Kartu skor untuk era AI

Pertanyaan yang saya dengar dari para CFO di mana-mana sederhana: bagaimana kita mendapatkan nilai yang lebih besar dari pengeluaran AI kita?

Selama bertahun-tahun, pasar mengukur keberhasilan perangkat lunak melalui adopsi: jumlah seat yang dibeli, pengguna aktif, dan lisensi yang diperpanjang. Memahami nilai AI membutuhkan ukuran yang lebih kuat: pekerjaan yang terselesaikan.

Pertanyaan ekonomi dasar bagi CFO dan pemimpin bisnis lainnya adalah apakah nilai pekerjaan yang diselesaikan AI tumbuh lebih cepat daripada biaya untuk menghasilkannya.

Menjawab pertanyaan itu menuntut kita melihat lebih dalam daripada sekadar metrik seperti biaya per token. Model berbiaya lebih rendah mungkin memiliki token yang lebih murah, tetapi untuk mendapatkan hasil hebat bisa diperlukan lebih banyak percobaan, waktu, atau peninjauan manusia. Model yang lebih andal mungkin memiliki token yang lebih mahal, tetapi mampu menyelesaikan tugas yang sama dalam satu kali proses. Yang penting adalah biaya total untuk menghasilkan keluaran yang berhasil, dibandingkan dengan nilai yang diciptakan keluaran tersebut.

Kartu skor utama untuk era AI dapat dipandang sebagai “Kecerdasan Berguna per Dolar”. Metrik ini menjawab empat pertanyaan utama:

1. Apakah AI menyelesaikan pekerjaan yang penting?
2. Berapa biaya setiap tugas yang berhasil?
3. Bisakah orang mengandalkan hasilnya?
4. Apakah setiap dolar AI menghasilkan nilai lebih besar seiring meningkatnya penggunaan?

Mulailah dari pekerjaan itu sendiri.

Berapa banyak masalah pelanggan yang dibantu AI untuk diselesaikan? Berapa banyak perubahan kode yang dibantunya untuk dirilis? Berapa banyak kontrak yang ditinjaunya? Berapa banyak waktu yang dihemat orang-orang? Berapa banyak keputusan yang membaik karena konteks yang tepat tersedia pada momen yang tepat?

Token menciptakan nilai ketika berubah menjadi pekerjaan yang dapat digunakan orang. Seiring model menjadi lebih andal, model dapat menangani tugas yang lebih panjang dan kompleks: mempertahankan konteks, melakukan penalaran melalui beberapa langkah, bekerja lintas alat, dan beradaptasi sepanjang proses.

Tempat terbaik untuk memulai adalah satu alur kerja. Tentukan arti “selesai” dan ukur hasil itu di sistem tempat pekerjaan berlangsung.

Bagi tim dukungan, “selesai” bisa berarti masalah pelanggan terselesaikan. Bagi tim rekayasa, itu bisa berarti perubahan kode yang lulus pengujian. Bagi tim legal, itu bisa berarti kontrak ditinjau secara akurat dan tepat waktu.

Bayangkan tim keuangan yang bersiap untuk meninjau perkiraan. Sebagian besar pekerjaan terjadi sebelum keputusan akhir dibuat: menemukan perkiraan terbaru, memindahkan data ke Excel atau Sheets, mengidentifikasi perubahan, merekonsiliasi tab, menyusun ulang slide, dan memastikan semuanya terhitung tepat.

ChatGPT Work dapat mengambil alih sebagian besar proses itu, memberi tim lebih banyak waktu untuk berfokus pada pertanyaan yang penting: Apa yang berubah? Mengapa? Apa yang harus kita lakukan berikutnya?

Itulah kecerdasan berguna per dolar dalam praktik. Lebih banyak pekerjaan selesai dengan lebih cepat, sementara orang menghabiskan lebih banyak waktu untuk menggunakan pertimbangan, kreativitas, dan keahlian mereka.

Pertanyaan berikutnya adalah berapa biaya untuk menyelesaikan pekerjaan itu dengan baik.

Tugas AI sangat beragam. Jawaban singkat mungkin hanya membutuhkan sedikit komputasi. Alur kerja pengodean, riset, atau keuangan mungkin melibatkan penalaran yang lebih mendalam, penggunaan alat, dan banyak tindakan. Tugas yang lebih kompleks itu dapat membutuhkan lebih banyak komputasi, tetapi juga dapat menciptakan nilai yang jauh lebih besar.

Pada tingkat model, biaya per tugas yang berhasil bergantung pada harga, jumlah komputasi yang digunakan, dan kemungkinan mencapai hasil yang tepat. Bagi bisnis, biaya total juga mencakup waktu karyawan, peninjauan manusia, percobaan ulang, dan pengerjaan ulang.

Perhitungannya sederhana:

• Jumlahkan biaya total untuk menyelesaikan pekerjaan.
• Hitung tugas yang memenuhi standar kualitas yang disyaratkan.
• Bagi biaya total dengan jumlah tugas yang berhasil.

Inilah mengapa harga terendah per token tidak selalu menghasilkan biaya terendah per keluaran. Model terdepan dapat memberikan nilai terbaik bahkan untuk permintaan rutin jika menghasilkan jawaban yang tepat dalam satu kali proses, sehingga mengurangi percobaan ulang, latensi, peninjauan, dan total komputasi.

Keluarga model bertingkat memberi pelanggan lebih banyak cara untuk mengoptimalkan persamaan ini. GPT‑5.6, yang kami rilis minggu lalu, memiliki tiga tingkat: Sol adalah andalan kami; Terra menyeimbangkan performa dan biaya; Luna adalah model kami yang tercepat dan paling terjangkau.

Tingkat-tingkat ini memberikan titik awal yang berguna. Pada akhirnya, ekonomi tugas secara penuh harus menentukan model yang tepat. Pelanggan dapat menggunakan Luna untuk alur kerja cepat bervolume tinggi, Terra untuk pekerjaan yang membutuhkan kedalaman lebih besar, atau Sol ketika penalaran yang lebih kuat memberikan hasil terbaik dengan lebih sedikit percobaan.

Kami melatih GPT‑5.6 untuk menghasilkan lebih banyak pekerjaan berguna dari setiap token. Pada Artificial Analysis Coding Agent Index, GPT‑5.6 Sol dengan penalaran maksimal menetapkan standar mutakhir baru sambil menggunakan token keluaran 54% lebih sedikit daripada model terkemuka lainnya. Bagan di bawah ini menggambarkan perbandingannya.

Di seluruh keluarga GPT‑5.6, tujuannya sama: lebih banyak pekerjaan yang berhasil per dolar. Efisiensi yang lebih besar membuat tugas yang ada menjadi lebih terjangkau. Kemampuan yang lebih besar memungkinkan jenis pekerjaan yang benar-benar baru.

Setiap generasi model baru harus memperbaiki kedua sisi persamaan itu. Pelanggan seharusnya dapat menyelesaikan pekerjaan yang lebih bernilai, sementara pada saat yang sama biaya untuk menyelesaikan setiap tugas terus turun.

Ukuran ketiga adalah keandalan.

Adopsi AI cenderung semakin mendalam secara bertahap. Pertama, AI membantu menyusun draf. Lalu AI menemukan konteks dan bernalar lintas alat dan data. Seiring waktu, AI mulai mengambil tindakan, menangani pengecualian, dan menyelesaikan alur kerja, sementara orang memberikan pertimbangan dan kendali saat diperlukan.

Setiap langkah menciptakan lebih banyak nilai dan menuntut lebih banyak dari sistem.

Keandalan memiliki nilai ekonomi langsung. Ketika hasil akurat, bersumber dengan baik, konsisten, dan dieskalasikan secara tepat, orang menghabiskan lebih sedikit waktu untuk meninjau, mengoreksi, dan mengulang pekerjaan. Tugas yang berhasil menjadi lebih murah, dan organisasi memperoleh kepercayaan untuk menggunakan AI dalam alur kerja yang lebih penting.

Tim dapat membuatnya konkret dengan melacak tiga hasil:

• Siap digunakan: Hasil memenuhi standar kualitas saat dikirimkan.
• Perlu koreksi: Hasil memerlukan percobaan lain atau edit manusia.
• Perlu eskalasi: Seseorang perlu turun tangan dan menyelesaikan pekerjaan.

Ukuran-ukuran ini memberi gambaran yang lebih kaya daripada akurasi model saja. Ukuran tersebut menunjukkan apakah AI benar-benar mengurangi pekerjaan yang diperlukan untuk menyelesaikan proyek.

Keandalan juga membutuhkan batasan yang jelas. Sebelum AI bergerak dari menyusun draf ke mengambil tindakan, organisasi harus menentukan:

• Data apa yang dapat diakses sistem.
• Sistem apa yang dapat digunakan atau diubahnya.
• Kapan seseorang harus meninjau atau menyetujui suatu tindakan.

Keselamatan, keamanan, privasi, dan kontrol menjadi fondasi untuk penggunaan yang lebih mendalam. Orang perlu memahami bagaimana sistem berperilaku, bagaimana data mereka ditangani, dan bagaimana tindakannya diatur.

ChatGPT Work dibangun di atas fondasi keamanan, privasi, kepatuhan, dan pengelolaan workspace dari ChatGPT Enterprise. Hal ini memungkinkan organisasi memberi AI lebih banyak konteks dan akses ke alur kerja yang lebih bernilai sambil mempertahankan pengawasan yang tepat.

Kemampuan membuat orang mau mencoba. Keandalan menjadikan AI bagian dari cara pekerjaan diselesaikan.

Pertanyaan terakhir adalah apakah ekonominya membaik pada skala besar.

Perusahaan dapat mengukurnya dengan mengikuti alur kerja yang sama dari waktu ke waktu. Lacak berapa banyak tugas yang memenuhi standar kualitas, total biaya untuk menyelesaikannya, dan biaya per tugas yang berhasil. Jika pekerjaan yang selesai tumbuh lebih cepat daripada total biaya sementara kualitas bertahan atau meningkat, setiap dolar AI menghasilkan lebih banyak nilai.

Komputasi berada di pusat persamaan ini.

Komputasi menggerakkan riset dan setiap tugas yang diselesaikan AI. Komputasi membentuk kualitas produk, kecepatan, keandalan, ketersediaan, dan biaya. Komputasi pelatihan membangun kemampuan masa depan. Komputasi inferensi menghadirkan pekerjaan berguna hari ini. Keduanya harus menghasilkan keluaran yang lebih baik bagi pelanggan.

Model yang lebih baik, inferensi yang lebih efisien, perangkat keras yang dirancang khusus, utilisasi lebih tinggi, perutean yang lebih cerdas, dan desain produk yang lebih kuat semuanya meningkatkan imbal hasil komputasi. Setiap generasi infrastruktur membantu melatih model yang lebih andal. Algoritma, perangkat keras, dan perangkat lunak yang lebih baik kemudian membantu menyajikan model tersebut dengan lebih efisien.

Pelanggan merasakan peningkatan itu dalam istilah manusiawi: jawaban lebih baik, hasil lebih cepat, koreksi lebih sedikit, produk lebih andal, dan biaya lebih rendah untuk pekerjaan yang perlu mereka selesaikan.

Keuntungannya berlipat ganda. Infrastruktur yang lebih baik mempercepat riset. Riset menghasilkan model yang lebih andal dan efisien. Model yang lebih baik meningkatkan produk. Produk yang lebih baik mendorong adopsi, pembelajaran, dan pendapatan. Pertumbuhan itu mendukung investasi berkelanjutan dalam generasi berikutnya dari riset, komputasi, penerapan, dan keselamatan.

OpenAI menyatukan semua bagian ini melalui satu platform kecerdasan bersama. Orang menggunakannya melalui ChatGPT dan ChatGPT Work. Pengembang membangun dengannya melalui Codex dan API. Perusahaan menerapkannya ke dalam sistem tempat pekerjaan berlangsung.

Ketika satu lapisan membaik, setiap produk dan pelanggan dapat memperoleh manfaat.

Secara keseluruhan, keempat ukuran ini memberi tahu kita apakah kecerdasan berguna per dolar meningkat.

Pekerjaan berguna menunjukkan apa yang dihasilkan AI. Biaya per tugas yang berhasil menunjukkan apa yang diperlukan untuk mencapai keluaran. Keandalan menunjukkan seberapa banyak pekerjaan yang dapat digunakan orang dengan yakin. Nilai pada skala besar menunjukkan apakah setiap dolar, dan setiap unit komputasi, menyelesaikan lebih banyak dari waktu ke waktu.

Tujuannya adalah AI yang membantu orang melakukan pekerjaan yang lebih bermakna, membuat keputusan yang lebih baik, dan menghabiskan lebih banyak waktu pada bagian pekerjaan yang membutuhkan pertimbangan dan kreativitas yang khas manusia.

Tugas kami adalah memperbaiki persamaan itu pada setiap generasi: model yang lebih andal, hasil yang lebih cepat dan lebih dapat diandalkan, serta biaya yang lebih rendah untuk pekerjaan yang perlu pelanggan selesaikan.

Begitulah AI menjadi lebih berguna bagi lebih banyak orang dan organisasi seiring waktu.