשות אבטחה ולתמוך בעבודת אבטחה מרובת שלבים. אבל זיהוי של יותר בעיות אינו הופך מערכות לבטוחות יותר באופן אוטומטי. צוואר הבקבוק האמיתי הוא תרגום הממצאים לפעולה: קביעה אילו חולשות אמיתיות, תעדוף הסיכונים המשמעותיים ביותר, בדיקת תיקונים והבטחה שצוותי האבטחה יבדקו ויטמיעו אותם במהירות. 

OpenAI Daybreak משלבת מודלי חזית לאבטחת סייבר, כלי אבטחה ארגוניים ורשת שותפים, כדי לסייע לארגונים להתמודד עם האתגרים האלה ולחזק את ההגנה שלהם מפני איומים מתפתחים.

המשימה של OpenAI היא להבטיח שבינה מלאכותית תועיל לאנושות כולה. ארגונים יעצבו חלק ניכר מההשפעה הכלכלית של בינה מלאכותית. לכן אנו מפרסמים באופן קבוע את המדדים הארגוניים — סדרת מדדים תקופתית העוקבת אחר האימוץ, ההתפשטות וההשפעה של בינה מלאכותית בארגונים. כל הניתוחים בדוח זה מבוססים על נתוני שימוש ארגוניים מצטברים שהוסרו מהם פרטים מזהים. השתמשנו במערכות אוטומטיות לסיווג תוכן ההודעות, ואף עובד של OpenAI לא עיין בהודעות של לקוחות.

לקוחות OpenAI Enterprise יכולים גם לבקש השוואה מותאמת אישית כדי לראות כיצד הארגון שלהם מדורג לפי מדדי השימוש והיכולות העדכניים ביותר.