OpenAI B2B signali
Granična prednost počinje se povećavati.
Danas predstavljamo B2B Signale, poslovno proširenje OpenAI Signala koje prati kako se umjetna inteligencija širi među organizacijama. Rani je pokazatelj jasan: granične tvrtke prednjače ne samo zato što imaju pristup umjetnoj inteligenciji, već zato što je dublje koriste u radu.
B2B signali redoviti su skup mjera temeljen na opsežnoj analizi primjene umjetne inteligencije u poduzećima koja štiti privatnost. Prati ponašanja i obrasce koji organizacijama mogu pomoći da shvate kako inteligenciju pretvoriti u poslovnu vrijednost.
Granične tvrtke – one koje djeluju na 95. percentilu upotrebe umjetne inteligencije – upotrebljavaju više inteligencije po radniku, intenzivnije primjenjuju napredne alate i dublje integriraju umjetnu inteligenciju u radne procese. Razlika se za neke tvrtke počinje kumulativno povećavati, a sve više proizlazi iz dubine upotrebe.
Ključne točke
- Granična prednost počinje se povećavati: granične tvrtke sada upotrebljavaju 3,5 puta više inteligencije po radniku nego tipične tvrtke, što je porast u odnosu na 2 puta više prije godinu dana.
- Granične tvrtke dublje upotrebljavaju umjetnu inteligenciju, a ne samo češće: obujam poruka objašnjava samo 36 % jaza između graničnih i tipičnih tvrtki. Većina granične prednosti proizlazi iz dublje upotrebe.
- Agentski tijekovi rada postaju pokazatelj graničnog usvajanja: jaz je najveći u upotrebi naprednih agentskih alata, pri čemu granične tvrtke šalju 16 puta više poruka u Codexu nego tipične tvrtke.
- Tvrtke mogu premostiti granični jaz organizacijskim promjenama: Kako bi ih sustigle, tvrtke trebaju mjeriti dubinu upotrebe, dati prioritet upravljanju, ulagati u osposobljavanje, proširiti ono što funkcionira i prijeći s pomoći putem chata na delegiranje posla agentima.
Dubina
Granična prednost počinje se povećavati, a tvrtke koje najdublje upotrebljavaju AI povećavaju svoju prednost
Implementacija licenci samo je početna točka za velika poduzeća. Jasniji pokazatelj jest upotrebljavaju li zaposlenici AI za dublji, složeniji rad. Ovaj grafikon uspoređuje broj tokena koji su generirani po radniku na granici, definiranoj kao 95. percentil, s tipičnom tvrtkom, definiranom kao 50. percentil.
Tokeni su nesavršena mjera poslovne vrijednosti. Kratak odgovor može biti vrlo vrijedan, a dug odgovor može imati malu vrijednost. No količina tokena pomaže izmjeriti koliki dio posla zaposlenici povjeravaju AI-ju, što ga čini korisnim posrednim pokazateljem dubine upotrebe AI-ja i razine inteligencije koju zaposlenici očekuju od AI-ja.
Granična tvrtka zahtijeva 3,5 puta više inteligencije po radniku nego tipična tvrtka. Taj se jaz povećao s 2 puta u travnju 2025., što sugerira da tvrtke koje najdublje upotrebljavaju AI povećavaju svoju prednost i u boljem su položaju da pretvore nove potencijale AI-ja u dublji i složeniji rad.
Većina granične prednosti proizlazi iz dublje upotrebe, a ne iz većeg obujma poruka
Granična tvrtka zahtijeva znatno više inteligencije po radniku nego tipična tvrtka, ali većina tog jaza ne može se objasniti samo količinom poruka. Sljedeći grafikon raščlanjuje 3,5 puta veću prednost graničnih tvrtki i pokazuje da, kada bi tipična tvrtka slala poruke istom stopom kao granične tvrtke, zatvorila samo 36 % jaza od 3,5 puta.
Preostali nedostatak povezan je s dubljom upotrebom. Radnici na granici traže od AI-ja da preuzme složeniji posao, pruže modelima bogatiji kontekst i generiraju sadržajnije rezultate.
Širina
Granična prednost najveća je u naprednim i agenata alatima, pri čemu prednjači 16 puta veća upotreba Codexa
Granična prednost najveća je za alate koji podržavaju naprednije radne tijekove. Codex pokazuje najveću razliku, pri čemu granični radnici šalju 16 puta više poruka po radniku. ChatGPT agent, Aplikacije u ChatGPT‑u, Dubinsko istraživanje i GPT‑ovi također pokazuju relativno velike razlike, što upućuje na to da su granični modeli bolji u iskorištavanju alata koji zaposlenicima pomažu kodirati, delegirati višekoračne zadatke, primjenjivati kontekst tvrtke i provoditi složenija istraživanja.
Nasuprot tome, općenitiji i pristupačniji alati kao što su Korisničko učitavanje, Pretraživanje i Analiza podataka pokazuju manju graničnu prednost. Ti su alati većini tvrtki jednostavniji za korištenje jer proširuju poznate radne tijekove. Granična prednost najizraženija je kod naprednih i agentskih alata, gdje usvajanje zahtijeva više stručnosti, povezanost sa znanjem i alatima na radnom mjestu te veću sigurnost pri delegiranju posla AI-ju.
Najveća granična prednost nalazi se u obrazovanju i učenju
Granična prednost tvrtki najveća je kod zadataka obrazovanja i učenja, pri čemu granična tvrtka šalje 7 puta više poruka od tipične tvrtke. Na granici, tvrtke upotrebljavaju AI kako bi zaposlenicima pomogle u izgradnji vještina i učenju novih tema. Uz to upotrebljavaju AI kako bi poboljšali svoje razumijevanje samog AI-ja, uključujući što može AI činiti, kako ga dobro upotrebljavati i gdje se može uklopiti u postojeće tijekove rada. Veličina tog jaza ukazuje na to da tipična tvrtka možda nedovoljno iskorištava AI kao alat za učenje i razvoj radne snage.
Programiranje također pokazuje velik jaz od 4x, u skladu sa širim jazom u upotrebi naprednih i agentskih alata. Smjernice s praktičnim uputama te pisanje i komunikacija imaju najmanje granične jazove, vjerojatno zato što su ti zadaci pristupačnije i poznatije primjene umjetne inteligencije.
Za uklanjanje jaza u potencijalu potrebno je osposobljavanje, a ne samo pristup. OpenAI-jevi resursi za poduzeća i OpenAI Academy uključuju praktične vodiče, materijale za obuku i resurse za uvođenje kako bi timovima pomogli da s povjerenjem usvoje umjetnu inteligenciju.
Upotreba AI-ja najraširenija je u pisanju, ali raste upotreba po pojedinim funkcijama
Pisanje i komunikacija i dalje su najčešći način upotrebe ChatGPT‑a. No obrasci upotrebe značajno se razlikuju ovisno o funkciji. Oko 60 % poruka iz područja IT-ja i sigurnosti koncentrirano je na praktične upute i proceduralne smjernice, gotovo polovica poruka iz područja razvoja softvera te podatkovne znanosti i inženjerstva vezana je uz kodiranje, a desetina poruka iz područja financija vezana je uz analizu i izračune.
Ti obrasci u skladu su sa širim dokazima da modeli na granici napreduju u ekonomski vrijednim radnim zadacima. GDPval, evaluacija stvarnog rada temeljenog na znanju u 44 zanimanja, mjeri izvedbu na zadacima koji proizvode praktične radne rezultate kao što su dokumenti, proračunske tablice, slajdovi, dijagrami i multimedijski sadržaji. Kako umjetna inteligencija postaje sposobnija, čini se da se njezina upotreba u poduzećima širi na zadatke koji su tješnje povezani s ključnim poslovima svake poslovne funkcije.
Vrsta zadatka u poslovnom kontekstu
| Poslovni kontekst | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Zadaci ChatGPT-a | ||||||||||||
| Pisanje i komunikacija | ||||||||||||
| Upute i postupovne smjernice | ||||||||||||
| Informacije | ||||||||||||
| Analiza i izračuni | ||||||||||||
| Savjet | ||||||||||||
| Kreativni mediji | ||||||||||||
| Trgovina | ||||||||||||
| Kodiranje | ||||||||||||
| Obrazovanje i učenje | ||||||||||||
Doseg
Vodeća pozicija u industriji nije jednodimenzionalna: različiti sektori prednjače u ChatGPT‑u, Codexu i API-ju
Ne postoji jedinstvena rang lista usvajanja AI-ja. Poredak djelatnosti razlikuje se ovisno o korištenom mjerilu. Sektor profesionalnih, znanstvenih i tehničkih usluga zauzima prvo mjesto i po usvajanju Codexa i po intenzitetu upotrebe API-ja, što ukazuje na relativno naprednu primjenu u tijekovima rada za razvojne inženjere i onima integriranima u proizvode. Financije i osiguranje predvode u usvajanju ChatGPT‑a zbog implementacija velikog opsega, dok obrazovne usluge imaju najviši intenzitet poruka, što upućuje na dublju upotrebu po osobi. Maloprodajna trgovina i zdravlje visoko se rangiraju prema intenzitetu API-ja, unatoč nižem poretku prema drugim mjerilima.
Te razlike upućuju na to da vodstvo u industriji nije jednodimenzionalno. Čini se da neki sektori usvajaju umjetnu inteligenciju putem tehničkih i razvojnih radnih procesa, dok drugi povećavaju opseg primjene širokim usvajanjem ChatGPT‑a ili intenzivnijim korištenjem među krajnjim korisnicima.
Poredak industrija prema metrici usvajanja AI-ja
| Djelatnosti | ||||
|---|---|---|---|---|
| Financije i osiguranje | 1+1 | 10-4 | 30 | 60 |
| Informacije | 2-1 | 20 | 20 | 4-1 |
| Profesionalne, znanstvene i tehničke usluge | 30 | 10 | 10 | 10 |
| Umjetnost, zabava i rekreacija | 40 | 4-1 | 50 | 3+1 |
| Režije | 50 | 80 | 90 | 90 |
| Izgradnja | 6-1 | 50 | 10-1 | 10-1 |
| Nekretnine, najam i leasing | 7-1 | 7+1 | 11-1 | 80 |
| Proizvodnja | 8-1 | 3+1 | 40 | 70 |
| Zdravlje i socijalna skrb | 90 | 90 | 6+1 | 50 |
| Maloprodaja | 10-2 | 11-1 | 7-1 | 20 |
| Javna uprava | 11-1 | 6+1 | 80 | 11-1 |
Poduzeća uvode upotrebu API-ja u produkcijske radne tijekove i aplikacije usmjerene prema korisnicima
Tvrtke sve više upotrebljavaju API za izravnu integraciju modela u proizvode, usluge i interne sustave. Uobičajeni primjeri upotrebe u produkciji uključuju asistente unutar aplikacija, alate za kodiranje i razvoj, korisničku podršku, istraživačke tijekove rada i automatizaciju tijekova rada.
Takve implementacije pokazuju kako umjetna inteligencija u poduzećima prelazi iz faze eksperimentiranja u ponovljive tijekove rada s mjerljivim operativnim učinkom. Na primjerima korisnika, tvrtke upotrebljavaju OpenAI modele za ubrzanje obrade znanja, povećanje inženjerske propusnosti i stvaranje iskustava temeljenih na umjetnoj inteligenciji za korisnike i zaposlenike.
Najčešći slučajevi upotrebe API-ja po industriji
Profesionalne usluge
Asistenti za znanje i pretraživanje (npr. alati za pitanja i odgovore, asistenti za istraživanje, interni asistenti za znanje)
Korisnička i prodajna podrška (npr. korisnička podrška, glasovni agenti i agenti za chat, prodajna pomoć)
Analiza podataka, sažimanje i izdvajanje (npr. analiza podataka o tvrtkama, tržišna inteligencija, označavanje i usklađivanje transakcija)
Kodiranje i alati za razvojne programere (npr. alati za evaluaciju modela, pomoćnici za kodiranje, alati za automatizaciju tijeka rada)
Financije i osiguranje
Analiza podataka, sažimanje i izdvajanje (npr. izdvajanje podataka, analiza računa i troškova, istraživanje ulaganja)
Generiranje dokumenata i radnih tijekova (npr. automatizirano upravljanje troškovima, izrada sažetaka istraživanja, optimizacija radnih tijekova)
Asistenti za znanje i pretraživanje (npr. asistenti za investicijske strategije, pretraživanje pravilnika, asistenti specifični za uloge.)
Korisnička i servisna podrška (npr. glasovni i chat agenti za korisničku podršku, osobni bankarski asistenti, klasifikacija sentimenta)
Informacije
Kodiranje i alati za programere (npr. asistenti za programiranje, alati za testiranje softvera, alati za automatizaciju weba)
Asistenti za znanje i pretraživanje (npr. asistenti unutar proizvoda, interni alati za pretraživanje, asistenti za dokumentaciju)
Korisnička i servisna podrška (npr. glasovni i chat agenti u korisničkoj podršci, višekanalna automatizacija korisničke podrške)
Generiranje sadržaja, medija i dizajna (npr. generiranje resursa robne marke, marketinški alati)
Cisco upotrebljava Codex kako bi ubrzao složen rad na softveru u velikoj poslovnoj inženjerskoj organizaciji. U produkcijskim tijekovima rada Codex je pomogao skratiti vrijeme izgradnje za oko 20 %, uštedjeti više od 1500 inženjerskih sati mjesečno i povećati propusnost otklanjanja pogrešaka od 10 do 15 puta. Kako je to Ciscov tim rekao, najveće su pomake ostvarili kad su Codex počeli tretirati kao „dio tima”.
Rakuten uveo je Codex u inženjerske operacije i isporuku softvera, čime se prosječno vrijeme oporavka smanjilo za približno 50 % i timovima omogućilo da dvostruko brže rješavaju probleme u produkciji. Rakuten također upotrebljava Codex za automatizirani pregled kôda i provjere ranjivosti usklađene s internim standardima, čime pomaže ubrzati objavu izdanja bez ugrožavanja sigurnosti. Na složenim projektima, Codex može djelomične zahtjeve pretvoriti u funkcionalne implementacije cijelog stoga, čime se vremenski planovi skraćuju s tromjesečja na tjedne.
Balyasny Asset Management upotrebljava OpenAI za ubrzavanje investicijskih istraživanja u cijeloj velikoj, specijaliziranoj organizaciji koja obavlja rad temeljen na znanju. Njihovu vlasničku AI istraživačku platformu upotrebljava otprilike 95 % investicijskih timova i ona pomaže skratiti istraživačke radne tijekove s nekoliko dana na nekoliko sati. Na primjer, tijek rada za analizu govora središnje banke koji je prije trajao dva dana sada traje oko 30 minuta, što analitičarima pomaže da brže zaključuju na temelju podnesaka, transkripata, istraživačkih izvješća i tržišnih podataka.
Posjetite našu stranicu s pričama korisnika za više primjera.
Što organizacije mogu učiniti kako bi dosegnule graničnu razinu
OpenAI surađuje s poduzećima u različitim industrijama, poslovnim funkcijama i fazama zrelosti umjetne inteligencije, što nam daje uvid u to kako se usvajanje razvija od eksperimentiranja do produkcije. U svim tim implementacijama tvrtke koje najviše napreduju obično se manje usredotočuju na sam pristup, a više na organizacijske sustave potrebne za dubinsku upotrebu umjetne inteligencije: mjerenje, upravljanje, osposobljavanje, širenje učinka i implementaciju sustava izvršitelja.
Pet praksi ističe se kao praktični koraci koje svaka organizacija može već danas početi poduzimati kako bi produbila usvajanje umjetne inteligencije.
- Mjerite dubinu upotrebe, a ne samo pristup.
Relevantan pokazatelj nije samo koliko zaposlenika ima račune za umjetnu inteligenciju, već upotrebljavaju li timovi umjetnu inteligenciju s vremenom sve značajnije. Organizacije bi trebale pratiti postaje li upotreba umjetne inteligencije učestalija, složenija i tješnje povezana s vrijednim tijekovima rada. - Izgradite upravljanje koje omogućuje upotrebu u produkciji.
Vodeće tvrtke ne izbjegavaju upravljanje. To upotrebljavaju kako bi agentski AI učinili lakšim za implementaciju. Tvrtkama su potrebna jasna pravila o tome gdje agenti mogu djelovati, koje informacije mogu upotrebljavati, kada bi trebali savjetovati umjesto da poduzimaju radnje te kako ljudi pregledavaju odluke s većim rizikom. Granične tvrtke definiraju te standarde kao dio procesa implementacije, pa upravljanje postaje način za sigurno proširenje usvajanja, umjesto da ga usporava. - Tretirajte omogućavanje kao ključnu infrastrukturu, a ne kao sporedni projekt.
Kako se mogućnosti umjetne inteligencije poboljšavaju i zaposlenicima i organizacijama potrebni su sustavi koji im pomažu pratiti tempo. Granične tvrtke osposobljavanje ne smatraju jednokratnom edukacijskom inicijativom. Oni ugrađuju kontinuirano učenje u implementaciju putem obuka prilagođenih ulogama, radionica o slučajevima upotrebe, hackathona, internih mreža ambasadora, namjenskog vremena za eksperimentiranje i zajedničkih repozitorija radnih tijekova, najboljih praksi i vještina. - Identificirajte svoje granične timove i povećajte njihov utjecaj.
U mnogim organizacijama najnaprednija upotreba koncentrirana je u malom broju timova. Ti timovi mogu otkriti koji tijekovi rada, navike i operativni modeli funkcioniraju. Rukovoditelji bi trebali identificirati te timove, razumjeti uvjete koji stoje iza njihova uspjeha i primijeniti ih u širem opsegu te im pomoći da s ostatkom tvrtke podijele uvide i primjere dublje uporabe umjetne inteligencije. - Prijeđite s chata na delegiranje posla.
AI za poduzeća prelazi s asistenata za čavrljanje na posao koji se može delegirati agentima. Softversko inženjerstvo pokazuje taj trend, ali delegirani posao širi se i na druge funkcije. S Codexom inženjeri mogu prepustiti definirani zadatak, dati agentu potreban kontekst, pustiti ga da radi u različitim datotekama, bazama koda i alatima, a zatim pregledati rezultat i poboljšati tijek rada povratnim informacijama. Granične tvrtke potiču radnike da zadatke delegiraju umjetnoj inteligenciji, umjesto da je jednostavno koriste kao statičnog asistenta.
Sve analize u tom izvješću temelje se na deidentificiranim, agregiranim podacima o upotrebi u poduzećima. Sadržaj poruke klasificiran je upotrebom automatiziranih sustava, a nijedan zaposlenik OpenAI-ja nije pregledao pojedinačne podatke korisnika planova Enterprise i Business te API-ja u sklopu te analize.
Ako želite istražiti sve nalaze ili saznati kako odgovorno uvesti umjetnu inteligenciju u svoju organizaciju, [voljeli bismo kontaktirati s vama].
Otkrijte više
Istraživanje i analiza
Istraživanje i analiza o usvajanju umjetne inteligencije i njezinom utjecaju na gospodarstvo i društvo.