საწარმოო სიგნალები: რას აკეთებენ მოწინავე კომპანიები განსხვავებულად

კორპორატიული ხელოვნური ინტელექტი ახალ ფაზაში შედის: სულ უფრო მეტი სამუშაო გადაეცემა აგენტებს, ხოლო ყველაზე მეტად დაწინაურებული კომპანიები, უპირატესობას კიდევ უფრო ზრდიან. მოწინავე კომპანიებს სხვა ორგანიზაციების მსგავსად იმავე AI მოდელებზე აქვთ წვდომა, მაგრამ ისინი მათ გამოყენებას უფრო სწრაფად აღრმავებენ. მათ გამოარჩევს ის, თუ როგორ იყენებენ ამ მოდელებს სამუშაოდ: გადადიან დახმარებიდან დელეგირებაზე, აძლევენ აგენტებს კონტექსტსა და ინსტრუმენტებს რთული ამოცანების შესასრულებლად და აჩქარებენ აგენტურ ხელოვნურ ინტელექტს პროგრამული უზრუნველყოფის შემუშავების ფარგლებს გარეთ.

OpenAI-ში ჩვენი კვლევა იმაზე, როგორ გარდაქმნიან აგენტები სამუშაოს, გვაძლევს წამყვან ინდიკატორს იმისა, თუ როგორ შეიძლება გამოიყურებოდეს ეს ცვლილება AI-ზე დაფუძნებული ორგანიზაციის შიგნით. Enterprise Signals აფართოებს ხედვის არეალს OpenAI-ის გლობალურ კორპორაციულ კლიენტთა ბაზაზე და აჩვენებს, როგორ ვრცელდება აგენტური მუშაობა ორგანიზაციებში და რა განასხვავებს მოწინავე კომპანიებს დანარჩენებისგან.

Enterprise Signals-ის ამ გამოცემაში ჩვენ ვაჩვენებთ, რომ წამყვანი (frontier) კომპანიები — ისინი, რომლებიც ყოველთვიურად AI-ის გამოყენებით საუკეთესო 10%-ში შედიან — სულ უფრო ზრდიან სხვაობას საშუალო მაჩვენებლის მქონე კომპანიებთან — მათთან, რომლებიც შუა 10%-ში არიან. ჩვენ განვიხილავთ, რას აკეთებენ მოწინავე კომპანიები განსხვავებულად და რა შეუძლიათ ორგანიზაციებს გააკეთონ ამ სხვაობის შესამცირებლად.

მთავარი დასკვნები:

• კორპორაციული გამოყენება უფრო დამოუკიდებელი ხდება. ივნისის მდგომარეობით, კორპორაციულ მომხმარებლებში Codex-მა Codex-ისა და ChatGPT‑ის გაერთიანებული გამომავალი ტოკენების 64% გენერირება მოახდინა, რაც მიუთითებს, რომ აგენტები უფრო შინაარსიანი, დელეგირებული სამუშაოსკენ გადასვლას შესაძლებელს ხდიან.
• მოწინავე სხვაობა ფართოვდება. მოწინავე კომპანიები — ისინი, რომლებიც ყოველთვიურად AI-ის გამოყენების საუკეთესო 10%-ში არიან — ახლა ერთ აქტიურ მომხმარებელზე 8.3×-ჯერ მეტ გამომავალ token-ს ქმნიან, ვიდრე ტიპური კომპანიები; იანვარში ეს მაჩვენებელი 2.6× იყო.
• მოწინავე კომპანიები მოწინავე შესაძლებლობებს უფრო ხშირად იყენებენ. ყოველ კვირას მოწინავე კომპანიებში აქტიური მომხმარებლების 21% იყენებს პლაგინებს, მაშინ როცა ტიპურ კომპანიებში ეს მაჩვენებელი 9%-ია. OpenAI-ში თანამშრომლების 95% პლაგინებს ყოველკვირეულად იყენებს, რაც უფრო ღრმა დანერგვის პოტენციალს უსვამს ხაზს.
• აგენტები ინტელექტუალური შრომის სფეროში ვრცელდებიან. თებერვლიდან მოყოლებული, Codex-ის ყოველკვირეული აქტიური კორპორაციული მომხმარებლების რაოდენობა იურიდიულ სფეროში 108-ჯერ გაიზარდა, გაყიდვებში — 41-ჯერ, რეკრუტინგში — 41-ჯერ, ხოლო მარკეტინგში — 26-ჯერ, ინჟინერიაში არსებულ 5-ჯერად ზრდასთან შედარებით.
• კარიერის საწყის ეტაპზე მყოფი თანამშრომლები AI-ს უფრო აქტიურად იყენებენ: მოხმარების ყველაზე მაღალი მაჩვენებელი ახალბედა თანამშრომლებში ფიქსირდება, ხოლო უფროსი რგოლის პერსონალში მცირდება, რაც AI-ის გამოყენებაში პოტენციურ შედარებით უპირატესობაზე მიუთითებს.

კორპორაციული ხელოვნური ინტელექტი შეკითხვებზე პასუხის გაცემიდან სამუშაოს შესრულებაზე გადადის. ეს ცვლილება პირველად პროგრამული უზრუნველყოფის ინჟინერიაში Codex-ის მეშვეობით დამკვიდრდა. ახლა, ChatGPT Work-ი აგენტური ხელოვნური ინტელექტის შესაძლებლობებს დეველოპერების მიღმაც ავრცელებს და კომპანიის ნებისმიერ თანამშრომელს საშუალებას აძლევს, დახმარების თხოვნიდან უშუალოდ მნიშვნელოვანი დავალებების დელეგირებაზე გადავიდეს.

2026 წლის ივნისიდან კორპორაციულ მომხმარებლებს შორის აგენტური ხელოვნური ინტელექტის (Codex-ის token-ების) გამოყენება Codex-ისა და ChatGPT‑ის გაერთიანებული გამომავალი token-ების 64 %-ს შეადგენდა. როგორც ChatGPT, ისე აგენტური ხელოვნური ინტელექტი ერთსა და იმავე მოწინავე მოდელებს იყენებენ, რომლებიც საფუძვლად უდევს მათ; განსხვავება იმაშია, როგორ გამოიყენება ეს ინტელექტი სამუშაოში.

ChatGPT ადამიანებს ეხმარება კითხვების დასმაში, იდეების განვითარებაში და პრობლემების გადაჭრაში. აგენტური ხელოვნური ინტელექტი (როგორიცაა Codex და ChatGPT Work), მოდელს აძლევს ინსტრუმენტებს თქვენს კომპიუტერთან სამუშაოდ, რაც მას საშუალებას აძლევს მოიძიოს ინფორმაცია, დაარედაქტიროს ფაილები და დამოუკიდებლად ან ზედამხედველობის ქვეშ შეასრულოს მრავალეტაპიანი ამოცანები. რთული, ხანგრძლივი ამოცანების შესრულებას შეიძლება მნიშვნელოვნად მეტი გამოთვლითი რესურსი დასჭირდეს, რაც ეხმარება ახსნას, რატომ გაიზარდა აგენტური ტოკენების გამოყენება სწრაფად.

ყოველთვიურად, ჩვენ საწარმოების მომხმარებლებს ვახარისხებთ თითო აქტიურ მომხმარებელზე გამომავალი token-ების მიხედვით. მოწინავე კომპანიები არიან ისინი, რომლებიც იმ თვის ზედა 10%-ში ხვდებიან, ხოლო ტიპური კომპანიები 45-ე და 55-ე პროცენტილებს შორის ხვდებიან. ივნისის მონაცემებით, წამყვანი კომპანიები თითოეულ აქტიურ მომხმარებელზე 8.3-ჯერ მეტ გამომავალ ტოკენს აგენერირებდნენ, ვიდრე ტიპური კომპანიები, რაც სამჯერ აღემატება იანვარში დაფიქსირებულ 2.6-ჯერად სხვაობას.

მოწინავე სხვაობა ასევე ვრცელდება ინდუსტრიებზე: ტოკენების გამოყენების ყველაზე დიდი სხვაობა ინფორმაციისა და ტექნოლოგიების სფეროშია (11.7×), ხოლო ყველაზე მცირე — წარმოებაში (5.3×). ამის საპირისპიროდ, ტიპურ კომპანიებში ტოკენების გამოყენება ინდუსტრიებს შორის მსგავსია და გასული წლის განმავლობაში შედარებით ზომიერი ზრდა აქვს (1.9×-დან 2.8×-მდე). ეს მიუთითებს, რომ ბევრი ორგანიზაცია კვლავ მარტივ ჩატის ასისტენტებს იყენებს, რაც ტოვებს მნიშვნელოვან შესაძლებლობას გამოყენების გასაღრმავებლად და აგენტების გამოსაყენებლად უფრო რთული სამუშაოების შესასრულებლად.

ტოკენები ბიზნეს ღირებულების არასრულყოფილი საზომია: მოკლე პასუხი შეიძლება ძალიან ღირებული იყოს, ხოლო გრძელი პასუხი შეიძლება ნაკლებ ღირებულებას მატებდეს. თუმცა ტოკენების მოცულობა ხელოვნური ინტელექტის გამოყენების სიღრმისა და იმისა, თუ რამდენი სამუშაოს შესრულებას სთხოვენ თანამშრომლები ხელოვნურ ინტელექტს, სასარგებლო მაჩვენებელია.

წამყვანი კომპანიები ხელოვნურ ინტელექტს უფრო სიღრმისეულად იყენებენ, რადგან მას კონკრეტული პრობლემების გადასაჭრელად იყენებენ როგორც საკუთარ ორგანიზაციებში, ისე თავიანთი ინდუსტრიების მასშტაბით.

ხელოვნური ინტელექტის პირველადი კორპორაციული გამოყენება შიდაორგანიზაციულ პროცესებს მოიცავდა, რაც პერსონალს უმარტივებდა ინფორმაციის ძიებას, დოკუმენტაციის პროექტების შექმნას, მონაცემთა ანალიზს, კოდირებასა და რუტინული ამოცანების ავტომატიზაციას. წამყვანი კომპანიები სულ უფრო ხშირად აფართოებენ AI-ის გამოყენებას შიდა პროდუქტიულობის ფარგლებს მიღმა და მომხმარებელზე ორიენტირებულ პროდუქტებში, სერვისებსა და გამოცდილებებში ნერგავენ.

AI აგენტებს ეფექტიანობისთვის სჭირდებათ წვდომა შესაბამის კონტექსტსა და ინსტრუმენტებზე. პლაგინები⁠(იხსნება ახალ ფანჯარაში) აერთიანებენ შესაძლებლობებს, რომლებიც აგენტებს ეხმარებიან კონკრეტული სამუშაო პროცესების შესრულებაში. მათ შეუძლიათ გააერთიანონ უნარები, რომლებიც მრავალჯერადი გამოყენების ინსტრუქციებს უზრუნველყოფენ, აპებთან, რომლებიც კომპანიის მონაცემებს, ხელსაწყოებსა და მოქმედებებს უკავშირდებიან. მაგალითად, გაყიდვების პლაგინს შეუძლია გააერთიანოს გუნდის მოქმედების გეგმა (playbook) მის CRM-ზე წვდომასთან, რაც აგენტს საშუალებას აძლევს გამოიყენოს მომხმარებლის მიმდინარე ინფორმაცია და წარსული შეთავაზებები, რათა მოამზადოს მორგებული პასუხი განსახილველად.

მოწინავე კომპანიებს მოწინავე შესაძლებლობებში მკაფიო უპირატესობა აქვთ. ყოველკვირეულ აქტიურ მომხმარებლებს შორის, მოწინავე კომპანიებში 21% იყენებს პლაგინებს და 19% იყენებს უნარებს, მაშინ როცა ტიპურ კომპანიებში ეს მაჩვენებლები მხოლოდ 9% და 3%-ია. თუმცა,მოწინავე კომპანიების მიერ ინოვაციების ათვისება არსებული პოტენციალის მხოლოდ მცირე ნაწილს წარმოადგენს. OpenAI-ში შიდა გამოყენება ხაზს უსვამს ამ შესაძლებლობების უფრო სიღრმისეულად გამოყენების პოტენციალს, სადაც ყოველკვირეულად პლაგინების გამოყენება აქტიური მომხმარებლების 95%-ს შეადგენს. ჩვენი კვლევა თემაზე როგორ გარდაქმნიან აგენტები სამუშაო პროცესს , უფრო დეტალურად აჩვენებს, თუ როგორ იყენებენ OpenAI-ის თანამშრომლები მოწინავე შესაძლებლობებს.

ხელოვნური ინტელექტის აგენტებს მნიშვნელოვანი სამუშაოს შესასრულებლად სამი რამ სჭირდებათ: კონტექსტი, ინსტრუმენტები და მუდმივობა. მეხსიერება, ხმოვანი შეყვანა და appshots თანამშრომლებს ეხმარება მარტივად გააზიარონ კონტექსტი და ინფორმაცია, რომლებიც ამოცანის წარმატებით შესასრულებლად არის საჭირო. კომპიუტერისა და ბრაუზერის გამოყენება აგენტებს საშუალებას აძლევს, დაათვალიერონ ვებსაიტები, შექმნან ფაილები და შეასრულონ ამოცანები ავტონომიურად ან ზედამხედველობის ქვეშ. მიზნები და ციკლები უზრუნველყოფენ, რომ აგენტებმა მუშაობა გააგრძელონ დავალების დასრულებამდე. ერთად, ეს შესაძლებლობები მოწინავე კომპანიებს აგენტების პოტენციალის რეალიზებაში ეხმარებიან.

აგენტებისთვის კომპანიის სისტემებზე წვდომის მინიჭება ასევე წარმოშობს ახალ რისკებს. მოწინავე კომპანიები ადგენენ მკაფიო წესებს იმის შესახებ, თუ სად შეუძლიათ აგენტებს მოქმედება, რა ინფორმაციაზე შეუძლიათ წვდომა, როდის შეუძლიათ ქმედებების შესრულება და როგორ განიხილავენ ადამიანები უფრო მაღალი რისკის შემცველ გადაწყვეტილებებს. ეს კონტროლის მექანიზმები უნდა განვითარდეს იმ გამოცდილების შესაბამისად, რომელსაც ორგანიზაციები რეალური დანერგვებიდან იღებენ.

მოწინავე კომპანიები ასევე უწყვეტ სწავლასა და ექსპერიმენტირებას ყოველდღიური სამუშაოს ნაწილად აქცევენ. პრაქტიკული სამუშაო სესიები, ახალი გამოყენების შემთხვევების გაზიარების ფორუმები და შიდა პრეზენტაციები/შოუკეისები ხელს უწყობს წარმატებული პრაქტიკის გავრცელებას გუნდებსა და სტრუქტურულ ერთეულებს შორის.

პროგრამული უზრუნველყოფის დეველოპერები AI აგენტების პირველ მომხმარებლებს შორის იყვნენ, თუმცა დღეს ყველაზე სწრაფი ზრდა ზოგადი ცოდნის სფეროს თანამშრომლებისგან შეინიშნება. თებერვლიდან მოყოლებული, Codex-ის ყოველკვირეული აქტიური კორპორაციული მომხმარებლების რაოდენობა იურიდიულ სფეროში 108-ჯერ გაიზარდა, გაყიდვებში — 41-ჯერ, რეკრუტინგში — 41-ჯერ, ხოლო მარკეტინგში — 26-ჯერ, ინჟინრებს შორის არსებულ 5-ჯერად ზრდასთან შედარებით. 

პროგრამული უზრუნველყოფის სფერო შემთხვევით არ ყოფილა პირველი. კოდის ბაზები აგენტებს ნათელ კონტექსტს აძლევს, ტესტები ამარტივებს შედეგების გადამოწმებას, ხოლო პროგრესი კოდირების სფეროში ხელს უწყობს AI-ის კვლევისა და განვითარების დაჩქარებას. ბოლო ორი წლის განმავლობაში დეველოპერები კოდის ცალკეული სტრიქონების შევსებიდან გადავიდნენ AI აგენტების მიერ პროგრამული უზრუნველყოფის დეველოპმენტის მთლიანი ამოცანების შესრულებაზე. ბევრი დეველოპერი კოდს ხელით აღარ წერს, ამის ნაცვლად დროს ამოცანების დაყენებას, აგენტების ორკესტრირებასა და შედეგების გადახედვას უთმობს.

ამის საპირისპიროდ, ზოგადი ცოდნის სფეროში პროგრესი უფრო ნელი იყო, რადგან ბევრი ამოცანა შეზღუდულ კონტექსტს იძლევა, რთულად ჩამოსაყალიბებელია და აკლია შედეგის გადამოწმების მკაფიო კრიტერიუმები. მაგრამ მასშტაბირების გაგრძელება, განმამტკიცებელ სწავლებაში მიღწეული წინსვლა და GDPval-ის მსგავს შეფასებებში ეფექტიანობის გასაუმჯობესებლად მიმართული ძალისხმევა უფრო მეტ რეალურ ამოცანას, ინსტრუმენტსა და სამუშაო გარემოს ხდის ხელმისაწვდომს მოწინავე მოდელებისთვის. შედეგად, წლის დასაწყისიდან მოყოლებული, აგენტური ხელოვნური ინტელექტი სულ უფრო მეტად მკვიდრდება ბაზარზე ზოგადი პროფილის გონებრივი შრომის სპეციალისტებს შორის.

10 მილიონზე მეტი შეტყობინების შერჩევის ანალიზი აჩვენებს, რომ კორპორაციული AI უბრალოდ თანამშრომლების მიერ სამუშაოს შექმნაში/მომზადებაში დახმარებიდან გადადის გუნდების მიერ მის უშუალო განხორციელებასა და შესრულებაში დახმარებაზე. იმავე ფუნქციის ფარგლებშიც კი, გამოყენების მოდელები მნიშვნელოვნად განსხვავდება ჩატსა და აგენტურ ხელოვნურ ინტელექტს შორის.

წერა კვლავ ChatGPT‑ის ყველაზე გავრცელებულ გამოყენებად რჩება, ხოლო კოდირება და სისტემის ან აგენტის ოპერაციები ერთად აგენტური შეტყობინებების თითქმის 75%-ს შეადგენს. ეს ცვლილება განსაკუთრებით აშკარაა ტრადიციული ტექნიკური გუნდების გარეთ: რეკრუტინგი (32%), გაყიდვები (26%), პოლიტიკა (25%) და კომუნიკაციები (24%) შეტყობინებების მეოთხედიდან მესამედამდე ნაწილს სისტემისა და აგენტის ოპერაციებს უთმობს. ტექნიკური სამუშაო ასევე ვრცელდება ფუნქციურ მიმართულებებზე, დიზაინში აგენტური შეტყობინებების თითქმის 60% კოდირებას შეადგენს.

AI-ს დანერგვის ერთიანი რეიტინგი არ არსებობს. ინდუსტრიების რეიტინგები განსხვავდება გამოყენებული მაჩვენებლის მიხედვით. ბოლო თვის განმავლობაში პროფესიული და სამეცნიერო მომსახურების სექტორი ლიდერობდა როგორც Codex-ის დანერგვით, ისე API-ს გამოყენების ინტენსივობით. ხელოვნების, გართობისა და დასვენების სფერო ლიდერობდა ChatGPT‑ის დანერგვით, ხოლო წარმოების სექტორს ChatGPT‑ის გამოყენების ყველაზე მაღალი ინტენსივობა ჰქონდა, მიუხედავად იმისა, რომ Codex-ისა და API-ის ინტენსივობით ბოლო ადგილზეა.

ინდუსტრიები ხელოვნური ინტელექტის დანერგვის ერთსა და იმავე გზას არ ადგანან. ზოგი წინ მიიწევს დეველოპერული ინსტრუმენტებისა და AI-ს მიერ მომზადებული პროდუქტების მეშვეობით, ხოლო სხვები ყოველდღიურ გამოყენებაში უფრო ფართოდ ან უფრო ინტენსიურად გამოიყენება.

როდესაც ხელოვნური ინტელექტი ორგანიზაციებისთვის საქონლისა და მომსახურების მიწოდების ახალ გზებს ქმნის, ის უსაფრთხოების გარემოსაც გარდაქმნის. ცოტა რისკია კიბერუსაფრთხოებაზე უფრო გადაუდებელი, განსაკუთრებით AI-ის კიბერშესაძლებლობების სწრაფი განვითარების ტემპის გათვალისწინებით.

ხელოვნურ ინტელექტს ასევე შეუძლია დაეხმაროს დამცველებს რეაგირებაში. მოდელებს შეუძლიათ დიდი კოდების ბაზების ანალიზი, მოწყვლადობების გამოკვლევა და მრავალსაფეხურიანი უსაფრთხოების სამუშაოს მხარდაჭერა. მაგრამ მეტი პრობლემის იდენტიფიცირება ავტომატურად არ ხდის სისტემებს უფრო უსაფრთხოს. რეალური შემაფერხებელი ფაქტორი მიგნებების მოქმედებად ქცევაშია: იმის დადგენაში, თუ რომელი მოწყვლადობებია რეალური, ყველაზე მნიშვნელოვანი რისკების პრიორიტეტიზაციაში, შესწორებების (patches) ტესტირებასა და იმის უზრუნველყოფაში, რომ უსაფრთხოების გუნდებმა სწრაფად განიხილონ და დანერგონ ცვლილებები. 

OpenAI Daybreak აერთიანებს მოწინავე კიბერუსაფრთხოების მოდელებს, საწარმოს უსაფრთხოების ინსტრუმენტებსა და პარტნიორთა ეკოსისტემას, რათა ორგანიზაციებს დაეხმაროს ამ გამოწვევებთან გამკლავებაში და მათი დაცვის გაძლიერებაში ახალი საფრთხეების წინააღმდეგ.

OpenAI-ის მისიაა უზრუნველყოს, რომ AI მთელი კაცობრიობისთვის სასარგებლო იყოს. ორგანიზაციები დიდწილად ჩამოაყალიბებენ ხელოვნური ინტელექტის ეკონომიკურ გავლენას და სწორედ ამიტომ ჩვენ რეგულარულად ვაქვეყნებთ Enterprise Signals-ს — განმეორებად მაჩვენებელთა ნაკრებს, რომელიც საწარმოებში ხელოვნური ინტელექტის დანერგვას, გავრცელებასა და გავლენას აკვირდება. ამ ანგარიშში წარმოდგენილი ყველა ანალიზი ეფუძნება აგრეგირებულ, დეიდენტიფიცირებულ კორპორატიული გამოყენების მონაცემებს. ჩვენ შეტყობინებების შინაარსის კლასიფიკაციისთვის ავტომატიზებული სისტემები გამოვიყენეთ და OpenAI-ის არცერთ თანამშრომელს მომხმარებელთა შეტყობინებები არ განუხილავს.

OpenAI Enterprise-ის მომხმარებლებს ასევე შეუძლიათ მოითხოვონ ინდივიდუალურად მორგებული ბენჩმარკი, რათა ნახონ, როგორ გამოიყურება მათი ორგანიზაცია გამოყენებისა და შესაძლებლობების უახლესი მაჩვენებლების მიხედვით.