Ugrás a fő tartalomra
OpenAI

2026. szeptember 16.

Termék

Az MI-használat összekapcsolása az üzleti értékkel

Ismerje meg, hogyan használják a csapatok a ChatGPT Work és a Codex eszközeit, milyen munka áll a kiadások mögött, és hogyan kapcsolható mindez mérhető eredményekhez.

Betöltés…

Ahogy egyre több csapat használ MI-t, az adminisztrátoroknak és az üzleti vezetőknek meg kell érteniük, hol teremt értéket, és mibe érdemes legközelebb befektetni. A használat és a kiadások csak a történet egy részét mutatják meg: az adminisztrátoroknak azt is látniuk kell, mire használják az emberek az MI-t, és mit érnek el vele.

A ChatGPT Admin Console analitikai eszközei egyesítik a ChatGPT Work és a Codex használati és költségadatait, feladatelemzéseit és eredménymutatóit.

Így használhatják az adminisztrátorok ezeket az eszközöket az elterjedés megértésére, a csapatok támogatására és az üzleti érték felmérésére.

Az MI-használat és a kiadások megértése

A használati analitika megmutatja, hol nő az elterjedés és összpontosulnak a kiadások, így az adminisztrátorok célzott támogatást nyújthatnak, áttekinthetik a költségeket és értékelhetik a kapacitásigényeket. A Használat nézet egyesíti a ChatGPT Work és a Codex aktív felhasználóinak, kreditjeinek és tokenhasználatának adatait. A csoport vagy felhasználó szerinti szűrés például feltárhatja, hol alacsony az elterjedés, így az adminisztrátorok a csapat vezetőjével áttekinthetik a kezdeti munkafolyamatokat és a képzési igényeket.

Használati áttekintés a ChatGPT Work és a Codex aktív felhasználóinak és kreditjeinek alakulásáról.

A Használat áttekintése a ChatGPT Work és a Codex aktív felhasználóinak és kreditjeinek alakulását mutatja. Minden képernyőkép szemléltető demóadatokat használ.

A csapatok MI-vel végzett munkájának áttekintése

Az Elemzések feladatosztályozója az üzenetek egy mintáját alkalmazási esetekbe és feladatokba csoportosítva segít megérteni az adminisztrátoroknak, milyen munkát támogat az MI. A szoftverfejlesztés például a funkciófejlesztést és a kódkarbantartást, míg az értékesítés és bevétel az ügyfélkutatást és -tervezést foglalja magában. Az Áttekintés lap egy pillantással megmutatja a munkák összetételét, az Alkalmazási esetek lap pedig részletes, feladatokra bontott táblázatot kínál. Az adminisztrátorok csoport szerint szűrve láthatják, hogyan használják a csapatok az MI-t, majd az üzleti felelősökkel közösen dönthetnek az értékelendő munkafolyamatokról és eredményekről.

Elemzési áttekintés a kreditek feladatok közötti megoszlásáról.

Az Elemzések áttekintése megmutatja a kreditek feladatok közötti megoszlását a funkciók megvalósításától az ügyfélkutatásig.

Az alább látható értékesítési csapatnál az ügyfélkutatás és -tervezés használja fel a legtöbb kreditet – ez kiindulópontot ad annak megvitatásához, hogyan változtatja meg az MI az ügyfelekre való felkészülést.

Értékesítési feladatokat, krediteket, üzeneteket és aktív felhasználókat bemutató alkalmazásieset-táblázat.

Az Alkalmazási esetek táblázat feladatonként bontja le a csapat munkáját, feltüntetve a krediteket, üzeneteket és aktív felhasználókat.

A képzést és támogatást igénylő területek azonosítása

A feladat részleteinél a Modellek, az Érvelés és a Sebesség szerinti bontás megmutatja, hogy az egyes beállítások milyen arányban részesednek a feladatra fordított kreditekből. Ez segít az adminisztrátoroknak felmérni, hogy a beállítás megfelel-e a munkának, és célzott képzést nyújtani a modellválasztáshoz. Egy rutinszerű összefoglalót például érdemes lehet gyorsabb vagy olcsóbb beállítással tesztelni, összehasonlítva a minőséget, valamint az ellenőrzésére és javítására fordított időt.

A Beépülő modulok rangsora és a Készségek nézet megmutatja, mely eszközök támogatnak egy feladatot, így az adminisztrátorok célzott képzést nyújthatnak, és eldönthetik, mely munkafolyamatokat tartsák fenn vagy osszák meg. Egy releváns beépülő modul alacsony használata hozzáférési vagy képzési igényt jelezhet; egy gyakran használt készséghez pedig egyértelmű felelősre és rendszeres frissítésre lehet szükség.

Ügyfélkutatási és -tervezési analitika a kreditek modell, érvelési szint és sebesség szerinti megoszlásával, valamint a beépülő modulok és készségek használatával. A beépülő modulok között a Google Drive vezet 308,1 ezer meghívással, a készségek között pedig az Account Brief 96 ezer meghívással.
Az OpenAI analitikai eszközei segítenek megérteni, hogyan használják a csapatok az MI-t, és megalapozzák jövőbeli útmutatásainkat és szabályzatainkat. Az OpenAI feladatkategóriáit már használjuk az MI-ügynökök felügyeletére szolgáló termékünkben, az Agent Console-ban, hogy megmutassuk ügyfeleinknek, milyen munkát végeznek az ügynökeik. Az adatok közvetlenül az OpenAI-tól való átvétele megbízhatóbbá teszi ezeknek a megállapításoknak a biztosítását, ahogy ügyfeleink egyre többet használják az MI-t.
Bharadwaj Tanikella, a Datadog MI-termékmenedzsere

A Codex mérnöki eredményekhez való hozzájárulásának nyomon követése

Az Eredmények nézet a kódellenőrzési tevékenység mellett megmutatja a Codex hozzájárulását az egyesített commitokhoz és kódsorokhoz. A trendek, valamint az elérhető csoport-, felhasználó- és adattárszűrők segítenek az adminisztrátoroknak és a mérnöki vezetőknek megérteni az elterjedést, és eldönteni, hol bővítsék a hozzáférést vagy támogassák a csapatokat.

Ha a Codex az egyesített kód egyre nagyobb részéhez járul hozzá, a mérnöki vezetők összevethetik ezt a trendet az ellenőrzési idővel, a hibákkal és az utómunkával, hogy felmérjék, segíti-e a csapatot a szoftverek hatékonyabb kiadásában.

A Codex Eredmények irányítópultja, amely az egyesített commitokhoz és kódsorokhoz való hozzájárulásokat mutatja.

Az Eredmények nézet időben követi a Codex hozzájárulásával készült egyesített commitok és kódsorok arányát.

Trendek elemzése és megállapítások megosztása az Admin beépülő modullal és API-val

A ChatGPT Work Admin beépülő moduljával az adminisztrátorok összehasonlíthatják az elterjedést, a kiadásokat és a feladatokat, majd a megállapításokból jelentéseket készíthetnek a költségvetési és bevezetési döntésekhez. Kész anyagokat is létrehozhat, például diagramokat, főbb megállapításokat és javasolt következő lépéseket tartalmazó vezetői prezentációt, amely azonnal megosztható a különböző területek érdekelt feleivel.

Az Admin API-val a csapatok automatizálhatják a jelentéseket saját irányítópultjaikon, és üzleti rendszereik adataival egészíthetik ki az analitikát. Egy támogatási irányítópult például a kreditfelhasználás mellett a jegyek megoldási idejét is megjelenítheti.

A ChatGPT Admin beépülő modul válasza az MI havi bevezetési felülvizsgálatára vonatkozó kérésre. A szemléltető használat összesen 6,81 millió kredit, ami 45,3%-os növekedés; a diagramok a mérnöki és értékesítési csapat napi Work- és Codex-kreditjeit hasonlítják össze 2026. augusztus 12. és szeptember 10. között.

Az Admin beépülő modul összehasonlítja a csapat kreditjeinek alakulását, és összefoglalja a változásokat a havi bevezetési felülvizsgálathoz.

Az analitika összekapcsolása az üzleti eredményekkel

A használati és feladatadatok kiindulópontot adnak az adminisztrátoroknak, hogy az üzleti felelősökkel közösen vizsgálják az értéket. Az üzleti felelősök hozzáadják az értékeléshez szükséges kontextust: mi változott a munkafolyamatban, javultak-e az eredmények, és mennyit ér ez a javulás. Együtt összekapcsolhatják a termékbeli tevékenységet olyan mutatókkal, mint a teljesítési idő, a minőség vagy a nyereségesség.

Tegyük fel, hogy az Admin Console feladatosztályozója szerint az ügyfélfiókok kutatása gyakori egy értékesítési csoportban. Az adminisztrátor ellenőrzi, hogy a modellválasztás megfelel-e a feladatnak, képzést biztosít, ha egy CRM-beépülő modult kevesen használnak, és megoszt egy készséget az egységes ügyféltervekhez. Az értékesítési vezető ezután összeveti a felkészülési időt és a tervek minőségét a csapat kiindulási értékeivel. Ha időt takarítanak meg, nyomon követik, mennyit fordítanak belőle ügyfélbeszélgetésekre, mely beszélgetésekből lesznek minősített lehetőségek, és mely lehetőségekből lesz értékesítés. Az ebből az üzletből származó bevétel és fedezet segít megmutatni, hogy a többletkapacitás jár-e pénzügyi előnnyel.

Egy munkafolyamat értékének feltárásához induljon ki néhány kérdésből:

  1. Min szeretne javítani? Válasszon a csapat számára fontos eredményt, például gyorsabb felkészülést, jobb minőségű munkát, alacsonyabb költségeket vagy több értékesítést.

  2. Hogyan működik ma a folyamat? Határozza meg a kiindulópontot: milyen gyakran végzi a csapat a feladatot, mennyi időbe telik, és milyen a jó eredmény.

  3. Mi változik az MI használatával? Hasonlítsa össze az eredményeket egy meghatározott időszakban. Vegye figyelembe az ellenőrzésre és javításra fordított időt is, hogy a gyorsabb elkészítés mellett is teljesüljenek a csapat minőségi elvárásai.

  4. Mit tesz ez lehetővé a csapat számára? A megtakarított idő több ügyfélbeszélgetést tehet lehetővé. A jobb minőségű munka kevesebb javítást jelenthet. Beszéljen a csapattal, hogy megtudja, hol számítanak leginkább ezek a javulások.

  5. Megéri az előny a befektetést? Vesse össze a csapat nyereségét az MI-re, a bevezetésre és a folyamatos támogatásra fordított összeggel. Ez segíthet eldönteni, mit érdemes kiterjeszteni, és hol van szüksége a csapatnak több segítségre.

Szemléltető éves megtérülés: értékesítési ügyfélkutatás

Képzeljen el egy értékesítőkből álló csapatot, amelynek minden tagja hetente két ügyfél-összefoglalót készít. Minden összefoglaló egyesíti az ügyfél előzményeit, az iparági kutatást és a következő beszélgetéshez kialakított álláspontot.

Mi változik az MI használatával?

Szemléltető összehasonlítás értékesítési ügyfélkutatáshoz: egy összefoglaló kézi elkészítése 4 órát, MI-vel az ellenőrzéssel és javítással együtt 1 órát vesz igénybe, így összefoglalónként 3 óra takarítható meg. Az így nyert idő 50%-ának újrafelhasználása három további, 30 perces ügyfélhívást tesz lehetővé. További lehetséges előny a jobb ügyfélterv, a személyre szabottabb kapcsolatfelvétel és a rövidebb értékesítési ciklus.

Mit jelent ez összesen?

Éves időmegtakarítás

20 értékesítő × heti 2 összefoglaló × 3 megtakarított óra × 46 hét = 5520 óra

Becsült éves kapacitásérték

Tegyük fel, hogy a csapat ennek az időnek az 50%-át produktív munkára fordítja, teljes munkáltatói költségen óránként 75 dollár értékben. Az értékesítők ezt az időt új érdeklődők megkeresésére, a lehetőségek utánkövetésére és az ügyfelekkel töltött idő növelésére fordíthatnák.

5520 óra × 50% × 75 USD = 207 000 USD

Az első év teljes költsége

Tegyük fel, hogy az MI, a bevezetés, a képzés és a folyamatos támogatás költsége 60 000 USD.

(207 000 USD − 60 000 USD) ÷ 60 000 USD = 245%-os szemléltető megtérülés.

Egy munkafolyamat értéke túlmutathat a termelékenységen. Az értékesítésben az alaposabb ügyfélkutatás és az ügyfél közös megértése tartalmasabb beszélgetéseket, erősebb kapcsolatokat és új lehetőségeket eredményezhet. A csapatok ezután mérhetik, hogy ezek a javulások további üzleti eredményekhez, például gyorsabb értékesítési ciklusokhoz vagy magasabb nyerési arányhoz vezetnek-e.

Minden adat hipotetikus. A megtérülés becsült kapacitásértéket tükröz, és nem tartalmazza a magasabb nyerési arányból, a nagyobb üzletméretből vagy más értékesítési eredményekből származó lehetséges előnyöket.

Az MI ügyfeleknél tapasztalt üzleti hatása

A szoftverkiadástól az élő rendezvények lebonyolításáig az ügyfelek üzletileg fontos feladatokra használják az MI-t:

A 1Password a Codex segítségével fejleszt, ellenőriz és tesztel szoftvereket, hogy a mérnökök gyorsabban adhassanak ki új funkciókat. Becslése szerint a megtérülés 553%, az éves mérnöki kapacitás értéke pedig 0,8 millió dollár, mivel a Codex használatával gyorsabban készít éles használatra alkalmas funkciókat és belső eszközöket, miközben szigorú biztonsági szabályokat tart fenn.

Az ATV Big Air Tour a ChatGPT Work segítségével ellenőrzi az eseménylistákat, tervezi a készletet és javítja webhelye láthatóságát. Az eseménylisták ellenőrzése heti nyolc óráról egy órára, a készletkezelés pedig két-három napról két-három órára csökkent, így a csapat több időt fordíthat a turnéra és ügyfeleire.

A Playco az OpenAI API-ján keresztül használja a GPT‑6 Astra modellt játszható játékprototípusok fejlesztésére és tesztelésére. A csapat egyetlen alapból három tematikus prototípust készített, és az előző modellhez képest 50%-kal kevesebb kézi javításról számolt be, így a fejlesztők több ötletet tesztelhetnek és hasonlíthatnak össze.

Első lépések

Nyissa meg az Admin Console Elemzések részét, és válasszon egy gyakori, üzleti prioritást támogató feladatot. Tekintse át egy üzleti felelőssel, állapodjanak meg a kiindulási értékben és a mérendő eredményben, majd tűzzék ki az előrehaladás felülvizsgálatának időpontját. Az eredmények alapján döntse el, hogy kiterjeszti-e a munkafolyamatot, javítja-e annak csapatok általi használatát, vagy más megközelítést tesztel. További információ(új ablakban nyílik meg) a dokumentációban.

Szerző

OpenAI