B2B Signals OpenAI

Hari ini kami memperkenalkan B2B Signals, ekstensi bisnis dari OpenAI Signals⁠ yang mengukur bagaimana AI menyebar di berbagai organisasi. Sinyal awalnya jelas: perusahaan terdepan semakin unggul bukan hanya karena mereka memiliki akses ke AI, tetapi karena mereka menggunakan AI secara lebih mendalam di berbagai aspek pekerjaan.

B2B Signals adalah serangkaian pengukuran berkala berdasarkan analisis berskala besar yang menjaga privasi atas penggunaan AI tingkat perusahaan. Ini melacak perilaku dan pola yang dapat membantu organisasi memahami cara menerjemahkan kecerdasan menjadi nilai bisnis.

Perusahaan terdepan—yang berada pada persentil ke-95 dalam penggunaan AI—menggunakan lebih banyak kecerdasan per pekerja, mengadopsi alat canggih secara lebih intensif, dan mengintegrasikan AI secara lebih mendalam ke dalam alur kerja. Kesenjangan mulai meningkat bagi sebagian perusahaan, dan perbedaan tersebut semakin ditentukan oleh kedalaman penggunaan.

Poin-poin Utama

• Keunggulan perusahaan terdepan mulai berlipat ganda: Perusahaan terdepan kini menggunakan kecerdasan per pekerja 3,5 kali lebih banyak dibandingkan perusahaan biasa, naik dari 2 kali pada tahun lalu. 
• Perusahaan terdepan menggunakan AI secara lebih mendalam, bukan hanya lebih sering: Volume pesan hanya menjelaskan 36% kesenjangan antara perusahaan terdepan dan perusahaan pada umumnya. Sebagian besar keunggulan perusahaan terdepan berasal dari penggunaan yang lebih mendalam. 
• Alur kerja agentik menjadi penanda adopsi perusahaan terdepan: Kesenjangan terbesar terdapat pada alat agentik canggih, dengan perusahaan terdepan mengirim pesan Codex 16 kali lebih banyak dibandingkan perusahaan biasa. 
• Perusahaan dapat mengatasi kesenjangan perusahaan terdepan melalui perubahan organisasi: Untuk mengejar ketertinggalan, perusahaan perlu mengukur kedalaman penggunaan, memprioritaskan tata kelola, berinvestasi dalam pemberdayaan, meningkatkan skala hal yang berhasil, dan beralih dari bantuan berbasis obrolan ke pekerjaan yang didelegasikan kepada agen.

Keunggulan perusahaan terdepan mulai berlipat ganda, dan perusahaan yang menggunakan AI secara paling mendalam semakin memperbesar keunggulan mereka

Penerapan lisensi hanyalah titik awal bagi perusahaan. Indikator yang lebih jelas adalah apakah karyawan menggunakan AI untuk pekerjaan yang lebih mendalam dan lebih kompleks. Bagan ini membandingkan token yang dihasilkan per pekerja di perusahaan terdepan yang didefinisikan sebagai persentil ke-95, dengan perusahaan pada umumnya yang didefinisikan sebagai persentil ke-50.

Token adalah tolok ukur yang tidak sempurna untuk nilai bisnis. Respons singkat dapat sangat bernilai, dan respons panjang dapat bernilai rendah. Namun, volume token membantu mengukur seberapa banyak pekerjaan yang diminta karyawan untuk dilakukan AI, sehingga menjadi proksi yang berguna untuk menilai seberapa mendalam penggunaan AI dan seberapa besar kecerdasan yang dibutuhkan karyawan dari AI.

Perusahaan terdepan membutuhkan kecerdasan per pekerja 3,5 kali lebih banyak dibandingkan dengan perusahaan pada umumnya. Kesenjangan ini telah meningkat dari 2 kali pada April 2025, menunjukkan bahwa perusahaan yang menggunakan AI secara mendalam sedang memperluas keunggulan mereka dan berada pada posisi yang lebih baik untuk mengubah kapabilitas AI baru menjadi pekerjaan yang lebih mendalam dan kompleks.

Sebagian besar keunggulan perusahaan terdepan berasal dari penggunaan yang lebih mendalam, bukan dari volume pesan yang lebih tinggi

Perusahaan terdepan membutuhkan jauh lebih banyak kecerdasan per pekerja dibandingkan perusahaan pada umumnya, tetapi sebagian besar kesenjangan tersebut tidak dapat dijelaskan oleh volume pesan saja. Diagram ini menguraikan keunggulan perusahaan terdepan sebesar 3,5x dan menunjukkan bahwa jika perusahaan pada umumnya mengirim pesan dengan laju yang sama seperti perusahaan terdepan, perusahaan tersebut hanya akan mengatasi 36% dari kesenjangan 3,5x tersebut.

Kesenjangan yang tersisa terkait dengan penggunaan yang lebih mendalam. Pekerja di perusahaan terdepan meminta AI untuk menangani pekerjaan yang lebih kompleks, memberikan konteks yang lebih kaya kepada model, dan menghasilkan output yang lebih substantif.

Keunggulan perusahaan terdepan paling besar adalah pada alat canggih dan agentik, dengan penggunaan Codex 16x lebih tinggi sebagai pendorong utamanya

Keunggulan perusahaan terdepan paling besar untuk alat yang mendukung alur kerja yang lebih canggih. Codex menunjukkan perbedaan terbesar, dengan perusahaan terdepan mengirim pesan per pekerja 16 kali lebih banyak. Agen di ChatGPT, Aplikasi di ChatGPT, Riset Mendalam, dan GPT juga menunjukkan kesenjangan yang relatif besar, yang menunjukkan bahwa perusahaan terdepan lebih baik dalam memanfaatkan alat yang membantu pekerja melakukan pengodean, mendelegasikan tugas multi-langkah, menerapkan konteks perusahaan, dan melakukan riset yang lebih kompleks.

Sebaliknya, alat yang lebih serbaguna dan mudah diakses seperti Unggahan Pengguna, Pencarian, dan Analisis Data menunjukkan keunggulan perusahaan terdepan yang lebih kecil. Alat-alat ini lebih mudah digunakan oleh sebagian besar perusahaan karena memperluas alur kerja yang familiar. Keunggulan perusahaan terdepan paling terlihat pada alat canggih dan agentik, di mana adopsi memerlukan lebih banyak keahlian, koneksi ke pengetahuan dan alat di tempat kerja, serta kenyamanan yang lebih besar dalam mendelegasikan pekerjaan kepada AI.

Keunggulan perusahaan terdepan terbesar adalah pendidikan dan pembelajaran

Keunggulan perusahaan terdepan paling besar adalah pada tugas pendidikan dan pembelajaran, di mana perusahaan terdepan mengirim pesan 7 kali lebih banyak daripada perusahaan pada umumnya. Di perusahaan terdepan, perusahaan menggunakan AI untuk membantu karyawan membangun keterampilan dan mempelajari topik baru. Mereka juga menggunakan AI untuk meningkatkan pemahaman mereka tentang AI itu sendiri, termasuk apa yang dapat dilakukannya, cara menggunakannya dengan baik, dan di mana AI dapat diintegrasikan ke dalam alur kerja yang sudah ada. Besarnya kesenjangan tersebut menunjukkan bahwa perusahaan pada umumnya mungkin kurang memanfaatkan AI sebagai alat untuk pembelajaran dan pengembangan tenaga kerja.

Pengodean juga menunjukkan kesenjangan besar sebesar 4x, sejalan dengan kesenjangan yang lebih luas dalam penggunaan alat tingkat lanjut dan agentik. Panduan cara melakukan sesuatu serta penulisan dan komunikasi memiliki kesenjangan perusahaan terdepan paling kecil, kemungkinan karena tugas-tugas ini merupakan penggunaan AI yang lebih mudah diakses dan lebih familiar.

Penggunaan AI paling luas adalah dalam penulisan, tetapi penggunaan yang spesifik fungsinya kian meningkat

Penulisan dan komunikasi tetap menjadi penggunaan ChatGPT yang paling umum. Namun, pola penggunaan bervariasi secara signifikan berdasarkan fungsi. 60% pesan TI & Keamanan berfokus pada panduan cara melakukan dan prosedural, hampir separuh pesan Pengembangan Perangkat Lunak dan Sains Data & Rekayasa terkait dengan pengodean, dan sepersepuluh pesan Keuangan terkait dengan analisis dan perhitungan.

Pola-pola ini sejalan dengan bukti yang lebih luas bahwa model terdepan semakin meningkat dalam menjalankan tugas-tugas di tempat kerja yang bernilai ekonomi. GDPval⁠, sebuah evaluasi atas pekerjaan berbasis pengetahuan dunia nyata di 44 jenis pekerjaan, mengukur kinerja pada tugas-tugas yang menghasilkan output terkait pekerjaan yang praktis seperti dokumen, spreadsheet, slide, diagram, dan multimedia. Seiring dengan menjadi lebih mumpuninya AI, penggunaan di perusahaan tampaknya meluas ke tugas-tugas yang lebih erat kaitannya dengan pekerjaan inti setiap fungsi.

Kepemimpinan industri tidak bersifat satu dimensi: berbagai sektor unggul di ChatGPT, Codex, dan API

Tidak ada papan peringkat tunggal untuk adopsi AI. Peringkat industri bervariasi, bergantung pada metrik yang digunakan. Jasa Profesional, Ilmiah, dan Teknis menempati peringkat pertama baik dalam adopsi Codex maupun intensitas API, yang menunjukkan penggunaan yang relatif maju dalam alur kerja pengembang dan alur kerja yang terintegrasi ke dalam produk. Keuangan dan Asuransi memimpin dalam adopsi ChatGPT karena penerapan berskala besar, sementara Layanan Pendidikan memiliki intensitas pesan tertinggi, yang menunjukkan penggunaan per orang yang lebih mendalam. Perdagangan Ritel dan Layanan Kesehatan menempati peringkat tinggi dalam intensitas API, meskipun memiliki peringkat lebih rendah pada metrik lain.

Perbedaan-perbedaan ini menunjukkan bahwa kepemimpinan industri tidak bersifat satu dimensi. Beberapa sektor tampaknya mengadopsi AI melalui alur kerja teknis dan pengembang, sementara sektor lainnya meningkatkan skala melalui adopsi ChatGPT yang luas atau penggunaan oleh pengguna akhir yang lebih intensif.

Perusahaan mulai memindahkan penggunaan API ke dalam alur kerja produksi dan aplikasi yang berinteraksi langsung dengan pelanggan

Perusahaan semakin banyak menggunakan API untuk mengintegrasikan model secara langsung ke dalam produk, layanan, dan sistem internal. Kasus penggunaan produksi yang umum mencakup asisten dalam aplikasi, pengodean dan alat pengembang, dukungan pelanggan, alur kerja riset, dan otomatisasi alur kerja.

Penerapan ini menunjukkan bagaimana AI di perusahaan beralih dari tahap eksperimen menuju alur kerja yang dapat diulang dengan dampak operasional yang terukur. Di berbagai contoh pelanggan, perusahaan menggunakan model OpenAI untuk mempercepat pekerjaan berbasis pengetahuan, meningkatkan throughput rekayasa, dan membangun pengalaman berbasis AI bagi pelanggan dan karyawan.

Apa yang dapat dilakukan organisasi untuk menjadi perusahaan terdepan

OpenAI bekerja dengan perusahaan di berbagai industri, fungsi, dan tahap kematangan AI, sehingga kami memiliki visibilitas tentang bagaimana adopsi berkembang dari eksperimen hingga produksi. Di berbagai penerapan ini, perusahaan yang mencatat kemajuan paling besar cenderung tidak hanya berfokus pada akses semata, tetapi lebih pada sistem organisasi yang diperlukan untuk menggunakan AI secara mendalam: pengukuran, tata kelola, pemberdayaan, peningkatan skala dampak, dan penerapan agen.

Lima praktik menonjol sebagai langkah-langkah praktis yang dapat mulai dilakukan organisasi mana pun hari ini untuk memperdalam adopsi AI.

1. Ukur kedalaman penggunaan, selain akses.
   Sinyal yang relevan bukan hanya berapa banyak pegawai yang memiliki akun AI, melainkan apakah tim menggunakan AI secara lebih substantif dari waktu ke waktu. Organisasi harus memantau apakah penggunaan AI menjadi makin sering, makin kompleks, dan makin erat kaitannya dengan alur kerja yang bernilai.
2. Bangun tata kelola yang memungkinkan penggunaan dalam produksi.
   Perusahaan terkemuka tidak menghindari tata kelola. Mereka menggunakannya untuk membuat AI agentik lebih mudah diterapkan. Perusahaan memerlukan aturan yang jelas tentang di mana agen dapat beroperasi, informasi apa yang dapat mereka gunakan, kapan mereka harus memberikan saran alih-alih bertindak, dan bagaimana manusia meninjau keputusan yang berisiko lebih tinggi. Perusahaan terdepan menetapkan standar ini sebagai bagian dari proses penerapan, sehingga tata kelola menjadi cara untuk memperluas adopsi secara aman, alih-alih memperlambatnya.
3. Perlakukan pemberdayaan sebagai infrastruktur inti, bukan proyek sampingan.
   Seiring dengan meningkatnya kapabilitas AI, baik pekerja maupun organisasi membutuhkan sistem yang membantu mereka mengikuti perkembangan. Perusahaan terdepan tidak memperlakukan pemberdayaan sebagai dorongan pelatihan satu kali. Mereka mengintegrasikan pembelajaran berkelanjutan ke dalam penerapan melalui pelatihan dengan peran khusus, lokakarya kasus penggunaan, hackathon, jaringan penggerak internal, waktu khusus untuk eksperimen, dan repositori bersama berisi alur kerja, praktik terbaik, dan keterampilan. 
4. Identifikasi tim terdepan Anda dan perluas dampaknya.
   Di banyak organisasi, penggunaan paling canggih terkonsentrasi pada sejumlah kecil tim. Tim-tim tersebut dapat menunjukkan alur kerja, kebiasaan, dan model operasional mana yang berjalan efektif. Para pemimpin harus mengidentifikasi tim-tim ini, memahami dan menskalakan kondisi di balik keberhasilan mereka, serta membantu mereka berbagi wawasan dan contoh penggunaan AI yang lebih mendalam dengan bagian lain di perusahaan. 
5. Beralih dari sekadar obrolan menjadi mendelegasikan pekerjaan.
   AI tingkat perusahaan beralih dari asisten obrolan menjadi pekerjaan yang dapat didelegasikan kepada agen. Rekayasa perangkat lunak menggambarkan tren ini, tetapi pekerjaan yang didelegasikan meluas ke berbagai fungsi. Dengan Codex, para insinyur dapat menyerahkan tugas yang telah ditentukan, memberikan konteks yang dibutuhkan agen, membiarkannya bekerja di seluruh file, basis kode, dan alat, lalu meninjau hasilnya dan menyempurnakan alur kerja dengan umpan balik. Perusahaan terdepan mendorong pekerja untuk mendelegasikan tugas kepada AI, alih-alih sekadar menggunakan AI sebagai asisten statis.

Jika Anda ingin menjelajahi temuan lengkapnya atau mempelajari cara membawa AI ke dalam organisasi Anda secara bertanggung jawab, [kami akan senang untuk terhubung⁠].