OpenAI B2B Signals

OpenAI Signals⁠의 비즈니스 확장판이자 AI가 조직 전반에 어떻게 확산되고 있는지를 측정하는 지표인 B2B Signals를 새롭게 소개합니다. 초기 신호는 분명합니다. 프런티어 기업이 앞서 나가는 이유는 단순히 AI 사용 환경을 갖췄기 때문이 아니라 업무 전반에서 AI를 더 깊이 활용하고 있기 때문입니다.

B2B Signals는 대규모 엔터프라이즈 AI 사용 데이터를 개인정보를 보호하는 방식으로 분석해 정기적으로 제공되는 지표입니다. 조직이 모델 인텔리전스를 비즈니스 가치로 전환하는 방법을 이해하는 데 도움이 되는 행동과 패턴을 추적합니다.

AI 활용 면에서 상위 5%를 차지하는 프런티어 기업은 직원 1인당 더 많은 모델 지능을 활용하고 고급 도구를 더 집중적으로 도입하며, AI를 워크플로에 더 깊이 통합합니다. 일부 기업에서는 AI가 만들어 내는 격차가 본격적으로 확대되기 시작했으며, 단순한 도입 여부보다 AI를 얼마나 깊이 있게 활용하는지에 따라 격차는 점점 더 커지고 있습니다.

핵심 요약

• 프런티어 경쟁 우위가 본격적으로 쌓이기 시작했습니다: 프런티어 기업은 이제 일반 기업보다 직원 1인당 3.5배 더 많은 지능을 활용하고 있으며, 이는 1년 전의 2배에서 증가한 수치입니다. 
• 프런티어 기업은 AI를 단순히 자주 사용하는 데 그치지 않고 더 깊이 있게 활용합니다. 메시지 양으로 설명할 수 있는 프런티어 기업과 일반 기업 간 격차는 36%에 불과합니다. 프런티어 기업 우위의 대부분은 깊이 있는 AI 활용에서 비롯됩니다. 
• 에이전트 기반 워크플로는 프런티어 도입 수준을 보여 주는 지표가 되고 있습니다. 격차는 고급 에이전트 기반 도구에서 가장 크게 나타나며, 프런티어 기업은 일반 기업보다 16배 더 많은 Codex 메시지를 전송합니다. 
• 기업은 조직 변화를 통해 격차를 줄일 수 있습니다. 프런티어 기업을 따라잡기 위해서는 AI 활용 수준을 측정하고 거버넌스를 우선시해야 하며 적극적인 활용을 위한 지원 체계에 투자해야 합니다. 또한 효과가 검증된 방식을 전사로 확대하고, 채팅 기반 활용에서 에이전트에 업무를 위임하는 방식으로 시스템을 전환해야 합니다.

AI의 이점이 누적되기 시작하면서 AI를 가장 심층적으로 활용하는 프런티어 기업들이 경쟁 우위를 더 확대하고 있습니다

기업 환경에서 AI 플랫폼 도입은 시작점에 불과합니다. 더 명확한 신호는 직원들이 AI를 심도 있고 복잡한 업무에 활용하는 수준에서 나타납니다. 이 차트는 AI 활용 수준이 상위 5%인 프런티어 기업과 중간 수준인 일반 기업의 직원 1인당 생성 토큰 수를 비교합니다.

토큰은 비즈니스 가치를 완벽하게 측정하는 지표가 아닙니다. 짧은 응답이 큰 가치를 낼 수도 있고, 긴 응답이 실제로는 별다른 가치를 내지 못할 수도 있습니다. 하지만 토큰 사용량은 직원들이 AI에 얼마나 많은 업무를 맡기고 있는지 보여 주는 척도로서 AI 활용의 깊이와 직원들이 AI에 요구하는 지능의 양을 가늠하는 유용한 대리지표가 될 수 있습니다.

프런티어 기업은 일반 기업보다 직원 1인당 3.5배 더 많은 지능을 요구합니다. 이 수치는 2025년 4월의 2배에서 한층 증가한 것으로, AI를 가장 깊이 활용하는 기업이 우위를 넓히고 있으며 새로운 AI 역량을 더 심도 있고 복잡한 업무에 적용하는 데 유리한 위치에 있음을 보여 줍니다.

프런티어 기업의 경쟁 우위는 메시지 양보다 깊이 있는 활용에서 비롯됩니다

프런티어 기업은 일반 기업보다 직원 1인당 훨씬 더 많은 지능을 요구하지만, 격차의 대부분은 메시지 양만으로는 설명되지 않습니다. 이 차트는 프런티어 기업이 가진 3.5배의 경쟁 우위를 세부적으로 분석합니다. 일반 기업은 프런티어 기업과 같은 빈도로 메시지를 보낸다고 해도 3.5배 격차 중 36%만 좁힐 수 있는 것으로 나타났습니다.

나머지 격차는 더 깊이 있는 활용과 관련되어 있습니다. 프런티어 기업의 직원들은 AI에 더 복잡한 업무를 맡기고 모델에 더 풍부한 맥락을 제공하며, 보다 실질적인 결과물을 생성하도록 요청합니다.

The frontier advantage is largest in advanced agentic tools, demonstrated by a 16x Codex usage gap

The frontier advantage is largest for tools that support more advanced workflows. Codex shows the largest gap, with the frontier firm sending 16x as many messages per worker as the typical firm. ChatGPT Agent, Apps in ChatGPT, Deep Research, and GPTs also show relatively large gaps, suggesting that the frontier is better at leveraging tools that help workers code, delegate multi-step tasks, apply company context, and conduct more complex research.

By contrast, more general-purpose and accessible tools such as User Upload, Search, and Data Analysis show a smaller frontier advantage. These tools are easier for most firms to use because they extend familiar workflows. The frontier advantage is most pronounced in advanced and agentic tools, where adoption requires more expertise, connections to workplace knowledge and tools, and greater comfort delegating work to AI.

The largest frontier advantage is in education and learning

The frontier advantage is largest for education and learning tasks, where the frontier firm sends 7x as many messages per worker as the typical firm. At the frontier, firms use AI to help employees build skills and learn new topics. They also use AI to improve their understanding of AI itself, including what it can do, how to use it well, and where it can fit into existing workflows. The size of the gap suggests that the typical firm may underutilize AI as a tool for workforce learning and development.

Coding also shows a large frontier advantage, with the frontier firm sending 4x as many messages per worker as the typical firm. This is consistent with the broader gap in advanced and agentic tool use. How-to guidance and writing and communication have the smallest frontier gaps, likely because these tasks are more accessible and familiar uses of AI.

AI use is broadest in writing but function-specific trends are emerging

Writing and communication remain the most common uses of ChatGPT. However, usage patterns vary by function and are often tied to each function’s core responsibilities. 60% of IT & Security messages are concentrated in how-to and procedural guidance, almost half of Software Development and Data Science & Engineering messages are related to coding, and a tenth of Finance messages are related to analysis and calculation.

These patterns are consistent with broader evidence that frontier models are improving on economically valuable workplace tasks. GDPval⁠, an evaluation of real-world knowledge work across 44 occupations, measures performance on tasks that produce practical work outputs such as documents, spreadsheets, slides, diagrams, and multimedia. As AI becomes more capable, enterprise usage appears to be extending toward tasks that are more closely tied to each function’s core work.

Industry leadership is not one-dimensional: different sectors lead across ChatGPT, Codex, and the API

There is no single AI adoption leaderboard. Industry rankings vary depending on the measure used. Professional, Scientific, and Technical Services ranks first in both Codex adoption and API intensity, indicating relatively advanced use in developer and product-integrated workflows. Finance and Insurance leads in ChatGPT adoption due to large-scale deployments, while Educational Services has the highest message intensity, suggesting deeper per-person usage. Retail Trade and Health Care rank highly in API intensity, despite lower rankings on other measures.

These differences suggest that industry leadership is not one-dimensional. Some sectors appear to be adopting AI through technical and developer workflows, while others are scaling through broad ChatGPT adoption or more intensive end-user usage.

기업들은 API 활용을 프로덕션 워크플로와 고객 대상 애플리케이션으로 확대하고 있습니다

기업들이 API를 사용해 모델을 제품이나 서비스, 내부 시스템에 직접 통합하는 사례가 점점 더 많아지고 있습니다. 프로덕션 환경에서 API는 주로 인앱 어시스턴트나 코딩 및 개발자 도구, 고객 지원, 리서치 워크플로, 워크플로 자동화 등에 활용됩니다.

이러한 활용 방식은 엔터프라이즈 AI가 실험 단계를 넘어, 성과를 측정하고 반복적으로 실행할 수 있는 워크플로로 자리 잡고 있음을 보여 줍니다. 고객 사례 전반에서 기업들은 OpenAI 모델을 활용해 지식 업무를 가속화하고, 엔지니어링 처리량을 높이며, 고객과 직원을 위한 AI 기반 경험을 구축하고 있습니다.

What organizations can do to reach the frontier

OpenAI works with enterprises across industries, functions, and stages of AI maturity, giving us visibility into how adoption develops from experimentation to production. Across these deployments, the firms making the most progress tend to focus less on access alone and more on the organizational systems needed to use AI deeply: measurement, governance, enablement, scaling impact, and agentic deployment.

Five practices stand out as practical steps any organization can start taking today to deepen AI adoption.

1. Measure depth of use in addition to access.
   The relevant signal is not only how many employees have AI accounts, but whether teams are using AI more substantively over time. Organizations should track whether AI use is becoming more frequent, more complex, and more closely tied to valuable workflows.
2. Build governance that makes agentic AI deployable.
   Leading firms are not avoiding governance. They are using it to make agentic AI more deployable. Firms need clear rules for where agents can operate, what information they can use, when they should advise rather than act, and how humans review higher-risk decisions. Frontier firms are defining these standards as part of the deployment process, so governance becomes a way to expand adoption safely rather than slow it down.
3. Treat enablement as core infrastructure, not a side project.
   As AI capabilities improve, both workers and organizations need systems that help them keep pace. Frontier firms do not treat enablement as a one-time training push. They build continuous learning into deployment through role-specific training, use-case workshops, hackathons, internal champion networks, dedicated experimentation time, and shared repositories of workflows, best practices, and skills. 
4. Identify your frontier teams and scale their impact.
   In many organizations, the most advanced usage is concentrated in a small number of teams. Those teams can reveal which workflows, habits, and operating models are working. Leaders should identify these teams, understand and scale the conditions behind their success, and help them share insights and examples of deeper AI use with the rest of the firm. 
5. Move beyond chat to delegating work.
   Enterprise AI is shifting from chat assistants to work that can be delegated to agents. Software engineering illustrates this trend, but delegated work is spreading across functions. With Codex, engineers can hand off a defined task, give the agent the context it needs, let it work across files, codebases, and tools, then review the result and refine the workflow with feedback. Frontier firms are encouraging workers to delegate tasks to AI rather than simply using AI as a static assistant.

If you’d like to explore the full findings or learn how to bring AI into your organization responsibly, we’d love to connect⁠.