OpenAI B2B सिग्नल्स
अत्याधुनिक लाभ आता चक्रवाढीने वाढत आहे.
आज आम्ही B2B सिग्नल्स सादर करत आहोत, जो OpenAI सिग्नल्स चा व्यवसाय-केंद्रित विस्तार आहे आणि जो संस्थांमध्ये AI चा प्रसार कसा होत आहे याचे मोजमाप करतो. प्रारंभिक संकेत स्पष्ट आहे: अत्याधुनिक कंपन्या आघाडी घेत आहेत, फक्त त्यांना AI उपलब्ध आहे म्हणून नव्हे, तर त्या कामकाजात सर्वत्र त्याचा अधिक सखोल वापर करत आहेत.
B2B सिग्नल्स हा एंटरप्राइझ AI वापराच्या मोठ्या प्रमाणावरील, गोपनीयता जपणाऱ्या विश्लेषणावर आधारित पुनरावर्ती मोजमापांचा संच आहे. ते अशा वर्तनांचा आणि पॅटर्न्सचा मागोवा घेते, जे संस्थांना बुद्धिमत्तेचे व्यावसायिक मूल्यात रूपांतर कसे करावे हे समजण्यास मदत करू शकतात.
अत्याधुनिक कंपन्या—AI वापराच्या 95व्या पर्सेंटाइलवर कार्यरत असलेल्या—प्रति कर्मचारी अधिक इंटेलिजन्स वापरतात, प्रगत साधने अधिक सघनपणे स्वीकारतात आणि वर्कफ्लोमध्ये AI अधिक सखोलपणे अंतर्भूत करतात. काही कंपन्यांसाठी हे अंतर चक्रवाढीने वाढू लागले आहे, आणि हा फरक वाढत्या प्रमाणात वापराच्या सखोलतेमुळे निर्माण होत आहे.
महत्त्वाचे मुद्दे
- अत्याधुनिक कंपन्यांचा फायदा आता वाढू लागला आहे: अत्याधुनिक कंपन्या आता सामान्य कंपन्यांच्या तुलनेत प्रति कर्मचारी 3.5 x बुद्धिमत्ता वापरतात, जे एक वर्षापूर्वीच्या 2x वरून वाढले आहे.
- अत्याधुनिक कंपन्या AIचा फक्त अधिक वेळा नव्हे, तर अधिक सखोल वापर करतात: संदेशांचे प्रमाण अत्याधुनिक आणि सामान्य कंपन्यांमधील अंतराचा फक्त 36% भाग स्पष्ट करते. अत्याधुनिक फायद्याचा बहुतांश भाग अधिक सखोल वापरातून मिळतो.
- एजंटिक कार्यप्रवाह अत्याधुनिक अवलंबनाचे निदर्शक बनत आहेत: प्रगत एजंटिक साधनांमध्ये ही तफावत सर्वाधिक आहे, जिथे अत्याधुनिक कंपन्या सर्वसामान्य कंपन्यांपेक्षा 16x अधिक Codex संदेश पाठवत आहेत.
- संस्था संघटनात्मक बदलांद्वारे ‘फ्रंटियर’ (अत्याधुनिक) स्तराशी असलेली तफावत कमी करू शकतात: बरोबरी साधण्यासाठी, संस्थांनी वापराची सखोलता मोजणे, गव्हर्नन्सला प्राधान्य देणे, सक्षमीकरणात गुंतवणूक करणे, जे परिणामकारक ठरते ते मोठ्या प्रमाणावर राबवणे, आणि चॅट-आधारित सहाय्यापासून AI एजंटकडे सोपवलेल्या कामाकडे वळणे आवश्यक आहे.
सखोलता
अत्याधुनिकतेचा लाभ चक्रवाढीने वाढू लागला आहे आणि AI चा सर्वाधिक सखोल वापर करणाऱ्या कंपन्या त्यांची आघाडी वाढवत आहेत
जागांची तैनाती हा एंटरप्राइझसाठी केवळ प्रारंभ बिंदू आहे. अधिक स्पष्ट लक्षण म्हणजे कर्मचारी अधिक सखोल, अधिक जटिल कामासाठी AI चा वापर करत आहेत का. हा चार्ट 95वा पर्सेंटाइल म्हणून परिभाषित केलेल्या अत्याधुनिक स्तरावरील प्रति कर्मचारी निर्माण होणाऱ्या टोकनची तुलना 50वा पर्सेंटाइल म्हणून परिभाषित केलेल्या सामान्य कंपनीतील प्रति कर्मचारी निर्माण होणाऱ्या टोकनशी करतो.
टोकन हे व्यावसायिक मूल्याचे अपूर्ण मोजमाप आहे. लहान प्रतिसाद अत्यंत मौल्यवान असू शकतो, आणि दीर्घ प्रतिसाद कमी मूल्याचा असू शकतो. पण टोकनचे प्रमाण कर्मचारी AI कडून किती काम करून घेत आहेत हे मोजण्यास मदत करते, त्यामुळे ते AI वापराची सखोलता आणि कर्मचारी AI कडून अपेक्षित असलेल्या बुद्धिमत्तेचे प्रमाण यासाठी उपयुक्त प्रतिनिधी मापदंड ठरते.
अत्याधुनिक कंपनीला सर्वसामान्य कंपनीपेक्षा प्रति कर्मचारी 3.5 पट अधिक बुद्धिमत्तेची गरज असते. हे अंतर एप्रिल 2025 मधील 2 पटांवरून वाढले आहे, यावरून असे सूचित होते की AIचा सर्वाधिक सखोल वापर करणाऱ्या कंपन्या तुमची आघाडी आणखी वाढवत आहेत आणि नव्या AI क्षमतांना अधिक सखोल, अधिक जटिल कामात रूपांतरित करण्यासाठी अधिक चांगल्या स्थितीत आहेत.
अत्याधुनिक फायद्याचा बहुतांश भाग जास्त संदेशांच्या प्रमाणाऐवजी अधिक सखोल वापरातून येतो
अत्याधुनिक कंपनीला सामान्य कंपनीपेक्षा प्रति कर्मचाऱ्यामागे अधिक बुद्धिमत्तेची गरज असते, परंतु या अंतराचा बहुतांश भाग केवळ संदेशांच्या प्रमाणाने स्पष्ट होत नाही. हा चार्ट 3.5 पट अत्याधुनिक आघाडीचे विघटन करून दाखवतो आणि असे आढळते की जर सामान्य कंपनीने अत्याधुनिक स्तराइतक्याच दराने संदेश पाठवले, तरी ती 3.5 पट अंतरापैकी फक्त 36% अंतर भरून काढेल.
शिल्लक राहिलेला अंतर अधिक सखोल वापराशी जोडलेला आहे. अत्याधुनिक कर्मचारी AI ला अधिक गुंतागुंतीची कामे हाताळायला सांगतात, मॉडेल्सना अधिक समृद्ध संदर्भ पुरवतात आणि अधिक अर्थपूर्ण परिणाम तयार करून घेतात.
व्याप्ती
अत्याधुनिक लाभ प्रगत आणि एजंटिक साधनांमध्ये सर्वाधिक आहे, ज्यात Codex चा वापर 16 पट जास्त आहे
अधिक प्रगत कार्यप्रवाहांना समर्थन करणाऱ्या साधनांसाठी अत्याधुनिकतेचा फायदा सर्वाधिक असतो. Codex मध्ये सर्वात मोठी तफावत दिसून येते, जिथे अत्याधुनिक कर्मचारी प्रति कर्मचारी 16 पट अधिक संदेश पाठवतात. ChatGPT एजंट, ChatGPT मधील अॅप्स, डीप रिसर्च, आणि GPTs मध्येही तुलनेने मोठी तफावत दिसते, ज्यावरून असे सूचित होते की अत्याधुनिक मॉडेल्स कर्मचाऱ्यांना कोडिंग करण्यात, बहु-चरणीय कामे सोपवण्यात, कंपनीचा संदर्भ लागू करण्यात, आणि अधिक क्लिष्ट संशोधन करण्यात मदत करणाऱ्या साधनांचा अधिक चांगल्या प्रकारे उपयोग करतात.
याउलट, वापरकर्ता अपलोड, शोध आणि डेटा विश्लेषण यांसारखी अधिक सर्वसाधारण हेतूची आणि सुलभ साधने कमी अत्याधुनिक लाभ दर्शवतात. बहुतेक कंपन्यांना ही साधने वापरणे अधिक सोपे जाते, कारण ती परिचित कार्यप्रवाहांचा विस्तार करतात. अत्याधुनिक फायदा प्रगत आणि एजंटिक साधनांमध्ये सर्वाधिक ठळकपणे दिसतो, जिथे स्वीकारासाठी अधिक कौशल्य, कार्यस्थळावरील ज्ञान आणि साधनांशी जोडणी, तसेच AI कडे काम सोपवण्याबाबत अधिक सहजता आवश्यक असते.
सर्वात मोठा अत्याधुनिक फायदा शिक्षण आणि अध्ययनात आहे
शिक्षण आणि शिकण्याच्या कार्यांसाठी अत्याधुनिकतेचा फायदा सर्वाधिक आहे, जिथे अत्याधुनिक कंपनी सामान्य कंपनीपेक्षा 7 पट अधिक संदेश पाठवते. अत्याधुनिक पातळीवर, कंपन्या कर्मचाऱ्यांना कौशल्ये विकसित करण्यात आणि नवे विषय शिकण्यात मदत करण्यासाठी AI वापरतात. ते AI ला अधिक चांगल्या प्रकारे समजून घेण्यासाठीही AI चा वापर करतात, ज्यात ते काय करू शकते, त्याचा प्रभावीपणे वापर कसा करावा आणि विद्यमान कार्यप्रवाहांमध्ये ते कुठे सामावू शकते याचा समावेश आहे. या तफावतीचे प्रमाण सूचित करते की सर्वसाधारण कंपनी वर्कफोर्सच्या शिक्षण आणि विकासासाठी साधन म्हणून AIचा अपुरा वापर करत असावी.
कोडिंगमध्येही मोठी चारपट तफावत दिसते, जी प्रगत आणि एजंट-आधारित साधनांच्या वापरातील व्यापक तफावतीशी जुळते. कसे करावे यावरील मार्गदर्शन तसेच लेखन व संवाद यांमध्ये अत्याधुनिक तफावत सर्वात कमी आहे, बहुधा कारण ही कामे AI वापरण्याचे अधिक सुलभ आणि परिचित मार्ग आहेत.
क्षमता ओव्हरहँग संपवण्यासाठी केवळ प्रवेश पुरेसा नाही, सक्षमीकरण आवश्यक आहे. OpenAI ची एंटरप्राइझ संसाधने आणि OpenAI अकादमी यामध्ये संघांना AI आत्मविश्वासाने स्वीकारण्यासाठी व्यावहारिक मार्गदर्शक, प्रशिक्षण सामग्री आणि तैनाती संसाधने समाविष्ट आहेत.
AI चा वापर लेखनात सर्वाधिक व्यापक आहे, परंतु कार्य-विशिष्ट वापर वाढत आहे
लेखन आणि संवाद ChatGPT चा सर्वात सामान्य वापर राहिला आहे. मात्र, वापरण्याच्या पद्धती कार्यक्षेत्रानुसार लक्षणीय बदलतात. IT आणि सुरक्षा संदेशांपैकी 60% संदेश 'कसे करावे' प्रकारचे आणि प्रक्रियात्मक मार्गदर्शन यामध्ये केंद्रित आहेत, सॉफ्टवेअर विकास आणि डेटा सायन्स आणि अभियांत्रिकी संदेशांपैकी जवळजवळ निम्मे संदेश कोडिंग-संबंधित आहेत, आणि वित्त संदेशांपैकी दहावा हिस्सा विश्लेषण आणि गणना-संबंधित आहे.
या प्रवृत्ती व्यापक पुराव्याशी सुसंगत आहेत, ज्यावरून दिसते की अत्याधुनिक मॉडेल आर्थिकदृष्ट्या मौल्यवान कार्यस्थळावरील कामांमध्ये अधिक चांगली कामगिरी करत आहेत. GDPval, 44 व्यवसायांमधील वास्तविक जगातील ज्ञानकेंद्रित कामाचे मूल्यांकन, दस्तऐवज, स्प्रेडशीट्स, स्लाइड्स, आकृत्या आणि मल्टिमीडिया यांसारखी व्यावहारिक कामाची आउटपुट तयार करणाऱ्या कामांवरील कामगिरीचे मोजमाप करते. AI अधिक सक्षम होत असताना, एंटरप्राइझमधील त्याचा वापर प्रत्येक कार्यविभागाच्या मुख्य कामाशी अधिक जवळून जोडलेल्या कार्यांपर्यंत विस्तारत असल्याचे दिसते.
व्यवसाय संदर्भानुसार कामाचा प्रकार
| व्यवसायाचा संदर्भ | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ChatGPT कार्ये | ||||||||||||
| लेखन आणि संवाद | ||||||||||||
| कसे करावे आणि प्रक्रियात्मक मार्गदर्शन | ||||||||||||
| माहिती | ||||||||||||
| विश्लेषण आणि गणना | ||||||||||||
| सल्ला | ||||||||||||
| क्रिएटिव्ह मीडिया | ||||||||||||
| वाणिज्य | ||||||||||||
| कोडिंग | ||||||||||||
| शिक्षण आणि अभ्यास | ||||||||||||
पोहोच
उद्योगातील नेतृत्व एक-आयामी नाही: ChatGPT, Codex आणि API मध्ये वेगवेगळी क्षेत्रे आघाडीवर आहेत
AI स्वीकारण्याचा एकच लीडरबोर्ड नाही. वापरलेल्या मापन निकषानुसार उद्योगांची क्रमवारी बदलते. व्यावसायिक, वैज्ञानिक आणि तांत्रिक सेवा Codex स्वीकार आणि API तीव्रता या दोन्हींमध्ये प्रथम क्रमांकावर आहेत, जे विकसक आणि उत्पादन-समाकलित कार्यप्रवाहांमध्ये तुलनेने प्रगत वापर दर्शवते. वित्त आणि विमा क्षेत्र मोठ्या प्रमाणावरील तैनातींमुळे ChatGPT अंगीकारात आघाडीवर आहे, तर शैक्षणिक सेवांमध्ये संदेश तीव्रता सर्वाधिक आहे, ज्यावरून प्रति व्यक्ती अधिक सखोल वापर सूचित होतो. इतर मोजमापांवर कमी क्रमवारी असूनही, रिटेल व्यापार आणि हेल्थ केअर API तीव्रतेमध्ये उच्च स्थानावर आहेत.
या फरकांवरून असे सूचित होते की उद्योगातील नेतृत्व एकआयामी नाही. काही क्षेत्रे तांत्रिक आणि विकसक कार्यप्रवाहांद्वारे AI चा अंगीकार करत आहेत, तर इतर क्षेत्रे व्यापक ChatGPT अंगीकाराद्वारे किंवा अंतिम वापरकर्त्यांच्या अधिक सघन वापराद्वारे विस्तार करत आहेत.
AI स्वीकार मोजमापानुसार उद्योगांची क्रमवारी
| उद्योग | ||||
|---|---|---|---|---|
| वित्त आणि विमा | 1+1 | 10-4 | 30 | 60 |
| माहिती | 2-1 | 20 | 20 | 4-1 |
| व्यावसायिक, वैज्ञानिक आणि तांत्रिक सेवा | 30 | 10 | 10 | 10 |
| कला, मनोरंजन आणि विरंगुळा | 40 | 4-1 | 50 | 3+1 |
| युटिलिटीज | 50 | 80 | 90 | 90 |
| बांधकाम | 6-1 | 50 | 10-1 | 10-1 |
| रिअल इस्टेट, भाडे आणि लीजिंग | 7-1 | 7+1 | 11-1 | 80 |
| उत्पादन | 8-1 | 3+1 | 40 | 70 |
| हेल्थ सेवा आणि सामाजिक सहाय्य | 90 | 90 | 6+1 | 50 |
| रिटेल व्यापार | 10-2 | 11-1 | 7-1 | 20 |
| सार्वजनिक प्रशासन | 11-1 | 6+1 | 80 | 11-1 |
एंटरप्राइझेस API चा वापर उत्पादन कार्यप्रवाहांमध्ये आणि ग्राहकांसमोरील अनुप्रयोगांमध्ये आणत आहेत
कंपन्या उत्पादने, सेवा आणि अंतर्गत प्रणालींमध्ये मॉडेल थेट समाकलित करण्यासाठी API चा वाढत्या प्रमाणात वापर करत आहेत. सामान्य उत्पादन वापर प्रकरणांमध्ये अॅप सहाय्यक, कोडिंग आणि विकासक साधने, ग्राहक समर्थन, संशोधन कार्यप्रवाह आणि कार्यप्रवाह स्वयंचलन यांचा समावेश होतो.
ही डिप्लॉयमेंट्स दाखवतात की एंटरप्राइझ AI प्रयोगांच्या टप्प्यापलीकडे जाऊन मोजता येण्याजोगा परिचालनात्मक प्रभाव असलेल्या पुनरावृत्ती करता येण्याजोग्या वर्कफ्लोजमध्ये कसे रूप घेत आहे. ग्राहकांच्या विविध उदाहरणांमध्ये, कंपन्या ज्ञानविषयक कामाला गती देण्यासाठी, इंजिनिअरिंग थ्रुपुट सुधारण्यासाठी आणि ग्राहक व कर्मचाऱ्यांसाठी AI-पावर्ड अनुभव तयार करण्यासाठी OpenAI मॉडेल्स वापरत आहेत.
उद्योगानुसार प्रमुख API वापर-परिस्थिती
व्यावसायिक सेवा
ज्ञान सहाय्यक आणि शोध (उदा., Q&A साधने, संशोधन सहाय्यक, अंतर्गत ज्ञान सहाय्यक)
ग्राहक आणि विक्री समर्थन (उदा., ग्राहक समर्थन, आवाज आणि गप्पा एजंट, विक्री सहाय्य)
डेटा विश्लेषण, सारांश आणि निष्कर्षण (उदा., कंपनी डेटा विश्लेषण, मार्केट इंटेलिजन्स, व्यवहार लेबलिंग आणि जुळवणी)
कोडिंग आणि विकसक साधने (उदा., मॉडेल मूल्यांकन साधने, कोडिंग सहाय्यक, कार्यप्रवाह स्वयंचलन साधने)
फायनान्स आणि विमा
डेटा विश्लेषण, सारांश आणि निष्कर्षण (उदा., डेटा निष्कर्षण, पावती आणि खर्चाचे विश्लेषण, गुंतवणूक संशोधन)
दस्तऐवज आणि कार्यप्रवाह निर्मिती (उदा., स्वयंचलित खर्च व्यवस्थापन, संशोधन-सारांश निर्मिती, कार्यप्रवाह अनुकूलन)
ज्ञान सहाय्यक आणि शोध (उदा., गुंतवणूक धोरण सहाय्यक, धोरण शोध, भूमिका-विशिष्ट सहाय्यक.)
कस्टमर आणि सर्व्हिस सपोर्ट (उदा., कस्टमर सपोर्ट व्हॉइस आणि चॅट एजंट्स, पर्सनल बँकिंग असिस्टंट्स, सेंटिमेंट क्लासिफिकेशन)
माहिती
कोडिंग आणि विकसक टूल्स (उदाहरणार्थ, कोडिंग सहाय्यक, सॉफ्टवेअर चाचणी टूल्स, वेब ऑटोमेशन टूल्स)
ज्ञान सहाय्यक आणि शोध (उदा., उत्पादनातील सहाय्यक, अंतर्गत शोध साधने, दस्तऐवजीकरण सहाय्यक)
ग्राहक आणि सेवा सपोर्ट (उदा., ग्राहक सपोर्ट व्हॉइस आणि चॅट एजंट, मल्टी-चॅनेल ग्राहक-सेवा ऑटोमेशन)
मजकूर, माध्यम आणि डिझाइन निर्मिती (उदा., ब्रँड मालमत्ता निर्मिती, विपणन साधने)
Cisco मोठ्या एंटरप्राइझ इंजिनिअरिंग संस्थेमध्ये जटिल सॉफ्टवेअर काम जलद करण्यासाठी Codex वापरते. प्रॉडक्शन वर्कफ्लोमध्ये, Codex ने बिल्ड वेळेत सुमारे 20 % घट करण्यास, दर महिन्याला 1,500+ अभियांत्रिकी तास वाचवण्यास आणि दोष-निराकरण थ्रुपुट 10 ते 15 पटांनी वाढवण्यास मदत केली. Cisco च्या संघाने सांगितल्याप्रमाणे, सर्वात मोठे फायदे तेव्हा मिळाले जेव्हा त्यांनी Codex ला “संघाचा भाग” म्हणून वागवले.
Rakuten ने अभियांत्रिकी ऑपरेशन्स आणि सॉफ्टवेअर वितरणामध्ये Codex तैनात केले, ज्यामुळे सरासरी पुनर्प्राप्ती वेळ सुमारे 50% ने कमी झाला आणि संघांना उत्पादनातील समस्या दुप्पट वेगाने सोडवणे शक्य झाले. Rakuten अंतर्गत मानकांशी सुसंगत असलेल्या स्वयंचलित कोड पुनरावलोकन आणि असुरक्षा तपासण्यांसाठी Codex वापरते, ज्यामुळे सुरक्षा धोक्यात न आणता प्रकाशन जलद करण्यास मदत होते. जटिल प्रकल्पांमध्ये, Codex आंशिक आवश्यकता कार्यरत फुल-स्टॅक अंमलबजावण्यांमध्ये रूपांतरित करू शकतो, ज्यामुळे वेळापत्रके तिमाहींवरून आठवड्यांपर्यंत कमी होतात.
Balyasny अॅसेट मॅनेजमेंट मोठ्या, विशेषीकृत ज्ञान-काम संस्थेमध्ये गुंतवणूक संशोधनाला गती देण्यासाठी OpenAI चा वापर करते. त्यांचे स्वमालकीचे AI संशोधन प्लॅटफॉर्म सुमारे 95% गुंतवणूक संघ वापरतात आणि संशोधन वर्कफ्लोज दिवसांऐवजी तासांत पूर्ण करण्यात मदत करतो. उदाहरणार्थ, सेंट्रल बँक स्पीच विश्लेषणाचा वर्कफ्लो, ज्याला पूर्वी दोन दिवस लागत असत, तो आता सुमारे ३० मिनिटांत पूर्ण होतो, ज्यामुळे विश्लेषकांना फाइलिंग्स, ट्रान्सक्रिप्ट्स, रिसर्च रिपोर्ट्स आणि मार्केट डेटामध्ये अधिक वेगाने तर्क करण्यास मदत होते.
अधिक उदाहरणांसाठी, आमच्या ग्राहकांच्या गोष्टी पृष्ठाला भेट द्या.
अत्याधुनिक स्तरापर्यंत पोहोचण्यासाठी संस्था काय करू शकतात
OpenAI विविध उद्योग, कार्यक्षेत्र आणि AI परिपक्वतेच्या टप्प्यांवर एंटरप्राइझेससोबत काम करते, ज्यामुळे स्वीकार कसा प्रयोगातून उत्पादनापर्यंत विकसित होतो हे स्पष्ट होते. या तैनातींमध्ये, सर्वाधिक प्रगती करणाऱ्या कंपन्या केवळ प्रवेशावर कमी आणि AI चा सखोल वापर करण्यासाठी आवश्यक संस्थात्मक प्रणालींवर अधिक लक्ष केंद्रित करतात: मापन, गव्हर्नन्स, सक्षमता, प्रभावाचा विस्तार आणि एजंटिक तैनाती.
AI चा स्वीकार अधिक सखोल करण्यासाठी कोणतीही संस्था आजपासून अंमलात आणू शकतील अशा पाच व्यावहारिक पद्धती ठळकपणे समोर येतात.
- प्रवेशासोबतच वापराची सखोलताही मोजा.
महत्त्वाचा संकेत केवळ किती कर्मचाऱ्यांकडे AI खाती आहेत हा नाही, तर संघ कालांतराने AI चा अधिक सखोलपणे वापर करत आहेत का हा आहे. संस्थांनी AIचा वापर अधिक वारंवार, अधिक जटिल, आणि मौल्यवान कार्यप्रवाहांशी अधिक निकटपणे जोडलेला होत आहे का, याचा मागोवा घ्यावा. - उत्पादन वापर सक्षम करणारे शासन तयार करा.
आघाडीच्या कंपन्या शासन टाळत नाहीत. ते एजंटिक AI अधिक सहजपणे तैनात करता येण्याजोगे बनवण्यासाठी त्याचा वापर करत आहेत. कंपन्यांना स्पष्ट नियमांची गरज आहे की एजंट कुठे कार्य करू शकतात, कोणती माहिती वापरू शकतात, त्यांनी कारवाई करण्याऐवजी केव्हा सल्ला द्यावा, आणि माणसे अधिक जोखमीच्या निर्णयांचे पुनरावलोकन कसे करतात. अत्याधुनिक कंपन्या उपयोजन प्रक्रियेचा भाग म्हणून ही मानके परिभाषित करत आहेत, त्यामुळे शासन हा स्वीकार सुरक्षितपणे वाढवण्याचा मार्ग ठरतो, तो मंदावण्याचा नाही. - सक्षमीकरणाला मुख्य पायाभूत सुविधा म्हणून माना, बाजूचा प्रकल्प म्हणून नाही.
AI क्षमता सुधारत असताना, कर्मचारी आणि संस्था या दोघांनाही गतीशी जुळवून घेण्यास मदत करणाऱ्या प्रणालींची गरज आहे. अत्याधुनिक कंपन्या सक्षमीकरणाला एकदाच केलेला प्रशिक्षण उपक्रम मानत नाहीत. ते भूमिका-विशिष्ट प्रशिक्षण, युज केस कार्यशाळा, हॅकाथॉन, अंतर्गत चॅम्पियन नेटवर्क, प्रयोगांसाठी समर्पित वेळ आणि कार्यप्रवाह, सर्वोत्तम पद्धती व कौशल्यांच्या सामायिक रिपॉझिटरीद्वारे डिप्लॉयमेंटमध्ये सतत शिक्षण अंगभूत करतात. - तुमच्या अत्याधुनिक संघाना ओळखा आणि त्यांचा प्रभाव वाढवा.
अनेक संस्थांमध्ये, सर्वात प्रगत वापर काही मोजक्या संघामध्ये केंद्रित असतो. त्या संघ कोणते वर्कफ्लो, सवयी आणि ऑपरेटिंग मॉडेल प्रभावी ठरत आहेत हे उघड करू शकतात. नेत्यांनी या संघ ओळखाव्यात, त्यांच्या यशामागील घटक समजून घेऊन ते स्केल करावेत, आणि उर्वरित संस्थेसोबत AI च्या अधिक सखोल वापराबद्दल अंतर्दृष्टी आणि उदाहरणे शेअर करावीत. - चॅटच्या पलीकडे जाऊन काम सोपवण्याकडे वळा.
एंटरप्राइझ AI गप्पा सहाय्यकांपासून एजंट्सना सोपवता येणाऱ्या कामाकडे वळत आहे. सॉफ्टवेअर अभियांत्रिकी ही प्रवृत्ती स्पष्ट करते, पण सोपवलेले काम विविध कार्यक्षेत्रांमध्ये पसरत आहे. Codex सह, अभियंते परिभाषित कार्य सोपवू शकतात, एजंटला आवश्यक संदर्भ देऊ शकतात, त्याला फाइल्स, कोडबेस आणि साधनांमध्ये काम करू देऊ शकतात, त्यानंतर परिणामाचे पुनरावलोकन करून अभिप्रायासह कार्यप्रवाह परिष्कृत करू शकतात. अत्याधुनिक कंपन्या कर्मचाऱ्यांना AI चा केवळ स्थिर सहाय्यक म्हणून वापर करण्याऐवजी कामे AI कडे सोपवण्यास प्रोत्साहित करत आहेत.
या अहवालातील सर्व विश्लेषणे ओळख नष्ट केलेल्या आणि एकत्रित एंटरप्राइझ वापर डेटा यावर आधारित आहेत. संदेशातील सामग्रीचे वर्गीकरण स्वयंचलित प्रणालींचा वापर करून करण्यात आले, आणि या विश्लेषणाचा भाग म्हणून कोणत्याही OpenAI कर्मचाऱ्याने वैयक्तिक एंटरप्राइझ, व्यवसाय, किंवा API ग्राहक डेटाचे पुनरावलोकन केले नाही.
जर तुम्हाला संपूर्ण निष्कर्ष जाणून घ्यायचे असतील किंवा तुमच्या संस्थेत AI जबाबदारीने कसे आणायचे हे शिकायचे असेल, तर [आम्हाला तुमच्याशी संपर्क साधायला खूप आनंद होईल].
अधिक जाणून घ्या



संशोधन आणि विश्लेषण
AI कसा स्वीकारला जात आहे आणि त्याचा अर्थव्यवस्था आणि समाजावर होणारा परिणाम यावर संशोधन आणि विश्लेषण.