Kaip valdyti DI investicijas agentų eroje

„OpenAI“ tikslas – ilgainiui padaryti DI prieinamesnį, pajėgesnį ir įperkamesnį. Nuo „GPT‑4“ iki „GPT‑5.4“ milijono žetonų kaina sumažėjo 97 %. GPT‑5.6⁠ tęsia šią pažangą: „Artificial Analysis“ kodavimo agentų indekse jis užtikrina geresnį našumą, naudodamas 54 % mažiau išvesties žetonų ir reikalaudamas 57 % mažiau laiko vienai užduočiai.

Tačiau vien žetonų kaina neparodo, ar DI kuria vertę. Vadovai turėtų vertinti vienam doleriui tenkantį naudingą darbą: atliktas užduotis, sutaupytą laiką, pagerintus sprendimus ir plėtrai parengtas darbo eigas.

Komandoms pereinant nuo pokalbių prie ilgiau trunkančių darbo eigų, administratoriams reikia aiškiau matyti paklausą, išlaidas ir riziką. 

Štai penki būdai investuoti užtikrintai.

Įmonių vadovams reikia aiškaus DI naudojimo vaizdo: kas juo naudojasi, kokius produktus ar modelius naudoja, kiek pajėgumų suvartoja ir kokį darbą tas naudojimas palaiko. Neturint tokio matomumo, augančią sąskaitą sunku interpretuoti. Ji gali reikšti švaistymą, produktyvų eksperimentavimą arba darbo eigą, kuri tampa kritiškai svarbi verslui.

„ChatGPT Work“⁠ palaiko ilgesnes, kelių žingsnių užduotis, todėl naudojimas gali labai skirtis pagal darbo eigą. Administratoriai turi matyti, koks darbas slypi už to naudojimo, o ne vien suvartotus kreditus. Tai įmanoma dėl bendro paklausos vaizdo visame „ChatGPT“. Atnaujinta naudojimo analitika ir išlaidų kontrolės priemonės⁠ administratoriaus konsolėje⁠(atsidaro naujame lange) padeda administratoriams matyti įsisavinimą, kreditų naudojimą ir išlaidas pagal naudotoją, produktą ir modelį; stebėti tendencijas laikui bėgant; atpažinti naujus dėsningumus; ir suprasti, kada naudojimas rodo platų įsisavinimą, pažengusio naudotojo darbo eigą arba pasikartojantį verslo procesą, kuriam gali būti verta skirti daugiau investicijų.

Skirtingo lygmens įžvalgos padeda priimti investavimo ir įgalinimo sprendimus:

• Darbo erdvė: ar įsisavinimas ir išlaidos auga proporcingai?
• Komanda ir naudotojas: kur auga paklausa ir kam gali reikėti daugiau palaikymo?
• Produktas ir modelis: kur naudojamas brangesnis intelektas ir ar ši paklausa išlieka?

Kartu šie vaizdai padeda administratoriams nuspręsti, kur investuoti, kur konsultuoti, o kur nustatyti ribas.

Mažiausia žetonų kaina ne visada reiškia mažiausią bendrą kainą. Pigesnis modelis gali nesuveikti, bandyti iš naujo arba sukurti papildomo darbo, kurį reikės taisyti. Pajėgesnis modelis gali kainuoti daugiau už žetoną, bet greičiau pasiekti priimtiną rezultatą, pareikalaudamas mažiau bandymų ir peržiūros.

Vertinkite modelius pagal darbą, kurį jie turi atlikti. Naudokite vertinimus, atspindinčius realias užduotis⁠, įskaitant ribinius atvejus, ir prieš testavimą apibrėžkite, kas yra „pakankamai gerai“. Tada išmatuokite visą tokio standarto pasiekimo kainą: modelio ir įrankių naudojimą, bandymus, užbaigimo rodiklį, delsą ir žmogaus peržiūrą.

Prioritetinėse darbo eigose sekite kainą už priimtą rezultatą. Klientų aptarnavimo srityje tai galėtų būti išspręstas atvejis. Inžinerijoje tai galėtų būti patikrintas pakeitimas, sėkmingai perėjęs peržiūrą. Susiekite šią kainą su verslo verte, pavyzdžiui, sutaupytu laiku, sutrumpintu ciklu, apsaugotomis pajamomis, išvengta rizika ar sukurtais pajėgumais.

Modelio pasirinkimas – tik viena lygties dalis. Aiškios instrukcijos, tiksliniai įrankiai, pakartotinai naudojamas kontekstas ir aiškios sustojimo sąlygos gali sumažinti ciklus ir nereikalingas išlaidas. Tikslas – priderinti modelį ir darbo eigą prie užduoties: naudoti mažesnius ar greitesnius modelius, kai jie atitinka kokybės kartelę, o priešakinį intelektą palikti sudėtingam, neapibrėžtam ar didelės svarbos darbui.

Įmonių vadovai turėtų laikyti valdyseną veikimo sluoksniu, kuris lemia, koks DI darbas gali būti plečiamas. Praktinis darbas – apibrėžti, kokį kontekstą „ChatGPT“ gali naudoti, kokius įrankius gali pasiekti, kokius veiksmus gali atlikti, kas tvirtina didesnės rizikos žingsnius ir kaip suteikiami papildomi pajėgumai, kai komandos randa vertingų darbo eigų.

Tai tampa dar svarbiau komandoms diegiant papildinius, jungtis, „Kompiuterio naudojimą“ ir kitas priešakines galimybes, galinčias veikti įmonių sistemose. „ChatGPT Work“⁠ suteikia administratoriams centralizuotas prieigos, patvirtinto konteksto, prijungtų įrankių, leidžiamų veiksmų, naudojimo ir išlaidų kontrolės priemones. Išlaidų kontrolės priemonės, tokios kaip numatytosios darbo erdvės nuostatos, grupių limitai, individualios išimtys ir peržiūros prašymai su projekto kontekstu, padeda vadovams palaikyti didelės vertės darbą plačiai nedidinant limitų.

Prioritetiniuose diegimuose „OpenAI“ DI diegimo inžinieriai⁠(atsidaro naujame lange) gali tiesiogiai dirbti su klientais prie vertinimų, architektūros, delsos, patikimumo ir darbo eigų projektavimo, kad pagerintų tiek našumą, tiek sąnaudų efektyvumą. Privatumas ir valdysena turėtų būti šio darbo dalis nuo pat pradžių: jautrioms darbo eigoms, prieš jas plečiant, reikia tinkamos prieigos kontrolės, duomenų saugojimo nuostatų, atitikties matomumo ir tvirtinimo kelių. Atitinkamais atvejais „OpenAI“ įmonių privatumo kontrolės priemonės, įskaitant „nulinio duomenų saugojimo“⁠(atsidaro naujame lange) parinktis, gali padėti klientams diegti DI didelio pasitikėjimo aplinkose.

Įmonių vadovai DI investicijas turėtų valdyti kaip portfelį: plačią prieigą kasdieniam produktyvumui, konkrečioms funkcijoms skirtas darbo eigas, gerinančias pasikartojantį darbą, ir mažesnį skaičių strateginių investicijų, paremtų nuosavu įmonės kontekstu. Stipriausi kandidatai yra darbo eigos, kurios kartojasi reikšmingu mastu, turi aiškią atsakomybę ir gali būti matuojamos pagal kokybę, riziką ir verslo vertę.

Finansavimas turėtų atitikti brandos lygį. Tyrinėjimas turėtų patikrinti, ar modelis gali atlikti užduotį; validavimas – ar reprezentatyvūs atvejai atitinka aiškią kokybės kartelę; o gamybinis finansavimas turėtų padengti integracijas, kontrolės priemones, patikimumą ir pokyčių valdymą, reikalingus plėtrai. Bendros galimybės, tokios kaip tapatybė, patikimos jungtys, atrinktos žinios, vertinimai, stebimumas, modelių maršrutizavimas ir pakartotinai naudojami agentų šablonai, turėtų būti finansuojamos centralizuotai, kad kiekvieną naują darbo eigą būtų lengviau ir saugiau paleisti.

Kai darbo eiga įrodo savo vertę, vadovai turėtų priderinti produktą, pajėgumus ir palaikymo modelį prie jos paklausos. „ChatGPT Work“⁠ suteikia parengtas galimybes pokalbiams, kodavimui, agentinėms darbo eigoms, jungtims, papildiniams, „Kompiuterio naudojimui“ ir administravimui. Įmonės gali išplėsti šį pagrindą nuosavais duomenimis, leidimais, vertinimais ir darbo eigos logika ten, kur šie elementai kuria išskirtinę vertę.

Gamybinėms apkrovoms komercinė struktūra turėtų atitikti naudojimo modelius: „Guaranteed Capacity“⁠ gamybinėms sistemoms ir agentams, kuriems reikia užtikrintos prieigos, „Plėtros lygmuo“⁠ nuspėjamoms didelės apimties API apkrovoms, o „paketinė API“⁠(atsidaro naujame lange), „Flex“ apdorojimas⁠(atsidaro naujame lange) arba „užklausų kaupimas talpykloje“⁠ – asinchroniniam darbui ar pasikartojančiam kontekstui.

Didesnio masto strateginiuose diegimuose „OpenAI Frontier“⁠ ir „Deployment Company“⁠(atsidaro naujame lange) gali padėti įmonėms kurti, diegti ir valdyti DI bendradarbius įmonių sistemose. Toks požiūris leidžia vadovams plėsti pasiteisinusį darbą naudojant tinkamą produktą, pajėgumus ir palaikymo modelį, užuot kiekvienai darbo eigai iš naujo kūrus savo infrastruktūrą.