Signali poduzeća: što granične tvrtke rade drugačije

AI u poduzećima ulazi u novu fazu: sve se više posla delegira agentima, a tvrtke koje su najviše odmaknule dodatno povećavaju svoju prednost. Granične tvrtke imaju pristup istim modelima AI-ja kao i druga poduzeća, ali znatno brže proširuju njihovu primjenu. Izdvaja ih način na koji te modele primjenjuju: prelaze s pružanja pomoći na delegiranje, daju agentima kontekst i alate potrebne za obavljanje složenih zadataka te ubrzavaju primjenu AI-ja s mogućnostima agenata i izvan razvoja softvera.

Naše istraživanje o tome kako agenti mijenjaju način rada u tvrtki OpenAI pruža rani uvid u to kako ta promjena može izgledati u organizaciji kojoj je AI u temelju poslovanja. Enterprise Signals proširuje pogled na globalnu bazu poslovnih korisnika tvrtke OpenAI te pokazuje kako se rad putem agenata širi organizacijama i po čemu se granične tvrtke razlikuju od ostalih.

U ovom izdanju izvješća Enterprise Signals pokazujemo da granične tvrtke, odnosno one koje su svakog mjeseca među 10 % najvećih korisnika AI-ja, sve više odmiču tipičnim tvrtkama, onima u središnjih 10 %. Istražujemo što granične tvrtke rade drukčije i kako organizacije mogu smanjiti taj jaz.

Ključni zaključci:

• Upotreba AI-ja u poduzećima sve se više temelji na agentima. U lipnju je Codex generirao 64 % ukupnih izlaznih tokena koje su među poslovnim korisnicima zajedno generirali Codex i ChatGPT, što upućuje na to da agenti omogućuju prijelaz na zahtjevniji rad koji im se delegira.
• Jaz između graničnih i ostalih tvrtki raste. Granične tvrtke, odnosno one koje su svakog mjeseca među 10 % najvećih korisnika AI-ja, sada generiraju 8,3× više izlaznih tokena po aktivnom korisniku od tipičnih tvrtki, u odnosu na 2,6× u siječnju.
• Granične tvrtke češće primjenjuju napredne mogućnosti. Svakog tjedna dodatke upotrebljava 21 % aktivnih korisnika u graničnim tvrtkama, u usporedbi s 9 % u tipičnim tvrtkama. U tvrtki OpenAI dodatke tjedno upotrebljava 95 % zaposlenika, što pokazuje potencijal za njihovu širu primjenu.
• Agenti se šire različitim područjima intelektualnog rada. Od veljače se broj tjedno aktivnih poslovnih korisnika sustava Codex povećao 108× u pravnim poslovima, 41× u prodaji, 41× u zapošljavanju i 26× u marketingu, u usporedbi s povećanjem od 5× u inženjerstvu.

AI za poduzeća prelazi s odgovaranja na pitanja na obavljanje posla. Taj se pomak prvo učvrstio u softverskom inženjerstvu s Codexom. Sada ChatGPT Work širi AI s mogućnostima agenata izvan programerskih i omogućuje zaposlenicima u cijelom poduzeću da prijeđu s traženja pomoći na delegiranje konkretnih zadataka.

Od lipnja 2026. upotreba AI-ja s mogućnostima agenata (definirana kao Codex tokeni) činila je 64 % kombiniranih izlaznih Codex i ChatGPT tokena među poslovnim korisnicima. I ChatGPT i AI s mogućnostima agenata koriste iste temeljne granične modele; razlika je u tome kako se ta inteligencija primjenjuje u praksi.

ChatGPT pomaže ljudima postavljati pitanja, razvijati ideje i rješavati probleme. AI s mogućnostima agenata (kao što su Codex i ChatGPT Work) modelu daje alate za rad s vašim računalom, omogućujući mu da pronalazi informacije, uređuje datoteke i obavlja višekoračne zadatke autonomno ili pod nadzorom. Izvršavanje složenih, dugotrajnih zadataka može zahtijevati znatno više računalne obrade, što pomaže objasniti zašto je upotreba agentskih tokena brzo porasla.

Svakog mjeseca rangiramo poslovne korisnike prema izlaznim token po aktivnom korisniku. Granične tvrtke su one u prvih 10 % tog mjeseca, dok se tipične tvrtke nalaze između 45. i 55. percentila. U lipnju su granične tvrtke generirale 8,3 × više izlaznih tokena po aktivnom korisniku od tipičnih tvrtki, što je trostruko povećanje u odnosu na jaz od 2,6× u siječnju.

Granični jaz proteže se i na djelatnosti, pri čemu je najveći jaz u upotrebi tokena u informacijama i tehnologiji (11,7 ×), a najmanji u proizvodnji (5,3 ×). Nasuprot tome, upotreba tokena među tipičnim tvrtkama slična je u svim djelatnostima, uz razmjerno skroman rast tijekom protekle godine (1,9 × do 2,8 ×). To sugerira da mnoge organizacije još uvijek koriste jednostavne asistente za čavrljanje, čime ostaje znatan prostor za produbljivanje primjene i korištenje agenata za obavljanje složenijeg posla.

Tokeni su nesavršena mjera poslovne vrijednosti: kratak odgovor može biti vrlo vrijedan, dok dugi odgovor može pridonijeti malo. Ipak, količina tokena korisni je posredni pokazatelj dubine upotrebe umjetne inteligencije i opsega posla koji zaposlenici traže da AI preuzme.

Vodeće tvrtke sve intenzivnije koriste umjetnu inteligenciju jer je primjenjuju na konkretne probleme unutar svojih organizacija i na razini svojih industrija.

Rane primjene umjetne inteligencije u poduzećima započele su interno, pomažući zaposlenicima da pronađu informacije, sastave nacrte dokumenata, analiziraju podatke, pišu kôd i automatiziraju rutinske procese. Vodeće tvrtke sve više šire primjenu umjetne inteligencije izvan interne produktivnosti i uvode je u proizvode, usluge i iskustva namijenjena korisnicima.

AI agenti trebaju pristup odgovarajućem kontekstu i alatima kako bi bili učinkoviti. Dodaci⁠(otvara se u novom prozoru) (pluginovi) objedinjuju mogućnosti koje agentima pomažu dovršiti određene tijekove rada. Oni mogu kombinirati vještine koje pružaju upute koje se mogu ponovno upotrebljavati s aplikacijama koje se povezuju s podacima, alatima i radnjama tvrtke. Primjerice, prodajni dodatak može kombinirati timski priručnik za rad s pristupom njegovu CRM-u, što agentu omogućuje da upotrijebi trenutačne informacije o kupcima i prethodne prijedloge za pripremu prilagođenog odgovora za pregled.

Granične tvrtke imaju jasnu prednost u naprednim mogućnostima. Među tjedno aktivnim korisnicima, 21 % u graničnim tvrtkama upotrebljava dodatke, a 19 % upotrebljava vještine, u usporedbi sa samo 9 % i 3 % u tipičnim tvrtkama. Međutim, usvajanje u graničnim tvrtkama predstavlja samo djelić onoga što je moguće. Interna upotreba u OpenAI-ju ističe potencijal za dublju upotrebu tih mogućnosti, pri čemu tjedna upotreba dodataka doseže 95 % aktivnih korisnika. Naše istraživanje o tome kako agenti mijenjaju rad pruža detaljniji uvid u to kako zaposlenici u OpenAI-ju upotrebljavaju napredne mogućnosti.

AI agenti trebaju tri stvari za obavljanje smislenog rada: kontekst, alate i upornost. Memorija, glasovni unos i appshots pomažu radnicima da jednostavno dijele kontekst i informacije potrebne za uspješno dovršavanje zadatka. Korištenje računala i preglednika omogućuje agentima navigaciju web-mjestima, stvaranje datoteka i dovršavanje zadataka autonomno ili pod nadzorom. Ciljevi i petlje omogućuju agentima da nastave raditi dok se zadatak ne dovrši. Zajedno, ove sposobnosti pomažu naprednim tvrtkama da ostvare potencijal agenata.

Omogućavanje agentima pristupa sustavima tvrtke također donosi nove rizike. Granične tvrtke postavljaju jasna pravila o tome gdje agenti mogu djelovati, kojim informacijama mogu pristupati, kada mogu poduzimati radnje i kako ljudi pregledavaju odluke s većim rizikom. Ti se kontrolni mehanizmi moraju razvijati kako organizacije uče iz stvarnih implementacija.

Granične tvrtke također kontinuirano učenje i eksperimentiranje čine dijelom svakodnevnog rada. Praktične radionice za izradu rješenja, forumi za razmjenu novih slučajeva primjene i interne prezentacije pomažu u širenju uspješnih praksi među timovima i poslovnim funkcijama.

Programeri softvera bili su među prvima koji su usvojili agente umjetne inteligencije, no najbrži rast sada dolazi od općih stručnjaka. Od veljače broj tjedno aktivnih poslovnih korisnika Codexa porastao je 108 × u pravnoj djelatnosti, 41 × u prodaji, 41 × u regrutiranju i 26 × u marketingu, u usporedbi s 5 × među inženjerima. 

Softver je s razlogom krenuo prvi. Baze kôda agentima pružaju jasan kontekst, testovi olakšavaju provjeru izlaznih rezultata, a napredak u programiranju pomaže ubrzati istraživanje i razvoj umjetne inteligencije. Tijekom protekle dvije godine, razvojni programeri prešli su s korištenja AI-ja za dovršavanje pojedinačnih redaka kôda do toga da agenti obavljaju cjelokupne zadatke razvoja softvera. Mnogi programeri kôd više ne pišu ručno, već svoje vrijeme usmjeravaju na postavljanje zadataka, orkestriranje agenata i pregledavanje rezultata.

Nasuprot tome, napredak u općem radu temeljenom na znanju bio je sporiji jer mnogi zadaci pružaju ograničen kontekst, mogu biti teški za specificiranje i nemaju jasne kriterije za provjeru rezultata. Međutim, kontinuirano skaliranje, napredak u učenju s potkrepljivanjem i ciljani napori za poboljšanje izvedbe na evaluacijama poput GDPval približavaju graničnim modelima više zadataka iz stvarnog svijeta, alata i radnih okruženja. Kao rezultat toga, AI s mogućnostima agenata od početka godine sve više pronalazi tržišnu prilagođenost među općim radnicima temeljenima na znanju.

Na uzorku od više od 10 milijuna poruka, AI za poduzeća prelazi s pomaganja zaposlenicima u stvaranju radnih rezultata na pomaganje timovima u njihovom provođenju. Čak se i unutar iste funkcije obrasci upotrebe značajno razlikuju između čavrljanja i AI-ja s mogućnostima agenata.

Pisanje i dalje je najčešći način upotrebe ChatGPT‑a, dok kodiranje i operacije sustava ili agenta zajedno čine gotovo 75 % agentnih poruka. Ovaj je pomak osobito izražen izvan tradicionalnih tehničkih timova: zapošljavanje (32 %), prodaja (26 %), politike (25 %) i komunikacije (24 %) posvećuju između četvrtine i trećine poruka operacijama sustava i agenta. Tehnički rad također se širi na različite funkcije, pri čemu kodiranje čini gotovo 60 % agentskih poruka u dizajnu.

Ne postoji jedinstvena rang lista usvajanja AI-ja. Poredak djelatnosti razlikuje se ovisno o korištenom mjerilu. U proteklom mjesecu, profesionalne i znanstvene usluge vodile su u usvajanju Codexa i u intenzitetu API-ja. Polja umjetnosti, zabave i rekreacije predvodila su u usvajanju ChatGPT‑a, dok se prerađivačka industrija može pohvaliti najvećim intenzitetom ChatGPT‑a unatoč tome što je posljednja prema intenzitetu Codexa i API-ja.

Industrije ne slijede isti put prema usvajanju umjetne inteligencije. Neke napreduju zahvaljujući razvojnim alatima i proizvodima pokretanim umjetnom inteligencijom, dok druge bilježe širu ili intenzivniju svakodnevnu upotrebu.

Dok umjetna inteligencija stvara nove načine na koje organizacije isporučuju robu i pružaju usluge, ona ujedno preoblikuje sigurnosno okruženje. Malo je neposrednijih rizika od kibersigurnosti, osobito s obzirom na brz razvoj kibernetičkih sposobnosti umjetne inteligencije.

AI također može pomoći braniteljima da reagiraju. Modeli mogu analizirati velike baze kôda, istraživati ranjivosti i podržati sigurnosni rad u više koraka. Ipak, identificiranje većeg broja problema ne čini sustave automatski sigurnijima. Stvarno usko grlo je pretvaranje nalaza u djelovanje: utvrđivanje koje su ranjivosti stvarne, određivanje prioriteta za rizike s najvećim posljedicama, testiranje zakrpa te osiguravanje da sigurnosni timovi brzo pregledaju i implementiraju popravke. 

OpenAI Daybreak objedinjuje granične modele kibernetičke sigurnosti, sigurnosne alate za poduzeća i partnerski ekosustav kako bi pomogao organizacijama da odgovore na ove izazove i ojačaju svoju obranu od novih prijetnji.

Misija OpenAI-ja je osigurati da umjetna inteligencija koristi cijelom čovječanstvu. Organizacije će oblikovati velik dio ekonomskog utjecaja AI-ja, pa zato redovito objavljujemo Enterprise Signals, periodični skup pokazatelja kojima se prati usvajanje, širenje i učinak AI-ja u poduzećima. Sve analize u ovom izvješću temelje se na skupnim, anonimiziranim podacima o upotrebi u poduzećima. Koristili smo automatizirane sustave za kategoriziranje sadržaja poruka i nijedan zaposlenik OpenAI-ja nije pregledavao poruke korisnika.

OpenAI Enterprise korisnici također mogu zatražiti prilagođeno mjerilo kako bi vidjeli kako se njihova organizacija uspoređuje prema najnovijim mjerama upotrebe i sposobnosti.