Kā pārvaldīt MI investīcijas aģentiskajā ērā

OpenAI mērķis ir laika gaitā padarīt mākslīgo intelektu pieejamāku, spējīgāku un pieejamāku cenas ziņā. No GPT‑4 līdz GPT‑5.4 cena par miljonu tekstvienību samazinājās par 97 %. GPT‑5.6⁠ turpina šo progresu, nodrošinot labāku veiktspēju Artificial Analysis Coding Agent indeksā ar par 54 % mazāk izvades tekstvienībām un par 57 % mazāk laika vienam uzdevumam.

Taču tokena cena vien neparāda, vai tu ar MI radīsi vērtību. Vadītājiem būtu jāvērtē lietderīgais darbs par katru dolāru: paveiktie uzdevumi, ietaupītais laiks, uzlabota lēmumu pieņemšana un mērogošanai gatavas darbplūsmas.

Komandām pārejot no tērzēšanas uz ilgstošākām darbplūsmām, administratoriem nepieciešama skaidrāka pārskatāmība par pieprasījumu, tēriņiem un risku. 

Lūk, pieci veidi, kā ieguldīt ar pārliecību.

Uzņēmumu vadītājiem ir nepieciešams skaidrs pārskats par MI lietojumu: kas to izmanto, kurus produktus vai modeļus viņi izmanto, cik daudz jaudas viņi patērē un kāda veida darbu šis lietojums atbalsta. Bez šādas pārskatāmības pieaugošu rēķinu ir grūti izprast. Tas varētu norādīt uz nelietderīgu resursu izmantošanu, produktīvu eksperimentēšanu vai darbplūsmu, kas sāk kļūt uzņēmējdarbībai kritiski svarīga.

ChatGPT Darbs⁠ atbalsta ilgākus vairāku darbību uzdevumus, tāpēc lietojums var būtiski atšķirties atkarībā no darbplūsmas. Administratoriem ir jāredz darbs, kas ir šī lietojuma pamatā, ne tikai patērētie kredīti. Tas ir iespējams, pateicoties kopīgam pieprasījuma skatījumam visā ChatGPT. Atjauninātā lietojuma analītika un tēriņu kontrole⁠ administrēšanas konsolē⁠(atveras jaunā logā) palīdz administratoriem redzēt ieviešanu, kredītu lietojumu un tēriņus dalījumā pēc lietotāja, produkta un modeļa; sekot tendencēm laika gaitā; identificēt jaunas likumsakarības; un saprast, kad lietojums atspoguļo plašu ieviešanu, pieredzējuša lietotāja darbplūsmu vai atkārtotu uzņēmējdarbības procesu, kurā varētu būt vērts ieguldīt vairāk.

Ieskati dažādos līmeņos palīdz tev pieņemt lēmumus par ieguldījumiem un atbalstu:

• Darbvieta: vai ieviešana un tēriņi notiek vienlaikus?
• Komanda un lietotāji: kur pieaug pieprasījums, un kam tu vari sniegt vairāk atbalsta?
• Produkts un modelis: kur tiek izmantots dārgāks domāšanas līmenis, un vai šis pieprasījums ir noturīgs?

Kopā šie skati palīdz tev izlemt, kur ieguldīt, kur sniegt apmācību un kur noteikt ierobežojumus.

Zemākā tekstvienību cena ne vienmēr nozīmē zemākās kopējās izmaksas. Lētāks modelis var neizdoties, mēģināt vēlreiz vai radīt darbu, kas jālabo. Spējīgāks modelis var izmaksāt vairāk par tekstvienību, taču ātrāk sasniegt pieņemamu rezultātu ar mazāk mēģinājumiem un mazāk pārskatīšanas darba.

Novērtējiet modeļus, ņemot vērā darbu, kas tiem jāveic. Izmantojiet novērtējumus, kas atspoguļo reālus uzdevumus⁠, tostarp robežgadījumus, un pirms testēšanas definējiet, ko nozīmē „pietiekami labi”. Pēc tam novērtējiet pilnās izmaksas, kas saistītas ar šī standarta sasniegšanu: modeļa un rīku izmantošanu, mēģinājumus, pabeigšanas rādītāju, latentumu un cilvēka veikto pārskatīšanu.

Prioritārajām darbplūsmām uzraugi izmaksas par katru pieņemto rezultātu. Klientu atbalstā tu vari uzskatīt, ka tas ir atrisināts pieteikums. Inženierijā tu vari uzskatīt, ka izmaiņa ir pārbaudīta un veiksmīgi izturējusi pārskatīšanu. Savieno šīs izmaksas ar uzņēmējdarbības vērtību, piemēram, ietaupīto laiku, saīsināto cikla laiku, aizsargātos ieņēmumus, novērsto risku vai radīto kapacitāti.

Modeļa izvēle ir tikai daļa no vienādojuma. Skaidri norādījumi, mērķtiecīgi rīki, atkārtoti izmantojams konteksts un skaidri definēti apturēšanas nosacījumi var samazināt ciklus un nelietderīgus izdevumus. Mērķis ir pielāgot modeli un darbplūsmu uzdevumam: izmantot mazākus vai ātrākus modeļus, ja tie atbilst kvalitātes prasībām, un sarežģītiem, neskaidriem vai augsta riska darbiem rezervēt modernu inteliģenci.

Uzņēmumu vadītājiem pārvaldība jāuztver kā darbības slānis, kas nosaka, kuras mākslīgā intelekta darbības var mērogot. Praktiskais uzdevums ir noteikt, kādu kontekstu ChatGPT var izmantot, ar kuriem rīkiem tas var piekļūt, kādas darbības tas var veikt, kurš apstiprina augsta riska soļus un kā tiek piešķirti papildu resursi, kad komandas atrod vērtīgas darbplūsmas.

Tas kļūst arvien svarīgāk, jo tu ievies spraudņus, savienotājus, datorlietojumu un citas robežšķirtnes, kas var darboties dažādās uzņēmuma sistēmās. ChatGPT Darbs⁠ nodrošina administratoriem centralizētu kontroli pār piekļuvi, apstiprināto kontekstu, savienotajiem rīkiem, atļautajām darbībām, lietojumu un tēriņiem. Tēriņu kontroles, piemēram, darbvietas noklusējuma iestatījumi, grupu ierobežojumi, individuālie izņēmumi un pārskatīšanas pieprasījumi ar projekta kontekstu, palīdz tev atbalstīt augstas vērtības darbu, nepalielinot ierobežojumus plaši.

Prioritāru ieviešanu gadījumā OpenAI mākslīgā intelekta ieviešanas inženieri⁠(atveras jaunā logā) var tieši sadarboties ar klientiem novērtējumos, arhitektūrā, latentumā, uzticamībā un darbplūsmu izstrādē, lai uzlabotu gan veiktspēju, gan izmaksu efektivitāti. Privātumam un pārvaldībai jābūt daļai no šī darba jau no paša sākuma: sensitīvām darbplūsmām pirms mērogošanas ir nepieciešami atbilstoši piekļuves kontroles mehānismi, datu glabāšanas stratēģija, atbilstības pārskatāmība un apstiprināšanas ceļi. Attiecīgajos gadījumos OpenAI uzņēmumu privātuma kontroles līdzekļi, tostarp Nulles datu saglabāšanas⁠(atveras jaunā logā) opcijas, var palīdzēt klientiem ieviest mākslīgo intelektu vidēs ar augstu uzticamības līmeni.

Uzņēmumu vadītājiem jāskatās uz MI ieguldījumiem kā uz portfeli: plaša piekļuve ikdienas produktivitātes uzlabošanai, funkcionālas darbplūsmas, kas uzlabo atkārtojamu darbu, un mazāks skaits stratēģisku likmju, kas balstītas uz uzņēmuma unikālo kontekstu. Stiprākie kandidāti ir darbplūsmas, kas atkārtojas nozīmīgā mērogā, kurām ir skaidra atbildība un kuru kvalitāti, risku un uzņēmējdarbības vērtību tu vari izmērīt.

Finansējumam būtu jāatbilst brieduma pakāpei. Izpētes posmā jāpārbauda, vai modelis spēj izpildīt uzdevumu; validācijas posmā reprezentatīvi gadījumi jāpārbauda pret skaidru kvalitātes slieksni; finansējumam produkcijas videi jāatbalsta integrācijas, kontroles mehānismi, uzticamība un pārmaiņu vadība, kas nepieciešama mērogošanai. Kopīgas iespējas, piemēram, identitāte, uzticami savienotāji, atlasītas zināšanas, novērtējumi, novērojamība, modeļu maršrutēšana un atkārtoti izmantojami aģentu šabloni, būtu jāfinansē centralizēti, lai katru jaunu darbplūsmu būtu vieglāk un drošāk palaist.

Kad darbplūsma pierāda savu vērtību, vadītājiem vajadzētu saskaņot produktu, kapacitāti un atbalsta modeli ar tās pieprasījumu. ChatGPT Darbs⁠ nodrošina gatavas iespējas tērzēšanai, programmēšanai, aģentiskajām darbplūsmām, savienotājiem, spraudņiem, datoru lietošanai un administrēšanai. Uzņēmumi var paplašināt šo pamatu ar uzņēmumam piederošiem datiem, atļaujām, novērtējumiem un darbplūsmas loģiku tur, kur šie elementi rada diferencētu vērtību.

Produkcijas darba slodzēm komerciālajai struktūrai jāatbilst lietojuma modeļiem: Garantētā kapacitāte⁠ produkcijas sistēmām un aģentiem, kuriem nepieciešama piekļuves garantija, Mēroga līmenis⁠ prognozējamām liela apjoma API darba slodzēm, un Pakešu API⁠(atveras jaunā logā), Flex apstrāde⁠(atveras jaunā logā) vai Uzvedņu kešošana⁠ asinhronam darbam vai atkārtotam kontekstam.

Lielākām stratēģiskām ieviešanām OpenAI Frontier⁠ un Deployment Company⁠(atveras jaunā logā) var palīdzēt uzņēmumiem izveidot, ieviest un pārvaldīt AI kolēģus uzņēmuma sistēmās. Šī pieeja ļauj vadītājiem mērogot pārbaudītu darbu ar atbilstošu produktu, kapacitāti un atbalsta modeli, tā vietā, lai katrai darbplūsmai nāktos no jauna veidot savu infrastruktūru.