OpenAI B2B Signals
Az élvonalbeli előny egyre inkább halmozódik.
Ma bemutatjuk a B2B Signals nevű megoldást, az OpenAI Signals üzleti kiterjesztését, amely azt méri, hogyan terjed az AI a szervezeteken belül. A korai jelzés egyértelmű: az élvonalbeli vállalatok nem pusztán azért húznak el, mert hozzáférnek az AI-hoz, hanem azért, mert a munkájuk során mindenhol mélyebben használják.
A B2B Signals a vállalati AI-használat nagyszabású, adatvédelmet biztosító elemzésén alapuló, rendszeresen ismétlődő mérőszámkészlet. Nyomon követi azokat a viselkedési formákat és mintázatokat, amelyek segíthetnek a szervezeteknek megérteni, hogyan alakíthatják az intelligens megoldásokat üzleti értékké.
Az élvonalbeli vállalatok – vagyis azok, amelyek az AI-használat 95. percentilisébe tartoznak – munkavállalónként több intelligenciát használnak, intenzívebben alkalmazzák a fejlett eszközöket, és mélyebben integrálják az AI-t a munkafolyamatokba. Egyes vállalatoknál a különbség kezd halmozódni, és ez egyre inkább a használat mélységéből ered.
Főbb megállapítások
- Az élvonalbeli előny kezd összeadódni: Az élvonalbeli vállalatok ma munkavállalónként 3,5-szer annyi intelligenciát használnak, mint a tipikus vállalatok, szemben az egy évvel ezelőtti kétszeressel.
- Az élvonalbeli vállalatok mélyebben használják az AI-t, nem csak gyakrabban: Az üzenetek mennyisége az élvonalbeli és az átlagos vállalatok közötti különbség mindössze 36%-át magyarázza. Az élvonalbeli előny legnagyobb része a mélyebb használatból ered.
- Az ügynökalapú munkafolyamatok az élvonalbeli bevezetés egyik jelzőjévé válnak: A különbség a fejlett ügynökalapú eszközök esetében a legnagyobb, ahol az élvonalbeli vállalatok 16-szor annyi Codex-üzenetet küldenek, mint a tipikus vállalatok.
- A vállalatok szervezeti változtatásokkal csökkenthetik az élvonalbeli lemaradást: A felzárkózáshoz a vállalatoknak mérniük kell a használat mélységét, előtérbe kell helyezniük az irányítást (governance), beruházniuk kell a felkészítésbe, skálázniuk kell a bevált megoldásokat, és el kell mozdulniuk a chat-alapú támogatástól az ügynökök által végzett, delegált munkavégzés felé.
Mélység
Az élvonalbeli előny kezd összeadódni, és az AI-t a legmélyebben használó vállalatok egyre növelik előnyüket
A helyek kiosztása a vállalatok számára csak a kiindulópont. Az egyértelműbb jel az, hogy a munkavállalók használják-e az AI-t mélyebb, összetettebb munkákhoz. Ez a diagram összehasonlítja az élvonalbeli, azaz a 95. percentilisként meghatározott vállalatoknál munkavállalónként generált tokenek számát a tipikus, azaz az 50. percentilisként meghatározott vállalatéval.
A tokenek nem tökéletes mérőszámai az üzleti értéknek. Egy rövid válasz is lehet rendkívül értékes, míg egy hosszú válasz is bírhat csekély értékkel. A token mennyisége azonban segít mérni, mennyi munkát bíznak a munkatársak az AI-ra, így hasznos helyettesítő mutatója az AI-használat mélységének és annak, hogy a munkatársak mennyi intelligenciát várnak el az AI-tól.
Az élvonalbeli vállalat munkavállalónként 3,5-szer annyi intelligenciát igényel, mint egy átlagos vállalat. Ez a különbség 2025 áprilisában még kétszeres volt, de azóta ég tovább nőtt. Ez arra utal, hogy az AI-t a legmélyebben alkalmazó vállalatok tovább növelik előnyüket, és jobb helyzetben vannak ahhoz, hogy az új AI-képességeket mélyebb, összetettebb munkává alakítsák.
Az élvonalbeli előny nagyobb része a használat mélyebb szintjéből származik, nem pedig a nagyobb üzenetmennyiségből.
Az élvonalbeli vállalat munkavállalónként lényegesen több intelligenciát igényel, mint egy átlagos vállalat, de a különbség nagy része nem magyarázható pusztán az üzenetek mennyiségével. Ez a diagram részekre bontja a 3,5-szeres élvonalbeli előnyt, és megállapítja, hogy ha a tipikus vállalat ugyanolyan ütemben küldene üzeneteket, mint az élvonalbeli vállalatok, akkor a 3,5-szeres különbségnek csak 36%-át dolgozná le.
A fennmaradó különbség a mélyebb alkalmazáshoz kapcsolódik. Az élvonalbeli dolgozók arra kérik az AI-t, hogy végezzen összetettebb munkát, gazdagabb kontextust adjanak a modellekhez, és tartalmasabb eredményeket hozzanak létre.
Szélesség
Az élvonalbeli előny a fejlett és ügynöki működésű eszközök esetében a legnagyobb, amit a 16-szor magasabb Codex-használat vezet
Az élvonalbeli előny a legnagyobb azoknál az eszközöknél, amelyek fejlettebb munkafolyamatokat támogatnak. A legnagyobb különbséget a Codex mutatja: az élvonalbeli dolgozók dolgozónként 16-szor több üzenetet küldenek. A ChatGPT ügynök, a ChatGPT‑ben elérhető alkalmazások, a mély kutatás és a GPT‑k szintén viszonylag nagy különbségeket mutatnak, ami arra utal, hogy az élvonalbeli jobban ki tudja használni azokat az eszközöket, amelyek segítik a munkavállalókat a kódolásban, a többlépéses feladatok delegálásában, a vállalati kontextus alkalmazásában és az összetettebb kutatások elvégzésében.
Ezzel szemben az általános célú és könnyen hozzáférhető eszközök, mint például a felhasználói feltöltés, a keresés és az adatelemzés, kisebb élvonalbeli előnyt mutatnak. Ezek az eszközök a legtöbb vállalat számára könnyen használhatók, mivel a már ismert munkafolyamatokat bővítik. Az élvonalbeli előny a leginkább a fejlett és autonóm eszközöknél figyelhető meg, ahol az alkalmazás több szakértelmet, a munkahelyi tudással és eszközökkel való szorosabb kapcsolatot, valamint nagyobb magabiztosságot igényel a feladatok AI-ra való delegálásában.
A legnagyobb élvonalbeli előny az oktatás és tanulás területén jelentkezik
Az élvonalbeli előny az oktatási és tanulási feladatoknál a legnagyobb, ahol az élvonalbeli vállalat hétszer annyi üzenetet küld, mint egy átlagos vállalat. Az élvonalbeli vállalatok mesterséges intelligenciát használnak arra, hogy segítsék alkalmazottaikat készségeik fejlesztésében és új témakörök elsajátításában. A mesterséges intelligenciát arra is használják, hogy jobban megértsék magát az AI-t, beleértve azt is, mire képes, hogyan használható jól, és hol illeszthető be a meglévő munkafolyamatokba. A különbség nagysága arra utal, hogy az átlagos vállalat talán nem használja ki eléggé a mesterséges intelligenciát, mint eszközt a munkavállalók tanulásának és fejlesztésének támogatására.
A kódolás terén is jelentős, négyszeres különbség mutatkozik, ami összhangban áll a fejlett és ügynöki eszközök használatában tapasztalható tágabb szakadékkal. A gyakorlati útmutatás, valamint az írás és kommunikáció területén az élvonalbeli szakadék a legkisebb, valószínűleg azért, mert ezek a feladatok az AI hozzáférhetőbb és ismertebb felhasználási módjai.
A képességbeli lemaradás ledolgozásához nem elég a hozzáférés: aktív támogatásra és felkészítésre is szükség van. Az OpenAI vállalati erőforrásai és az OpenAI Academy gyakorlati útmutatókat, képzési anyagokat és bevezetési erőforrásokat kínálnak, hogy segítsék a csapatokat az AI magabiztos bevezetésében.
Az AI használata az írás területén a legszélesebb körű, de a funkcióspecifikus felhasználás is növekszik
Az írás és a kommunikáció területe továbbra is a ChatGPT leggyakoribb felhasználási módja. A használati minták azonban funkciónként érdemben eltérnek. Az IT- és biztonsági üzenetek 60%-a gyakorlati útmutatókra és eljárási iránymutatásokra koncentrálódik, a szoftverfejlesztési, valamint az adattudományi és mérnöki üzenetek csaknem fele kódolással kapcsolatos, a pénzügyi üzenetek egytizede pedig elemzéshez és számításokhoz kapcsolódik.
Ezek a mintázatok összhangban állnak a szélesebb körű bizonyítékokkal, amelyek azt mutatják, hogy az élvonalbeli modell egyre jobban teljesít a gazdaságilag értékes munkahelyi feladatokban. A GDPval, egy 44 foglalkozásra kiterjedő értékelés, amely a valós tudásalapú munkát méri, olyan feladatokon nyújtott teljesítményt vizsgál, amelyek gyakorlati munkaeredményeket hoznak létre, például dokumentumokat, táblázatokat, diákat, diagramokat és multimédiás anyagokat. Ahogy az AI egyre fejlettebb lesz, úgy tűnik, hogy a vállalati felhasználás olyan feladatokra is kiterjed, amelyek szorosabban kapcsolódnak az egyes funkciók alaptevékenységéhez.
Feladattípus az üzleti kontextus alapján
| Üzleti kontextus | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ChatGPT-feladatok | ||||||||||||
| Írás és kommunikáció | ||||||||||||
| Útmutatók és eljárási iránymutatások | ||||||||||||
| Információ | ||||||||||||
| Elemzés és számítások | ||||||||||||
| Tanács | ||||||||||||
| Kreatív média | ||||||||||||
| Kereskedelem | ||||||||||||
| Kódolás | ||||||||||||
| Oktatás és tanulás | ||||||||||||
Elérés
Az iparági vezető szerep nem egydimenziós: a ChatGPT, a Codex és az API terén különböző szektorok járnak az élen
Nincs egységes AI-alkalmazási ranglista. Az iparági rangsorok az alkalmazott mérőszámtól függően változnak. A szakmai, tudományos és műszaki szolgáltatások ágazata mind a Codex elterjedtsége, mind az API-intenzitás tekintetében az első helyen áll, ami a fejlesztői és termékekbe integrált munkafolyamatokban való viszonylag fejlett használatra utal. A pénzügyi és biztosítási szektor jár az élen a ChatGPT használatában a nagyléptékű bevezetések miatt, míg az oktatási szolgáltatásokban a legmagasabb az egy főre jutó üzenetszám, ami mélyebb, intenzívebb használatra utal. A kiskereskedelem és az egészségügy előkelő helyen áll az API-intenzitás tekintetében, annak ellenére, hogy más mérőszámok alapján alacsonyabb a rangsorolásuk.
Ezek a különbségek arra utalnak, hogy az iparági vezető szerep nem egyetlen dimenzióra korlátozódik. Egyes ágazatok láthatóan technikai és fejlesztői munkafolyamatokon keresztül vezetik be az AI-t, míg mások a ChatGPT széles körű elterjedése vagy az intenzívebb végfelhasználói alkalmazás révén érnek el nagyobb léptéket.
Iparági rangsor AI-bevezetési mérőszám alapján
| Iparágak | ||||
|---|---|---|---|---|
| Pénzügy és biztosítás | 1+1 | 10-4 | 30 | 60 |
| Információ | 2-1 | 20 | 20 | 4-1 |
| Szakmai, tudományos és műszaki szolgáltatások | 30 | 10 | 10 | 10 |
| Művészet, szórakozás és rekreáció | 40 | 4-1 | 50 | 3+1 |
| Közüzemi szolgáltatások | 50 | 80 | 90 | 90 |
| Építkezés | 6-1 | 50 | 10-1 | 10-1 |
| Ingatlan, bérbeadás és bérlés | 7-1 | 7+1 | 11-1 | 80 |
| Gyártás | 8-1 | 3+1 | 40 | 70 |
| Egészségügyi ellátás és szociális segítség | 90 | 90 | 6+1 | 50 |
| Kiskereskedelem | 10-2 | 11-1 | 7-1 | 20 |
| Közigazgatás | 11-1 | 6+1 | 80 | 11-1 |
A vállalatok az API-használatot éles munkafolyamatokba és ügyfeleknek szóló alkalmazásokba helyezik át
A vállalatok egyre gyakrabban használják az API-t, hogy a modelleket közvetlenül termékekbe, szolgáltatásokba és belső rendszerekbe integrálják. A gyakori éles használati esetek közé tartoznak az alkalmazáson belüli asszisztensek, a programozási és fejlesztői eszközök, az ügyféltámogatás, a kutatási munkafolyamatok, valamint a munkafolyamatok automatizálása.
Ezek az alkalmazások jól mutatják, hogy a vállalati AI már túllép a kísérletezésen, és ismételhető, mérhető működési hatással bíró munkafolyamatok részévé válik. Az ügyfélpéldákban a vállalatok OpenAI modelleket használnak a tudásmunka felgyorsítására, a mérnöki adatátviteli egység javítására, valamint AI-alapú élmények létrehozására az ügyfelek és az alkalmazottak számára.
Leggyakoribb API-használati esetek iparáganként
Szakmai szolgáltatások
Tudásasszisztensek és keresés (pl. Q&A-eszközök, kutatási asszisztensek, belső tudásasszisztensek)
Ügyfélszolgálati és értékesítési támogatás (pl. ügyfélszolgálat, hang- és chatügynökök, értékesítési támogatás)
Adatelemzés, összefoglalás és kinyerés (például vállalati adatok elemzése, piaci információszerzés, tranzakciók címkézése és egyeztetése)
Kódolási és fejlesztői eszközök (pl. modellértékelési eszközök, kódolási asszisztensek, munkafolyamat-automatizálási eszközök)
Pénzügy és biztosítás
Adatelemzés, összefoglalás és kinyerés (pl. adatkinyerés, nyugták és kiadások elemzése, befektetési kutatás)
Dokumentumok és munkafolyamatok generálása (pl. automatizált költségkezelés, kutatási összefoglalók generálása, munkafolyamat-optimalizálás)
Tudásasszisztensek és keresés (pl. befektetési stratégiai asszisztensek, szabályzatkeresés, szerepkör-specifikus asszisztensek.)
Ügyfél- és szolgáltatástámogatás (pl. ügyfélszolgálati hang- és csevegési ügynökök, személyes banki asszisztensek, érzelemelemzés)
Információ
Kódolás és fejlesztői eszközök (pl. kódolási asszisztensek, szoftvertesztelési eszközök, webautomatizálási eszközök)
Tudásasszisztensek és keresés (pl. alkalmazáson belüli asszisztensek, belső keresőeszközök, dokumentációs asszisztensek)
Ügyfél- és szolgáltatástámogatás (pl. ügyfélszolgálati hang- és csevegőügynökök, többcsatornás ügyfélszolgálati automatizálás)
Tartalom-, média- és dizájnkészítés (pl. márkaanyagok készítése, marketingeszközök)
A Cisco a Codexet használja az összetett szoftveres munkák felgyorsítására egy nagyvállalati mérnöki szervezetben. Éles üzemi munkafolyamatokban a Codex körülbelül 20%-kal segített csökkenteni a buildidőket, havonta több mint 1500 mérnöki munkaórát megtakarítani, és 10-15×-ösére növelni a hibajavítási hatékonyságot. Ahogy a Cisco csapata fogalmazott, a legnagyobb előnyt akkor érték el, amikor a Codexet „a csapat tagjaként” kezelték.
A Rakuten a Codexet a mérnöki működés és a szoftverszállítás területén vezette be, körülbelül 50%-kal csökkentve az átlagos helyreállítási időt, és lehetővé téve a csapatok számára, hogy kétszer olyan gyorsan oldják meg az éles környezetben felmerülő problémákat. A Rakuten a Codexet automatizált kódellenőrzésre és a belső szabványoknak megfelelő sérülékenységvizsgálatra is használja, ami segít felgyorsítani a kiadásokat anélkül, hogy a biztonság csorbát szenvedne. Összetett projektek esetén a Codex képes a részleges követelményeket működő teljes stack implementációkká alakítani, negyedévekről hetekre rövidítve az időtartamot.
A Balyasny Asset Management az OpenAI-t használja a befektetési kutatások felgyorsítására egy nagy, specializált tudásmunkát végző szervezetben. Saját fejlesztésű AI-kutatási platformját a befektetési csapatok körülbelül 95%-a használja, ami segít a kutatási munkafolyamatok átfutási idejét napokról órákra csökkenteni. Például egy jegybanki beszédelemzési munkafolyamat, amely korábban két napot vett igénybe, ma már körülbelül 30 perc alatt elvégezhető, segítve az elemzőket abban, hogy gyorsabban vonjanak le következtetéseket a beadványok, leiratok, kutatási jelentések és piaci adatok alapján.
További példákért látogass el az Ügyféltörténetek oldalunkra.
Mit tehetnek a szervezetek az élvonalbeli szint eléréséért
Az OpenAI különböző iparágakban, funkciókban és AI-érettségi szinteken működő vállalatokkal dolgozik együtt, ami rálátást ad arra, hogyan fejlődik a bevezetés a kísérletezéstől az éles működésig. Ezekben a bevezetésekben a legnagyobb előrelépést elérő vállalatok jellemzően kevésbé összpontosítanak önmagában a hozzáférésre, és inkább azokra a szervezeti rendszerekre, amelyek az AI mélyreható használatához szükségesek: a mérésre, az irányításra, a képessé tételre, a hatás kiterjesztésére és az autonóm bevezetésre.
Öt olyan bevált gyakorlat rajzolódik ki, amelyekkel bármely szervezet már ma elkezdheti mélyebben beépíteni az AI használatát a működésébe.
- A hozzáférés mellett a használat mélységét is mérik.
A releváns mutató nem pusztán az, hogy hány munkatársnak van AI-fiókja, hanem az is, hogy a csapatok idővel egyre érdemibb módon használják-e az AI-t. A szervezeteknek nyomon kell követniük, hogy az AI használata egyre gyakoribbá és összetettebbé válik-e, valamint hogy egyre szorosabban kapcsolódik-e értékteremtő munkafolyamatokhoz. - Olyan irányítási kereteket építenek, amelyek lehetővé teszik az éles használatot.
A vezető cégek nem elkerülik az irányítást. Arra használják, hogy az ügynökalapú AI könnyebben üzembe helyezhető legyen. A vállalatoknak világos szabályokra van szükségük arra vonatkozóan, hogy hol működhetnek az ügynökök, milyen információkat használhatnak, mikor kell cselekvés helyett tanácsot adniuk, és hogyan vizsgálják felül az emberek a magasabb kockázatú döntéseket. Az élvonalbeli vállalatok ezeket a szabványokat a bevezetési folyamat részeként határozzák meg, így az irányítás az elfogadás biztonságos kiterjesztésének eszközévé válik, nem pedig annak lassítójává. - Az enablementet alapvető infrastruktúraként kezelik, nem pedig mellékprojektként.
Az AI képességeinek fejlődésével mind a munkavállalóknak, mind a szervezeteknek olyan rendszerekre van szükségük, amelyek segítenek lépést tartani. Az élvonalbeli vállalatok nem egyszeri képzési kampányként tekintenek a felkészítésre. A folyamatos tanulást szerepkör-specifikus képzések, az alkalmazási esetekről szóló workshopok, hackathonok, belső bajnokhálózatok, dedikált kísérletezési idő, valamint a munkafolyamatok, bevált gyakorlatok és készségek megosztott adattár révén építik be a bevezetésbe. - Az élvonalbeli csapatokat azonosítják és növelik a hatásukat.
Számos szervezetben a legfejlettebb használat csak néhány csapatra összpontosul. Ezek a csapatok megmutathatják, hogy mely munkafolyamatok, szokások és működési modellek válnak be. A vezetőknek fel kell ismerniük ezeket a csapatokat, meg kell érteniük és ki kell terjeszteniük a sikerük mögött álló feltételeket, valamint segíteniük kell őket abban, hogy megosszák meglátásaikat és a mélyebb AI-használat példáit a vállalat többi részével. - Túllépnek a csevegésen, és elkezdik delegálni a feladatokat.
A vállalati AI a csevegési asszisztensektől az ügynököknek delegálható feladatok felé mozdul el. A szoftverfejlesztés jól szemlélteti ezt a trendet, de a feladatok delegálása a különböző funkcionális területeken is terjed. A Codex segítségével a mérnökök átadhatnak egy meghatározott feladatot, megadhatják az ügynöknek a szükséges kontextust, hagyhatják, hogy fájlokon, kódbázisokon és eszközökön átívelően dolgozzon, majd áttekinthetik az eredményt, és visszajelzésekkel finomíthatják a munkafolyamatot. Az élvonalbeli vállalatok arra ösztönzik a dolgozókat, hogy feladatokat delegáljanak az AI-nak, ahelyett hogy az AI-t csak mint statikus asszisztensként használják.
A jelentésben szereplő összes elemzés anonimizált, összesített vállalati használati adatokon alapul. Az üzenetek tartalmát automatizált rendszerek segítségével osztályozták, és az elemzés során egyetlen OpenAI-alkalmazott sem tekintette át egyetlen Enterprise, Business vagy API ügyfél adatait.
Ha szeretnéd felfedezni a teljes eredményt, vagy megtudni, hogyan viheted be a mesterséges intelligenciát a szervezetedbe felelősségteljesen, [lépj velünk kapcsolatba].
Fedezz fel még többet
Kutatás és elemzés
Kutatás és elemzés az MI alkalmazásának elterjedéséről és annak gazdasági és társadalmi hatásairól.