OpenAI-ის B2B სიგნალები

დღეს წარმოგიდგენთ B2B Signals-ს, OpenAI Signals⁠ -ის ბიზნესისთვის განკუთვნილ გაფართოებას, რომელიც ზომავს, როგორ ვრცელდება ხელოვნური ინტელექტი ორგანიზაციებში. პირველი ნიშნები ცხადია: მოწინავე კომპანიები წინ იჭრებიან არა მხოლოდ იმიტომ, რომ ხელოვნურ ინტელექტზე აქვთ წვდომა, არამედ იმიტომ, რომ მას უფრო სიღრმისეულად იყენებენ სამუშაო პროცესებში.

B2B Signals არის რეგულარულად განახლებადი მაჩვენებლების ნაკრები, რომელიც ეფუძნება კორპორაციული AI-ის გამოყენების ფართომასშტაბიან ანალიზს, რომელიც კონფიდენციალურობას იცავს. ის აკვირდება ქცევებსა და კანონზომიერებებს, რომლებიც ორგანიზაციებს ეხმარება გაიგონ, როგორ გადააქციონ მიღებული ცოდნა ბიზნეს ღირებულებად.

მოწინავე კომპანიები — ანუ ისინი, ვინც ხელოვნური ინტელექტის გამოყენების 95-ე პერცენტილში იმყოფებიან — თითოეულ თანამშრომელზე გაცილებით მეტ „ინტელექტს" მოიხმარენ, უფრო ინტენსიურად ნერგავენ მოწინავე ინსტრუმენტებს და AI-ს უფრო სიღრმისეულად აინტეგრირებენ სამუშაო პროცესებში. ზოგიერთი კომპანიისთვის ეს ჩამორჩენა უკვე გროვდება, ხოლო განსხვავება სულ უფრო მეტად გამოყენების სიღრმით განისაზღვრება.

ძირითადი დასკვნები

• მოწინავე კომპანიების უპირატესობა დაგროვებას იწყებს: მოწინავე კომპანიები ახლა ერთ თანამშრომელზე ტიპურ კომპანიებთან შედარებით 3,5-ჯერ მეტ ინტელექტს იყენებენ, მაშინ როცა ერთი წლის წინ ეს მაჩვენებელი მხოლოდ 2-ჯერ მეტი იყო. 
• მოწინავე კომპანიები ხელოვნურ ინტელექტს უფრო სიღრმისეულად იყენებენ და არა უბრალოდ უფრო ხშირად: შეტყობინებების მოცულობა მოწინავე და ტიპურ კომპანიებს შორის სხვაობის მხოლოდ 36%-ს განსაზღვრავს. მოწინავე უპირატესობის უმეტესი ნაწილი სიღრმისეული გამოყენებიდან მომდინარეობს. 
• აგენტური სამუშაო პროცესები მოწინავე დანერგვის მაჩვენებელი ხდება: სხვაობა ყველაზე დიდია განვითარებულ აგენტურ ინსტრუმენტებში, სადაც მოწინავე კომპანიები ჩვეულებრივ კომპანიებთან შედარებით 16-ჯერ მეტ Codex-ის შეტყობინებას აგზავნიან. 
• კომპანიებს შეუძლიათ მოწინავეებთან არსებული ჩამორჩენის აღმოფხვრა ორგანიზაციული ცვლილებების გზით: ჩამორჩენის დასაძლევად კომპანიებმა უნდა გაზომონ გამოყენების სიღრმე, პრიორიტეტი მიანიჭონ მმართველობას, ინვესტიცია ჩადონ შესაძლებლობების განვითარებაში, დაამასშტაბირონ ის, რაც მუშაობს და ჩატზე დაფუძნებული დახმარებიდან აგენტებზე დელეგირებულ სამუშაოზე გადავიდნენ.

მოწინავე AI-ის უპირატესობა კუმულაციურად იწყებს გაძლიერებას, ხოლო ის კომპანიები, რომლებიც ხელოვნურ ინტელექტს ყველაზე სიღრმისეულად იყენებენ, საკუთარ ლიდერობას კიდევ უფრო ამყარებენ.

საწარმოებისთვის ლიცენზირებული ადგილების დანერგვა მხოლოდ საწყისი წერტილია. უფრო მკაფიო მაჩვენებელია, იყენებენ თუ არა თანამშრომლები AI-ს უფრო ღრმა და რთული სამუშაოსთვის. ეს დიაგრამა ერთმანეთს ადარებს დასაქმებულზე გენერირებული ტოკენების რაოდენობას მოწინავე კომპანიაში(განისაზღვრება 95-ე პროცენტილით) და „ტიპურ“ კომპანიაში (განსაზღვრება 50-ე პერცენტილით).

ტოკენები ბიზნეს ღირებულების არასრულყოფილი საზომია. მოკლე პასუხი შეიძლება ძალიან ღირებული იყოს, ხოლო გრძელი პასუხი შეიძლება ნაკლებად ღირებული იყოს. თუმცა ტოკენების მოცულობა გვეხმარება გავზომოთ, რამდენი სამუშაოს შესრულებას სთხოვენ თანამშრომლები ხელოვნურ ინტელექტს, რაც ხელოვნური ინტელექტის გამოყენების სიღრმისა და თანამშრომლების მოთხოვნილ ინტელექტის ოდენობის კარგი მაჩვენებელია.

მოწინავე კომპანია თითო თანამშრომელზე სამნახევარჯერ მეტ ინტელექტს მოითხოვს, ვიდრე ტიპური კომპანია. ეს სხვაობა 2025 წლის აპრილის შემდეგ ორჯერ გაიზარდა,რაც მიუთითებს იმაზე, რომ კომპანიები, რომლებიც ხელოვნურ ინტელექტს ყველაზე სიღრმისეულად იყენებენ, კიდევ უფრო მეტად ზრდიან უპირატესობას და უკეთეს პოზიციაში არიან ახალი AI შესაძლებლობების უფრო სიღრმისეულ და კომპლექსურ სამუშაოდ გარდასაქმნელად.

მოწინავე მოდელების უპირატესობის უმეტესი ნაწილი უფრო ღრმა გამოყენებიდან მოდის, და არა შეტყობინებების უფრო დიდი რაოდენობიდან

მოწინავე კომპანია თითოეულ თანამშრომელზე მნიშვნელოვნად მეტ ინტელექტს მოითხოვს, ვიდრე ტიპური ფირმა, მაგრამ ამ სხვაობის უმეტესი ნაწილი მხოლოდ შეტყობინებების მოცულობით არ აიხსნება. ეს დიაგრამა შლის 3.5x-იან მოწინავე უპირატესობას და აჩვენებს, რომ თუ ტიპური კომპანია შეტყობინებებს იმავე სიხშირით გაგზავნიდა, როგორც მოწინავე, ის 3.5x-იანი სხვაობის მხოლოდ 36%-ს დაფარავდა.

დარჩენილი ხარვეზი სიღრმისეულ გამოყენებას უკავშირდება. მოწინავე სფეროებში მომუშავეები AI-ს უფრო რთული სამუშაოს შესრულებას ავალებენ, უფრო მდიდარ კონტექსტს აწვდიან და უფრო არსებით შინაარსობრივ შედეგებს ქმნიან.

მოწინავე კომპანიების უპირატესობა ყველაზე მეტად ვლინდება მაღალი დონის აგენტურ ინსტრუმენტებში, რაც დასტურდება Codex-ის გამოყენების 16-ჯერადი სხვაობით

მოწინავე უპირატესობა ყველაზე დიდია იმ ინსტრუმენტებისთვის, რომლებიც მხარს უჭერენ უფრო მოწინავე სამუშაო პროცესებს . Codex ყველაზე დიდ სხვაობას ავლენს: მოწინავე კომპანია თითოეულ თანამშრომელზე 16-ჯერ მეტ შეტყობინებას აგზავნის, ვიდრე ტიპური კომპანია. ChatGPT აგენტი, აპები ChatGPT‑ში, სიღრმისეული კვლევა და GPT‑ები ასევე შედარებით დიდ სხვაობებს აჩვენებენ, რაც მიუთითებს, რომ მოწინავე მოდელები უკეთ იყენებენ ინსტრუმენტებს, რომლებიც თანამშრომლებს კოდის წერაში, მრავალსაფეხურიანი ამოცანების დელეგირებაში, კომპანიის კონტექსტის გამოყენებასა და უფრო რთული კვლევის ჩატარებაში ეხმარებიან.

ამის საპირისპიროდ, უფრო ზოგადი დანიშნულების და ადვილად ხელმისაწვდომ ინსტრუმენტებში, როგორიცაა მომხმარებლის ატვირთვა, ძიება და მონაცემთა ანალიზი, მოწინავე მოდელების უპირატესობა ნაკლებად იკვეთება. ამ ინსტრუმენტების გამოყენება კომპანიების უმეტესობისთვის უფრო მარტივია, რადგან ისინი ნაცნობ სამუშაო პროცესებს აფართოებენ. მოწინავე უპირატესობა ყველაზე მკაფიოდ ვლინდება მოწინავე და აგენტურ ინსტრუმენტებში, სადაც დანერგვა მოითხოვს მეტ ექსპერტიზას, სამუშაო გარემოს ცოდნასა და ინსტრუმენტებთან კავშირებს და AI-სთვის სამუშაოს დელეგირების მეტ მზაობას.

მოწინავე უპირატესობა განათლებასა და სწავლაშია

მოწინავე კომპანიის უპირატესობა ყველაზე დიდია განათლებისა და სწავლის ამოცანებში, სადაც მოწინავე კომპანია ერთ თანამშრომელზე 7-ჯერ მეტ შეტყობინებას აგზავნის, ვიდრე ტიპური კომპანია. მოწინავე კომპანიები AI-ს იყენებენ, რათა თანამშრომლებს უნარების განვითარებასა და ახალი თემების შესწავლაში დაეხმარონ. ისინი ასევე იყენებენ ხელოვნურ ინტელექტს თავად ხელოვნური ინტელექტის შესახებ ცოდნის გასაღრმავებლად, მათ შორის იმის გასაგებად, თუ რისი გაკეთება შეუძლია მას, როგორ გამოიყენონ ის ეფექტურად და სად შეიძლება მისი ინტეგრირება არსებულ სამუშაო პროცესებში. სხვაობის მასშტაბი მიუთითებს იმაზე, რომ ტიპური კომპანიები შესაძლოა, სათანადოდ ვერ იყენებდნენ ხელოვნურ ინტელექტს, როგორც თანამშრომლების სწავლებისა და განვითარების ინსტრუმენტს.

კოდირებაშიც ჩანს მოწინავეების დიდი უპირატესობა: მოწინავე კომპანია ერთ თანამშრომელზე 4-ჯერ მეტ შეტყობინებას აგზავნის, ვიდრე ტიპური კომპანია. ეს შეესაბამება მოწინავე და აგენტური ინსტრუმენტების გამოყენებაში არსებულ უფრო ფართო სხვაობას. პრაქტიკულ ინსტრუქციებსა და წერილობით კომუნიკაციაში „წამყვან“ და ტიპურ კომპანიებს შორის ყველაზე მცირე სხვაობა ფიქსირდება, რაც სავარაუდოდ, იმით არის გამოწვეული, რომ აღნიშნული ამოცანები ხელოვნური ინტელექტის გამოყენების ყველაზე ხელმისაწვდომი და ნაცნობი ფორმებია.

AI-ის გამოყენება ყველაზე ფართოდ წერაში ხდება, თუმცა ფუნქციების მიხედვით იკვეთება სპეციფიკური ტენდენციები

წერა და კომუნიკაცია ChatGPT‑ის ყველაზე გავრცელებულ გამოყენებად რჩება. თუმცა, გამოყენების თავისებურებები ფუნქციების მიხედვით განსხვავდება და ხშირად თითოეული ფუნქციის ძირითად პასუხისმგებლობებს უკავშირდება. IT-ისა და უსაფრთხოების შეტყობინებების 60% პრაქტიკულ ინსტრუქციებსა და პროცედურულ მითითებებზეა კონცენტრირებული, პროგრამული უზრუნველყოფის შემუშავებისა და მონაცემთა მეცნიერებისა და ინჟინერიის შეტყობინებების თითქმის ნახევარი კოდირებას უკავშირდება, ხოლო ფინანსების შეტყობინებების ერთი მეათედი ანალიზსა და გამოთვლას ეხება.

ეს ტენდენციები შეესაბამება უფრო ფართო მტკიცებულებებს, რომ მოწინავე მოდელები აუმჯობესებენ ეკონომიკურად ღირებული სამუშაო ამოცანების შესრულებას. GDPval⁠, რეალური ინტელექტუალური შრომის შეფასება 44 სხვადასხვა პროფესიაში, ზომავს პროდუქტიულობას ისეთ ამოცანებში, რომლებიც პრაქტიკულ სამუშაო შედეგებს ქმნის, როგორიცაა დოკუმენტები, ცხრილები, სლაიდები, დიაგრამები და მულტიმედია. AI-ის შესაძლებლობების ზრდასთან ერთად, მისი გამოყენება საწარმოებში, როგორც ჩანს, ვრცელდება იმ ამოცანებზე, რომლებიც უფრო მჭიდროდ არის დაკავშირებული თითოეული ფუნქციის ძირითად საქმიანობასთან.

ინდუსტრიის ლიდერობა ერთგანზომილებიანი არ არის: ChatGPT‑ში, Codex-სა და API-ში სხვადასხვა სექტორი ლიდერობს.

AI-ს დანერგვის ერთიანი რეიტინგი არ არსებობს. ინდუსტრიების რეიტინგები განსხვავდება გამოყენებული მაჩვენებლის მიხედვით. პროფესიული, სამეცნიერო და ტექნიკური მომსახურება პირველ ადგილს იკავებს როგორც Codex-ის ათვისების, ისე API-ის ინტენსივობის მიხედვით, რაც დეველოპერულ და პროდუქტში ინტეგრირებულ სამუშაო პროცესებში შედარებით მოწინავე გამოყენებაზე მიუთითებს. ფინანსებისა და დაზღვევის სექტორი ChatGPT‑ის დანერგვაში ლიდერობს ფართომასშტაბიანი დანერგვების გამო, ხოლო საგანმანათლებლო მომსახურებას შეტყობინებების ყველაზე მაღალი ინტენსივობა აქვს, რაც თითოეული ადამიანის მიერ უფრო სიღრმისეულ გამოყენებაზე მიუთითებს. საცალო ვაჭრობა და ჯანმრთელობის დაცვა API-ის ინტენსივობის მიხედვით მაღალ პოზიციებს იკავებენ, მიუხედავად იმისა, რომ სხვა საზომების მიხედვით დაბალი რეიტინგები აქვთ.

ეს განსხვავებები მიუთითებს, რომ ინდუსტრიის ლიდერობა ერთგანზომილებიანი არ არის. ზოგი სექტორი, როგორც ჩანს, AI-ს ტექნიკური და დეველოპერული სამუშაო პროცესების მეშვეობით ნერგავს, ხოლო სხვები მასშტაბირებას აღწევენ ChatGPT‑ის ფართო დანერგვით ან საბოლოო მომხმარებლების უფრო ინტენსიური გამოყენებით.

კორპორაციები API-ების გამოყენებას წარმოების სამუშაო პროცესებსა და მომხმარებელზე ორიენტირებულ აპლიკაციებში ნერგავენ

კომპანიები სულ უფრო ხშირად იყენებენ API-ს, რათა მოახდინონ მოდელების პირდაპირი ინტეგრირება პროდუქტებში, სერვისებსა და შიდა სისტემებში. წარმოებაში გამოყენების გავრცელებული შემთხვევები მოიცავს აპლიკაციის შიდა ასისტენტებს, კოდირებისა და დეველოპერების ხელსაწყოებს, მომხმარებელთა მხარდაჭერას, კვლევით სამუშაო ნაკადებსა და სამუშაო პროცესების ავტომატიზაციას.

ეს დანერგვები აჩვენებს, როგორ სცდება კორპორაციული AI ექსპერიმენტირების ეტაპს და გადადის განმეორებად სამუშაო პროცესებზე, რომლებსაც გაზომვადი ოპერაციული გავლენა აქვთ. მომხმარებელთა მაგალითების ფართო სპექტრში კომპანიები იყენებენ OpenAI-ის მოდელებს ცოდნაზე დაფუძნებული სამუშაოს დასაჩქარებლად, საინჟინრო მწარმოებლურობის გასაუმჯობესებლად და მომხმარებლებისა და თანამშრომლებისთვის ხელოვნურ ინტელექტზე დაფუძნებული გამოცდილებების შესაქმნელად.

რა შეუძლიათ ორგანიზაციებს გააკეთონ მოწინავე დონის მისაღწევად

OpenAI თანამშრომლობს სხვადასხვა ინდუსტრიის, ფუნქციისა და AI სიმწიფის სხვადასხვა ეტაპზე მყოფ საწარმოებთან, რაც გვაძლევს შესაძლებლობას დავინახოთ, როგორ ვითარდება ათვისების პროცესი ექსპერიმენტიდან უშუალოდ წარმოებამდე. ამ დანერგვების ფარგლებში, კომპანიები, რომლებიც ყველაზე დიდ პროგრესს აღწევენ, როგორც წესი, ნაკლებად ამახვილებენ ყურადღებას მხოლოდ წვდომაზე და მეტად — იმ ორგანიზაციულ სისტემებზე, რომლებიც საჭიროა AI-ის სიღრმისეულად გამოსაყენებლად: გაზომვა, მართვა, ხელშეწყობა, გავლენის მასშტაბირება და აგენტური დანერგვა.

ხუთი პრაქტიკა გამოიყოფა, როგორც პრაქტიკული ნაბიჯები, რომელთა გადადგმაც ნებისმიერ ორგანიზაციას დღესვე შეუძლია ხელოვნური ინტელექტის ათვისების გასაღრმავებლად.

1. გაზომეთ გამოყენების სიღრმე წვდომასთან ერთად.
   მნიშვნელოვანი ინდიკატორია არა მხოლოდ ის, თუ რამდენ თანამშრომელს აქვს AI ანგარიშები, არამედ ისიც, იყენებენ თუ არა გუნდები დროთა განმავლობაში AI-ს უფრო არსებითად. ორგანიზაციებმა უნდა აკონტროლონ, ხდება თუ არა ხელოვნური ინტელექტის გამოყენება უფრო ხშირი, უფრო კომპლექსური და უფრო მჭიდროდ დაკავშირებული ღირებულ სამუშაო ნაკადებთან
2. შექმენით მმართველობის მოდელი, რომელიც აგენტური AI-ის დანერგვას შესაძლებელს ხდის.
   წამყვანი კომპანიები მმართველობას თავს არ არიდებენ. ისინი მას იყენებენ იმისთვის, რომ აგენტური AI უფრო ადვილად დასანერგი გახადონ. კომპანიებს სჭირდებათ მკაფიო წესები იმის შესახებ, თუ სად შეუძლიათ აგენტებს მოქმედება, რა ინფორმაციის გამოყენება შეუძლიათ, როდის უნდა მისცენ რჩევა ქმედების ნაცვლად და როგორ განიხილავენ ადამიანები უფრო მაღალი რისკის შემცველ გადაწყვეტილებებს. მოწინავე კომპანიები ამ სტანდარტებს დანერგვის პროცესის ნაწილად განსაზღვრავენ, ამიტომ მმართველობა ხდება არა პროცესის შემფერხებელი, არამედ ათვისების უსაფრთხოდ გაფართოების საშუალება.
3. შესაძლებლობების უზრუნველყოფას მოექეცით როგორც ძირითად ინფრასტრუქტურას და არა როგორც გვერდით პროექტს.
   ხელოვნური ინტელექტის შესაძლებლობების გაუმჯობესებასთან ერთად, როგორც თანამშრომლებს, ისე ორგანიზაციებს სჭირდებათ სისტემები, რომლებიც მათ ტემპის შენარჩუნებაში ეხმარება. მოწინავე კომპანიები შესაძლებლობების განვითარებას არ განიხილავენ როგორც ერთჯერად სასწავლო ინიციატივას. ისინი დანერგვის პროცესში უწყვეტ სწავლებას ინტეგრირებენ კონკრეტულ როლებზე მორგებული ტრენინგების, პრაქტიკული სემინარების, ჰაკათონების, შიდა „ჩემპიონთა“ ქსელების, ექსპერიმენტებისთვის გამოყოფილი დროისა და სამუშაო პროცესების, საუკეთესო პრაქტიკებისა და უნარების საერთო საცავების მეშვეობით.. 
4. გამოავლინეთ თქვენი მოწინავე გუნდები და გაზარდეთ მათი გავლენა.
   ბევრ ორგანიზაციაში ყველაზე მოწინავე გამოყენება მცირე რაოდენობის გუნდებშია კონცენტრირებული. ამ გუნდებს შეუძლიათ გამოავლინონ, რომელი სამუშაო პროცესები, ჩვევები და ოპერაციული მოდელები მუშაობს ეფექტიანად. ლიდერებმა უნდა გამოავლინონ ეს გუნდები, გაიაზრონ და გააფართოონ ის პირობები, რომლებიც მათ წარმატებას უდევს საფუძვლად, და დაეხმარონ მათ, კომპანიის დანარჩენ ნაწილს გაუზიარონ ხელოვნური ინტელექტის უფრო სიღრმისეული გამოყენების შესახებ დაკვირვებები და მაგალითები. 
5. გადადით ჩატიდან სამუშაოს დელეგირებაზე.
   კორპორაციული AI ჩატის ასისტენტებიდან გადადის სამუშაოზე, რომლის დელეგირებაც აგენტებისთვის შესაძლებელია. პროგრამული უზრუნველყოფის ინჟინერია ამ ტენდენციას ასახავს, თუმცა დელეგირებული სამუშაო სხვადასხვა ფუნქციაზე ვრცელდება. Codex-ის გამოყენებით ინჟინრებს შეუძლიათ განსაზღვრული ამოცანის დელეგირება, აგენტისთვის საჭირო კონტექსტის მიწოდება, ფაილებში, კოდის ბაზებსა და ინსტრუმენტებში მუშაობის შესაძლებლობის მიცემა, შედეგის გადახედვა და უკუკავშირის საფუძველზე სამუშაო პროცესის დახვეწა. მოწინავე კომპანიები თანამშრომლებს მოუწოდებენ, AI-სთვის დავალებები გადააბარონ, ნაცვლად იმისა, რომ AI მხოლოდ სტატიკურ ასისტენტად გამოიყენონ.

თუ გსურთ გაეცნოთ კვლევის სრულ შედეგებს ან გაიგოთ, როგორ დანერგოთ ხელოვნური ინტელექტი თქვენს ორგანიზაციაში პასუხისმგებლიანად სიამოვნებით დაგიკავშირდებით⁠.