Įmonių tendencijos: kuo išsiskiria novatoriškos įmonės

Įmonių DI žengia į naują etapą: vis daugiau darbo deleguojama agentams, o labiausiai pažengusios įmonės didina atotrūkį. Novatoriškos įmonės turi prieigą prie tų pačių DI modelių kaip ir kitos įmonės, tačiau jos sparčiau gilina jų naudojimą. Jas išskiria tai, kaip jos įdarbina tuos modelius: pereina nuo pagalbos prie delegavimo, suteikia agentams kontekstą ir priemones sudėtingoms užduotims atlikti ir spartina agentinį DI už programinės įrangos kūrimo ribų.

Mūsų tyrimas apie tai, kaip agentai keičia darbą, „OpenAI“ pateikia aiškų ankstyvą signalą, kaip šis pokytis gali atrodyti dirbtiniu intelektu grindžiamoje organizacijoje.s „Enterprise Signals“ išplečia perspektyvą į pasaulinę „OpenAI“ verslo klientų bazę ir parodo, kaip agentinis darbas plinta organizacijose ir kuo novatoriškos įmonės skiriasi nuo kitų.

Šiame „Enterprise Signals“ leidime parodome, kad novatoriškos įmonės – tos, kurios kiekvieną mėnesį patenka į 10 % daugiausia DI naudojančių įmonių, – didina atotrūkį nuo įprastų įmonių – tų, kurios yra viduriniuose 10 %. Nagrinėjame, ką novatoriškos įmonės daro kitaip ir ką organizacijos gali padaryti, kad sumažintų šį atotrūkį.

Pagrindiniai aspektai.

• Įmonių naudojimas tampa vis labiau savarankiškas. Birželio mėn. „Codex“ sugeneravo 64 % bendrų „Codex“ ir „ChatGPT“ išvesties žetonų tarp įmonių klientų, o tai rodo, kad agentai skatina perėjimą prie prasmingesnio, deleguoto darbo.
• Novatoriškas atotrūkis didėja. Novatoriškos įmonės – tos, kurios kas mėnesį patenka į 10 % daugiausia DI naudojančių įmonių – dabar vienam aktyviam naudotojui sugeneruoja 8,3× daugiau išvesties žetonų nei įprastos įmonės, sausį šis rodiklis siekė 2,6×.
• Novatoriškos įmonės dažniau naudoja pažangias priemones. Novatoriškose įmonėse kas savaitę 21 % aktyvių naudotojų naudoja įskiepius, palyginti su 9 % įprastose įmonėse. „OpenAI“ 95 % darbuotojų kas savaitę naudoja įskiepius, o tai išryškina gilesnio diegimo potencialą.
• Agentai plinta visose intelektinio darbo srityse. Nuo vasario kas savaitę aktyvių įmonės Codex naudotojų skaičius teisės srityje išaugo 108 kartų, pardavimų – 41 kartą, įdarbinimo – 41 kartą, o rinkodaros – 26 kartus, palyginti su 5 kartais inžinerijoje.
• Ankstyvos karjeros darbuotojai DI naudoja daugiau: DI naudojimas yra didžiausias tarp ankstyvos karjeros darbuotojų ir mažėja tarp vyresnių darbuotojų, o tai rodo galimą santykinį pranašumą naudojant DI.

Įmonių dirbtinis intelektas pereina nuo atsakinėjimo į klausimus prie darbų atlikimo. Šis pokytis pirmiausia įsitvirtino programinės įrangos inžinerijoje su „Codex“. Dabar „ChatGPT Work“ išplečia agentinis DI už kūrėjų ribų ir suteikia galimybę visos įmonės darbuotojams pereiti nuo pagalbos prašymo prie esminių užduočių delegavimo.

2026 m. birželio mėn. duomenimis, agentinio DI (apibrėžiamo kaip „Codex“ žetonai) naudojimas sudarė 64 % visų „Codex“ ir „ChatGPT“ išvesties žetonų tarp verslo klientų. Ir „ChatGPT“, ir agentinis DI naudoja tuos pačius pagrindinius pasienio modelius; skirtumas yra tas, kaip tas intelektas yra pritaikomas.

„ChatGPT“ padeda žmonėms užduoti klausimus, plėtoti idėjas ir spręsti problemas. Agentinė dirbtinio intelekto technologija (pvz., „Codex“ ir „ChatGPT Work“) suteikia modeliui įrankius darbui su jūsų kompiuteriu, leisdama jam savarankiškai arba prižiūrint rasti informaciją, redaguoti failus ir atlikti daugiapakopes užduotis. Sudėtingų, ilgai trunkančių užduočių atlikimui gali reikėti gerokai daugiau skaičiavimo galios, ir tai padeda paaiškinti, kodėl agentinio DI žetonų naudojimas sparčiai išaugo.

Kiekvieną mėnesį įmonių klientus reitinguojame pagal išvesties žetonų skaičių vienam aktyviam naudotojui. Novatoriškos įmonės yra tos, kurios tą mėnesį patenka į 10 % viršūnę, o tipinės įmonės patenka tarp 45-ojo ir 55-ojo procentilių. Birželį novatoriškos įmonės vienam aktyviam naudotojui sugeneravo 8,3× daugiau išvesties žetonų nei įprastos įmonės – tai tris kartus didesnis atotrūkis, palyginti su 2,6× atotrūkiu sausį.

Inovacij atotrūkis taip pat apima įvairias pramonės šakas – didžiausias žetonų naudojimo atotrūkis matomas informacijos ir technologijų srityje (11,7×), o mažiausias – gamyboje (5,3×). Tuo tarpu įprastų įmonių žetonų naudojimas įvairiose pramonės šakose yra panašus, o augimas per pastaruosius metus buvo palyginti nedidelis (1,9×–2,8×). Tai rodo, kad daugelis organizacijų vis dar naudoja paprastus pokalbių asistentus, todėl lieka nemažai galimybių labiau plėtoti jų naudojimą ir pasitelkti agentus sudėtingesnėms užduotims atlikti.

Žetonai nėra tikslus verslo vertės matas: trumpas atsakymas gali būti labai vertingas, o ilgas – pridėti nedaug. Tačiau tokenų kiekis yra naudingas DI naudojimo gylio ir to, kiek darbo darbuotojai prašo DI atlikti, rodiklis.

Pirmaujančios įmonės vis plačiau naudoja dirbtinį intelektą, nes taiko jį konkrečioms problemoms spręsti tiek savo organizacijose, tiek savo pramonės sektoriuose.

Ankstyvosios įmonių dirbtinio intelekto programos pradžioje buvo naudojamos viduje – jos padėjo darbuotojams rasti informaciją, rengti dokumentus, analizuoti duomenis, rašyti kodą ir automatizuoti rutininius procesus. Pirmaujančios įmonės vis dažniau plečia DI taikymą už vidinio produktyvumo ribų – į klientams skirtus produktus, paslaugas ir patirtis.

DI agentams reikia prieigos prie tinkamo konteksto ir įrankių, kad jie būtų veiksmingi. Įskiepiai⁠(atsidaro naujame lange) sujungia galimybes, kurios padeda agentams atlikti konkrečias darbo eigas. Jie gali derinti įgūdžius, kurie teikia pakartotinai naudojamas instrukcijas, su programomis, kurios jungiasi prie įmonės duomenų, įrankių ir veiksmų. Pavyzdžiui, pardavimo įskiepis gali sujungti komandos veiksmų vadovą su prieiga prie jos CRM, todėl agentas gali naudoti esamą kliento informaciją ir ankstesnius pasiūlymus, kad parengtų peržiūrai pritaikytą atsakymą.

Novatoriškos įmonės turi aiškų pranašumą pažangių galimybių srityje. Tarp savaitinių aktyvių naudotojų 21 % novatoriškose įmonėse naudoja įskiepius, o 19 % – įgūdžius, palyginti su vos 9 % ir 3 % įprastose įmonėse. Tarp novatoriškų įmonių priėmimas sudaro tik nedidelę dalį to, kas įmanoma. OpenAI vidinis naudojimas atskleidžia šių galimybių gilesnio naudojimo potencialą – 95 % aktyvių naudotojų savaitinis įskiepių naudojimas. Mūsų tyrimas apie kaip agentai keičia darbą leidžia iš arčiau pažvelgti į tai, kaip OpenAI darbuotojai naudoja pažangias galimybes.

Kad DI agentai atliktų prasmingą darbą, jiems reikia trijų dalykų: konteksto, įrankių ir tęstinumo. Atmintis, balso įvestis ir „appshots“ padeda darbuotojams lengvai bendrinti kontekstą ir informaciją, reikalingus sėkmingai atlikti užduotį. Kompiuterio ir naršyklės naudojimas leidžia agentams naršyti svetainėse, kurti failus ir atlikti užduotis autonomiškai arba prižiūrint. Tikslai ir ciklai palaiko agentų darbą tol, kol užduotis bus užbaigta. Šios galimybės kartu padeda novatoriškoms įmonėms įgyvendinti agentų potencialą.

Suteikus agentams prieigą prie įmonės sistemų, taip pat atsiranda naujų rizikų. Novatoriškos įmonės nustato aiškias taisykles, kur agentai gali veikti, kokią informaciją jie gali pasiekti, kada jie gali atlikti veiksmus ir kaip žmonės peržiūri didesnės rizikos sprendimus. Šios kontrolės priemonės turi vystytis, kai organizacijos mokosi iš realių diegimų.

Novatoriškos įmonės taip pat nuolat mokosi ir eksperimentuoja, įtraukdamos tai į kasdienį darbą. Praktinės kūrimo sesijos, forumai, skirti dalytis naujai atsirandančiais naudojimo atvejais, ir vidiniai pristatymai padeda sėkmingoms praktikoms plisti tarp komandų ir funkcinių sričių.

Programinės įrangos kūrėjai buvo vieni pirmųjų, pradėjusių naudoti DI agentus, tačiau sparčiausias augimas dabar fiksuojamas tarp bendro profilio žinių darbuotojų. Nuo vasario kas savaitę aktyvių įmonių „Codex“ naudotojų skaičius išaugo 108 kartus teisės srityje, 41 kartą pardavimuose, 41 kartą įdarbinimo srityje ir 26 kartus rinkodaroje, palyginti su 5 kartais tarp inžinierių. 

Programinė įranga pirmoji žengė ne be priežasties. Programinio kodo bazės suteikia agentams aiškų kontekstą, testai palengvina rezultatų tikrinimą, o pažanga programavimo srityje padeda spartinti DI mokslinius tyrimus ir plėtrą. Per pastaruosius dvejus metus programuotojai perėjo nuo DI naudojimo atskiroms kodo eilutėms užbaigti prie agentų, kurie atlieka ištisas programinės įrangos kūrimo užduotis. Daugelis programuotojų neberašo kodo rankiniu būdu, o savo laiką skiria užduočių konfigūravimui, agentų orkestravimui ir rezultatų peržiūrai.

Priešingai, pažanga bendro pobūdžio žinių darbo srityje buvo lėtesnė, nes daugelyje užduočių pateikiama mažai konteksto, jas gali būti sunku tiksliai apibrėžti ir joms trūksta aiškių kriterijų rezultatui patikrinti. Tačiau tolesnis mastelio didinimas, skatinamojo mokymosi pažanga ir tikslinės pastangos gerinti našumą atliekant tokius vertinimus kaip GDPval leidžia novatoriškiems modeliams aprėpti vis daugiau realaus pasaulio užduočių, įrankių ir darbo aplinkų. Todėl nuo metų pradžios agentinis DI vis labiau pritaikomas bendro pobūdžio žinių darbuotojams.

Remiantis daugiau nei 10 mln. pranešimų imtimi, įmonių DI pereina nuo pagalbos darbuotojams kurti darbo rezultatus prie pagalbos komandoms juos įgyvendinti. Net ir toje pačioje funkcijoje naudojimo įpročiai žymiai skiriasi tarp pokalbių DI ir agentinio DI.

Rašymas išlieka dažniausia „ChatGPT“ naudojimo forma, o programavimas ir sistemos bei agentų operacijos kartu sudaro beveik 75 % agentinių žinučių. Šis pokytis ypač ryškus už tradicinių techninių komandų ribų: atranka (32 %), pardavimai (26 %), politika (25 %) ir komunikacija (24 %) skiria nuo ketvirtadalio iki trečdalio žinučių sistemos ir agentų operacijoms. Techninis darbas taip pat plinta į įvairias funkcines sritis, o programavimas sudaro beveik 60 % agentinių pranešimų dizaino srityje.

Nėra vieno aiškaus DI taikymo lyderių sąrašo. Sektorių reitingai skiriasi pagal naudojamą rodiklį. Pastarąjį mėnesį profesinės ir mokslinės paslaugos pirmavo tiek pagal Codex pritaikymą, tiek pagal API intensyvumą. Meno, pramogų ir poilsio sektorius daugiausia „ChatGPT“ diegė, o gamybos sektorius pasižymi didžiausiu „ChatGPT“ intensyvumu, nepaisant to, kad pagal „Codex“ ir API intensyvumą užima paskutinę vietą.

Pramonės šakos DI diegimo link juda ne tuo pačiu keliu. Vieni daro pažangą pasitelkdami kūrėjų įrankius ir DI paremtus produktus, o kiti vis plačiau arba intensyviau juos naudoja kasdien.

Dirbtinis intelektas, kurdamas naujus būdus organizacijoms pristatyti prekes ir teikti paslaugas, taip pat keičia saugumo aplinką. Nedaug rizikų yra tokios neatidėliotinos kaip kibernetinis saugumas, ypač atsižvelgiant į sparčią DI kibernetinių pajėgumų raidą.

DI taip pat gali padėti gynėjams imtis veiksmų. Modeliai gali analizuoti dideles kodo bazes, tirti pažeidžiamumus ir padėti vykdyti kelių etapų saugumo užduotis. Tačiau daugiau problemų nustatymas savaime nepadaro sistemų saugesnių. Tikroji kliūtis yra aptiktų radinių pavertimas veiksmais: nustatyti, kurie pažeidžiamumai yra tikri, skirti pirmenybę reikšmingiausioms rizikoms, testuoti pataisas ir užtikrinti, kad saugos komandos greitai peržiūrėtų ir įdiegtų pataisymus. 

OpenAI Daybreak sujungia novatoriškus kibernetinio saugumo modelius, įmonių saugumo įrankius ir partnerių ekosistemą, kad padėtų organizacijoms įveikti šiuos iššūkius ir sustiprinti savo gynybą nuo naujų grėsmių.

„OpenAI“ misija – užtikrinti, kad dirbtinis intelektas būtų naudingas visai žmonijai. Organizacijos didele dalimi formuos dirbtinio intelekto (DI) ekonominį poveikį, todėl reguliariai skelbiame „Enterprise Signals“ – periodiškai rengiamą rodiklių rinkinį, kuriuo stebimas DI diegimas, sklaida ir poveikis įmonėse. Visa šioje ataskaitoje pateikta analizė grindžiama apibendrintais ir nuasmenintais įmonių naudojimo duomenimis. Žinučių turiniui klasifikuoti naudojome automatizuotas sistemas, ir nė vienas OpenAI darbuotojas neperžiūrėjo klientų žinučių.

„OpenAI Enterprise“ klientai taip pat gali paprašyti pritaikyto lyginamojo vertinimo, kad sužinotų, kaip jų organizacija palyginama pagal naujausius naudojimo ir pajėgumų rodiklius.