လုပ်ငန်းအဖွဲ့အစည်းဆိုင်ရာ ညွှန်ပြချက်များ- စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများက မတူကွဲပြားစွာ လုပ်ဆောင်နေသည့်အရာများ

လုပ်ငန်းအဆင့် AI သည် အဆင့်သစ်တစ်ခုသို့ ဝင်ရောက်လာနေသည်- အလုပ်တာဝန်များ ပိုမိုများပြားစွာကို AI အေးဂျင့်များထံ လွှဲအပ်လာကြပြီး၊ အကောင်အထည်ဖော်မှုတွင် အဝေးဆုံးအထိ တိုးတက်နေသော ကုမ္ပဏီများသည်လည်း ပြိုင်ဘက်များထက် ဦးဆောင်ချက်ကို ပိုမိုချဲ့ထွင်လာနေကြသည်။ စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများသည် အခြားလုပ်ငန်းအဖွဲ့အစည်းများနှင့် တူညီသော AI မော်ဒယ်များကို အသုံးပြုခွင့်ရှိကြသော်လည်း၊ ၎င်းတို့သည် ၎င်းအသုံးပြုပုံကို ပိုမိုလျင်မြန်စွာ နက်ရှိုင်းစေနေကြသည်။ ၎င်းတို့ကို ကွဲပြားစေသည်မှာ ထိုမော်ဒယ်များကို အလုပ်တွင် မည်သို့ အသုံးချကြသည်ဆိုခြင်းဖြစ်သည်- အကူအညီပေးခြင်းမှ လွှဲအပ်ခြင်းသို့ ရွှေ့ပြောင်းကာ၊ ရှုပ်ထွေးသော လုပ်ငန်းတာဝန်များကို ပြီးမြောက်စေရန် အေးဂျင့်များအား ဆက်စပ်အကြောင်းအရာနှင့် ကိရိယာများ ပေးအပ်ခြင်း၊ ဆော့ဖ်ဝဲဖွံ့ဖြိုးရေးကို ကျော်လွန်၍ agentic AI ကို အရှိန်မြှင့်တင်ခြင်း ဖြစ်သည်။

OpenAI တွင် အေးဂျင့်များက အလုပ်ကို ပြောင်းလဲနေသည့်ပုံ အပေါ် ကျွန်ုပ်တို့၏ သုတေသနသည် AI-native အဖွဲ့အစည်းတစ်ခုအတွင်း ဤပြောင်းလဲမှုက မည်သို့ ရုပ်ပုံပေါ်နိုင်သည်ကို ပြသသည့် အစောပိုင်းညွှန်ပြချက်တစ်ခုကို ပေးပါသည်။ Enterprise Signals သည် OpenAI ၏ ကမ္ဘာလုံးဆိုင်ရာ လုပ်ငန်းသုံးဖောက်သည်အခြေခံအထိ မြင်ကွင်းကို ချဲ့ထွင်ကာ agentic အလုပ်လုပ်ပုံသည် အဖွဲ့အစည်းများအနှံ့ မည်သို့ ပျံ့နှံ့နေသည်၊ စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများကို အခြားသူများနှင့် မည်သို့ ခွဲခြားထားသည်ကို ပြသပါသည်။။

Enterprise Signals ၏ ဤထုတ်ဝေမှုတွင်၊ စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများ - လစဉ် AI အသုံးပြုမှု၏ ထိပ်တန်း 10% တွင်ရှိသော ကုမ္ပဏီများသည် သာမန်ကုမ္ပဏီများ - အလယ် 10% တွင်ရှိသော ကုမ္ပဏီများနှင့် ကွာဟချက်ကို ပိုမိုကျယ်ပြန့်စေကြောင်း ကျွန်ုပ်တို့ ပြသပါသည်။ စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများက မည်သို့ ကွဲပြားစွာ လုပ်ဆောင်နေသည်နှင့် အဖွဲ့အစည်းများက ကွာဟချက်ကို ပိတ်ရန် ဘာလုပ်နိုင်သည်ကို ကျွန်ုပ်တို့ ဆန်းစစ်ပါသည်။

အဓိက အချက်များ-

• လုပ်ငန်းအဆင့် အသုံးပြုမှုသည် ပိုမို agentic ဖြစ်လာနေသည်။ ဇွန်လအထိ၊ Codex သည် လုပ်ငန်းသုံးဖောက်သည်များအကြား Codex နှင့် ChatGPT ၏ ပေါင်းစပ် ထွက်ရှိမှု တိုကင်များ၏ 64% ကို ထုတ်လုပ်ခဲ့ပြီး၊ ၎င်းသည် ကိုယ်စားလှယ်များအား ပိုမိုအနှစ်သာရရှိပြီး လွှဲအပ်ထားသော အလုပ်များသို့ ရွေ့လျားမှုကို ဖြစ်စေနေကြောင်း ညွှန်ပြနေသည်။
• စွမ်းဆောင်ရည်အမြင့်ဆုံး ကွာဟချက်သည် ပိုမိုကျယ်ပြန့်လာနေသည်။စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများ-လစဉ် AI အသုံးပြုမှု၏ ထိပ်တန်း 10% အတွင်းရှိသော ကုမ္ပဏီများ-သည် ယခုအခါ ပုံမှန်ကုမ္ပဏီများထက် တက်ကြွသော အသုံးပြုသူ တစ်ဦးလျှင် ထွက်ရှိသော တိုကင်များကို ၈.၃ ဆ ပိုမိုထုတ်လုပ်နေပြီး၊ ဇန်နဝါရီလတွင် ၂.၆ ဆ မှ မြင့်တက်လာခဲ့သည်။
• စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများသည် အဆင့်မြင့် စွမ်းရည်များကို ပိုမိုမကြာခဏ အသုံးပြုသည်။အပတ်စဉ်၊ စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများရှိ တက်ကြွသော အသုံးပြုသူ 21% သည် ပလပ်အင် ကို အသုံးပြုကြပြီး၊ ပုံမှန်ကုမ္ပဏီများတွင် 9% ဖြစ်သည်။ OpenAI တွင် ဝန်ထမ်း 95% သည် ပလပ်အင်များကို အပတ်စဉ် အသုံးပြုကြပြီး၊ ယင်းက ပိုမိုနက်ရှိုင်းသော လက်ခံအသုံးပြုမှုအတွက် အလားအလာကို မီးမောင်းထိုးပြနေသည်။
• အေးဂျင့်များသည် အသိပညာအခြေပြုအလုပ်များတစ်လျှောက် ပျံ့နှံ့လာနေသည်။ ဖေဖော်ဝါရီလမှစ၍ အပတ်စဉ်တက်ကြွသော enterprise Codex အသုံးပြုသူများသည် ဥပဒေရေးရာတွင် ၁၀၈ ဆ၊ အရောင်းတွင် ၄၁ ဆ၊ ခန့်အပ်စုဆောင်းမှုတွင် ၄၁ ဆ နှင့် မားကက်တင်းတွင် ၂၆ ဆ တိုးလာခဲ့ပြီး အင်ဂျင်နီယာပိုင်းတွင် ၅ ဆ တိုးလာခဲ့သည်နှင့် နှိုင်းယှဉ်ပါက ဖြစ်သည်။
• အစောပိုင်းအလုပ်အကိုင်အဆင့်ရှိ ဝန်ထမ်းများသည် AI ကို ပိုမိုအသုံးပြုကြသည်- အစောပိုင်းအလုပ်အကိုင်အဆင့်ရှိ ဝန်ထမ်းများအကြား အသုံးပြုမှုသည် အမြင့်ဆုံးဖြစ်ပြီး ပိုမိုအကြီးတန်းဝန်ထမ်းများအကြားတွင် လျော့နည်းသွားသည်။ ၎င်းသည် AI ကို အသုံးပြုရာတွင် နှိုင်းယှဉ်အားသာချက်တစ်ခု ရှိနိုင်ကြောင်း ပြသနေသည်။

Enterprise AI သည် မေးခွန်းများကို ဖြေဆိုခြင်းမှ အလုပ်လုပ်ဆောင်ခြင်းသို့ ရွေ့လျားနေပါသည်။ ဤပြောင်းလဲမှုသည် Codex ဖြင့် ဆော့ဖ်ဝဲအင်ဂျင်နီယာနယ်ပယ်တွင် ပထမဆုံး အခြေတည်ခဲ့သည်။ ယခုအခါ ChatGPT အလုပ်သည် agentic AI ဖွံ့ဖြိုးသူများအပြင် ကျယ်ပြန့်စွာ တိုးချဲ့ပေးကာ၊ လုပ်ငန်းအဖွဲ့အစည်းတစ်လျှောက်ရှိ ဝန်ထမ်းများကို အကူအညီတောင်းခြင်းမှ အရေးပါသော လုပ်ငန်းတာဝန်များကို လွှဲအပ်ခြင်းသို့ ပြောင်းလဲနိုင်စေပါသည်။

ဇွန်လ ၂၀၂၆ ခုနှစ်မှစ၍ စီးပွားရေးလုပ်ငန်းဖောက်သည်များအကြား agentic AI အသုံးပြုမှု (Codex တိုကင်များဟု သတ်မှတ်ထားသည်) သည် Codex နှင့် ChatGPT ၏ ပေါင်းစပ် output တိုကင်များအနက် 64% ရှိခဲ့သည်။ ChatGPT နှင့် agentic AI နှစ်ခုစလုံးသည် အခြေခံ စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်တူညီကို အသုံးပြုကြသည်။ ကွာခြားချက်မှာ ထိုဉာဏ်ရည်ကို မည်သို့ အသုံးချထားသည်ဆိုခြင်း ဖြစ်သည်။

ChatGPT သည် လူများအား မေးခွန်းများ မေးရန်၊ အကြံဉာဏ်များ ဖွံ့ဖြိုးစေရန်နှင့် ပြဿနာများကို ဖြေရှင်းလုပ်ဆောင်ရန် ကူညီပေးသည်။ Agentic AI (Codex နှင့် ChatGPT အလုပ် ကဲ့သို့သော) သည် မော်ဒယ်အား သင့်ကွန်ပျူတာနှင့် အလုပ်လုပ်နိုင်ရန် ကိရိယာများ ပေးပြီး၊ ၎င်းက အချက်အလက်များကို ရှာဖွေခြင်း၊ ဖိုင်များကို တည်းဖြတ်ခြင်းနှင့် အဆင့်များစွာပါသော တာဝန်များကို ကိုယ်တိုင် သို့မဟုတ် ကြီးကြပ်မှုအောက်တွင် ဆောင်ရွက်ခြင်းတို့ကို လုပ်ဆောင်နိုင်စေသည်။ ရှုပ်ထွေးပြီး အချိန်ကြာမြင့်သော တာဝန်များကို ပြီးမြောက်စေရန် တွက်ချက်မှုကို သိသိသာသာ ပိုမိုလိုအပ်နိုင်ပြီး၊ ၎င်းက agentic တိုကင်အသုံးပြုမှု အဘယ်ကြောင့် လျင်မြန်စွာ တိုးလာခဲ့သည်ကို ရှင်းပြရန် အထောက်အကူပြုသည်။

လစဉ်၊ ကျွန်ုပ်တို့သည် လုပ်ငန်းသုံးဖောက်သည်များကို တက်ကြွအသုံးပြုသူတစ်ဦးလျှင် ထွက်ရှိသော တိုကင်အရေအတွက်အလိုက် အဆင့်သတ်မှတ်ပါသည်။ စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများသည် ထိုလ၏ ထိပ်ဆုံး ၁၀% အတွင်းရှိသူများဖြစ်ပြီး၊ သာမန်ကုမ္ပဏီများမှာ ၄၅ ရာခိုင်နှုန်းနှင့် ၅၅ ရာခိုင်နှုန်းအကြားတွင် ရှိပါသည်။ ဇွန်လအထိ၊ စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများသည် သာမန်ကုမ္ပဏီများထက် တက်ကြွအသုံးပြုသူတစ်ဦးလျှင် အထွက်တိုကင် 8.3× ဆ ထုတ်လုပ်ခဲ့ပြီး၊ ၎င်းသည် ဇန်နဝါရီလရှိ 2.6× ကွာဟချက်နှင့် နှိုင်းယှဉ်ပါက သုံးဆတိုးလာခြင်းဖြစ်သည်။

စွမ်းဆောင်ရည်အမြင့်ဆုံး ကွာဟချက်သည် လုပ်ငန်းကဏ္ဍများအနှံ့လည်း ဆက်လက်ဖြန့်ကျက်နေပြီး၊ တိုကင်အသုံးပြုမှု ကွာဟချက်အကြီးမားဆုံးကို သတင်းအချက်အလက်နှင့် နည်းပညာကဏ္ဍတွင် (၁၁.၇ ဆ) တွေ့ရကာ၊ အသေးဆုံးကို ကုန်ထုတ်လုပ်မှုကဏ္ဍတွင် (၅.၃ ဆ) တွေ့ရသည်။ ဆန့်ကျင်ဘက်အားဖြင့်၊ ပုံမှန် ကုမ္ပဏီများအကြား တိုကင်အသုံးပြုမှုသည် လုပ်ငန်းကဏ္ဍများအနှံ့ ဆင်တူနေပြီး၊ ပြီးခဲ့သော တစ်နှစ်အတွင်း တိုးတက်မှုမှာ နှိုင်းယှဉ်လျှင် အတော်အသင့်သာ ရှိသည် (၁.၉ မှ ၂.၈ ဆ)။ ဤအချက်က အဖွဲ့အစည်းများစွာသည် ရိုးရှင်းသော စကားပြောအကူအညီပေးကိရိယာများကိုသာ ဆက်လက်အသုံးပြုနေကြပြီး၊ အသုံးပြုလက်ခံမှုကို ပိုမိုနက်ရှိုင်းစေရန်နှင့် ပိုမိုရှုပ်ထွေးသော လုပ်ငန်းများကို ပြီးမြောက်စေရန် အေးဂျင့်များကို အသုံးချရန်အတွက် သိသာထင်ရှားသော အခွင့်အလမ်းများ ကျန်ရှိနေသေးကြောင်း ဖော်ပြနေသည်။

တိုကင်များသည် စီးပွားရေးတန်ဖိုးကို တိုင်းတာရန် မပြည့်စုံသော အတိုင်းအတာတစ်ခု ဖြစ်ပါသည် - တုံ့ပြန်ချက်တိုတစ်ခုက အလွန်တန်ဖိုးရှိနိုင်သလို တုံ့ပြန်ချက်ရှည်တစ်ခုကလည်း တန်ဖိုးနည်းနိုင်ပါသည်။ သို့သော် တိုကင် ပမာဏသည် AI အသုံးပြုမှု၏ နက်ရှိုင်းမှုနှင့် ဝန်ထမ်းများက AI ကို လုပ်ဆောင်ခိုင်းနေသည့် အလုပ်ပမာဏတို့အတွက် အသုံးဝင်သော အစားထိုးညွှန်ကိန်းတစ်ခု ဖြစ်ပါသည်။

ဦးဆောင်ကုမ္ပဏီများသည် မိမိတို့အဖွဲ့အစည်းအတွင်းနှင့် လုပ်ငန်းကဏ္ဍများတစ်လျှောက်ရှိ လက်တွေ့ကျသော ပြဿနာများအတွက် AI ကို အသုံးချနေသောကြောင့် AI အသုံးပြုမှုကို ပိုမိုနက်ရှိုင်းစွာ တိုးမြှင့်နေကြသည်။

ကနဦး လုပ်ငန်းသုံး AI အက်ပ်လီကေးရှင်းများသည် အဖွဲ့အစည်းအတွင်းပိုင်းမှ စတင်ခဲ့ပြီး၊ ဝန်ထမ်းများအား အချက်အလက်ရှာဖွေရန်၊ စာရွက်စာတမ်းများရေးဆွဲရန်၊ ဒေတာခွဲခြမ်းစိတ်ဖြာရန်၊ ကုဒ်ရေးသားရန်နှင့် ပုံမှန်လုပ်ငန်းစဉ်များကို အလိုအလျောက်ဆောင်ရွက်စေရန် ကူညီပေးခဲ့သည်။ ဦးဆောင်ကုမ္ပဏီများသည် AI ကို အဖွဲ့အစည်းအတွင်း ထုတ်လုပ်နိုင်စွမ်း မြှင့်တင်ရေးအတွက်သာမက၊ ဖောက်သည်များနှင့် တိုက်ရိုက်ထိတွေ့သည့် ထုတ်ကုန်များ၊ ဝန်ဆောင်မှုများနှင့် အတွေ့အကြုံများထဲသို့ပါ ပိုမိုတိုးချဲ့အသုံးချလာကြသည်။

AI အေးဂျင့်များသည် ထိရောက်စွာ လုပ်ဆောင်နိုင်ရန် သင့်လျော်သော ဆက်စပ်အချက်အလက်နှင့် ကိရိယာများကို အသုံးပြုခွင့် ရရှိရန် လိုအပ်သည်။ ပလပ်အင်များ⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) သည် အေးဂျင့်များအား သတ်မှတ်ထားသော workflow များကို ပြီးမြောက်စေရန် ကူညီပေးသည့် စွမ်းဆောင်ရည်များကို စုစည်းပေးပါသည်။ ၎င်းတို့သည် ပြန်လည်အသုံးပြုနိုင်သော ညွှန်ကြားချက်များကို ပံ့ပိုးပေးသည့် စွမ်းရည်များ ကို ကုမ္ပဏီဒေတာ၊ ကိရိယာများနှင့် လုပ်ဆောင်ချက်များသို့ ချိတ်ဆက်ပေးသည့် အက်ပ်များ နှင့် ပေါင်းစပ်နိုင်သည်။ ဥပမာအားဖြင့်၊ အရောင်း ပလပ်အင်တစ်ခုသည် အဖွဲ့၏ playbook ကို ၎င်း၏ CRM သို့ ဝင်ရောက်အသုံးပြုခွင့်နှင့် ပေါင်းစပ်နိုင်ပြီး၊ ထို့ကြောင့် အေးဂျင့်တစ်ခုက လက်ရှိ ဖောက်သည်အချက်အလက်များနှင့် ယခင် အဆိုပြုချက်များကို အသုံးပြုကာ စစ်ဆေးသုံးသပ်ရန်အတွက် သီးသန့်ပြင်ဆင်ထားသော တုံ့ပြန်မှုတစ်ခုကို ပြင်ဆင်နိုင်စေပါသည်။

စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများသည် အဆင့်မြင့် စွမ်းရည်များတွင် သိသာထင်ရှားစွာ ဦးဆောင်နေပါသည်။ အပတ်စဉ်တက်ကြွအသုံးပြုသူများအနက် စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများတွင် 21% က ပလပ်အင်များကို အသုံးပြုကြပြီး 19% က ကျွမ်းကျင်မှုများကို အသုံးပြုကြသည်၊ ပုံမှန်ကုမ္ပဏီများတွင် 9% နှင့် 3% သာ အသုံးပြုကြသည်။ သို့သော် စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများ၏ လက်ခံအသုံးပြုမှုသည် ဖြစ်နိုင်သမျှအရာများ၏ အစိတ်အပိုင်းတစ်ခုသာ ကိုယ်စားပြုပါသည်။ OpenAI ၏ အတွင်းပိုင်းအသုံးပြုမှုသည် ဤစွမ်းရည်များကို ပိုမိုနက်ရှိုင်းစွာ အသုံးပြုနိုင်သည့် အလားအလာကို မီးမောင်းထိုးပြနေပြီး၊ အပတ်စဉ် ပလပ်အင် အသုံးပြုမှုမှာ လက်ရှိအသုံးပြုသူများ၏ 95% ရှိပါသည်။ အေးဂျင့်များက အလုပ်ကို ပြောင်းလဲနေသည့်ပုံ အပေါ် ကျွန်ုပ်တို့၏ သုတေသနက OpenAI ရှိ ဝန်ထမ်းများသည် အဆင့်မြင့် လုပ်ဆောင်နိုင်စွမ်းများကို မည်သို့ အသုံးပြုကြောင်းကို ပိုမိုနီးကပ်စွာ ကြည့်ရှုပေးသည်။

AI အေးဂျင့်များသည် အဓိပ္ပာယ်ရှိသည့် အလုပ်များကို ပြီးမြောက်စေရန် အရာသုံးခု လိုအပ်သည်- ဆက်စပ်အချက်အလက်များ၊ ကိရိယာများ၊ နှင့် ဆက်လက်လုပ်ဆောင်နိုင်စွမ်းတို့ ဖြစ်သည်။ မမ်မိုရီ၊ အသံထည့်သွင်းခြင်းနှင့် appshots တို့သည် လုပ်သားများအား အလုပ်တစ်ခုကို အောင်မြင်စွာ ပြီးမြောက်စေရန် လိုအပ်သော အကြောင်းအရာနှင့် အချက်အလက်များကို လွယ်ကူစွာ မျှဝေနိုင်ရန် ကူညီပေးသည်။ ကွန်ပျူတာနှင့် ဘရောက်ဇာ အသုံးပြုနိုင်မှုသည် အေးဂျင့်များအား ဝဘ်ဆိုက်များတွင် သွားလာနိုင်စေပြီး၊ ဖိုင်များ ဖန်တီးနိုင်စေကာ လုပ်ငန်းတာဝန်များကို ကိုယ်တိုင်လုပ်ဆောင်၍ သို့မဟုတ် ကြီးကြပ်မှုအောက်တွင် ပြီးမြောက်စေနိုင်သည်။ ပန်းတိုင်များ၊ လူးပ်များသည် အလုပ်တစ်ခု ပြီးဆုံးသည်အထိ အေးဂျင့်များကို ဆက်လက် လုပ်ဆောင်နေစေသည်။ စုပေါင်းကြည့်ပါက ဤစွမ်းရည်များသည် စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများအား အေးဂျင့်များ၏ အလားအလာကို အကောင်အထည်ဖော်နိုင်ရန် ကူညီပေးသည်။

အေးဂျင့်များအား ကုမ္ပဏီစနစ်များသို့ ဝင်ရောက်အသုံးပြုခွင့်ပေးခြင်းသည်လည်း အန္တရာယ်အသစ်များကို ဖြစ်ပေါ်စေပါသည်။ စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများသည် အေးဂျင့်များ မည်သည့်နေရာတွင် လုပ်ဆောင်နိုင်သည်၊ မည်သည့်အချက်အလက်များကို ဝင်ရောက်အသုံးပြုနိုင်သည်၊ မည်သည့်အချိန်တွင် လုပ်ဆောင်ချက်များ ဆောင်ရွက်နိုင်သည်၊ ထို့ပြင် အန္တရာယ်ပိုမိုမြင့်မားသော ဆုံးဖြတ်ချက်များကို လူများက မည်သို့ ပြန်လည်သုံးသပ်သည်တို့အတွက် ရှင်းလင်းသော စည်းမျဉ်းများ သတ်မှတ်ကြပါသည်။ အဖွဲ့အစည်းများသည် လက်တွေ့ ဖြန့်ကျက်အသုံးပြုမှုများမှ သင်ယူလာသည်နှင့်အမျှ ဤထိန်းချုပ်မှုများသည်လည်း တိုးတက်ပြောင်းလဲလာရမည်။

စွမ်းဆောင်ရည်အမြင့်ဆုံး ကုမ္ပဏီများသည်လည်း စဉ်ဆက်မပြတ် လေ့လာမှုနှင့် စမ်းသပ်မှုကို နေ့စဉ်လုပ်ငန်း၏ အစိတ်အပိုင်းအဖြစ် ထည့်သွင်းဆောင်ရွက်ကြသည်။ လက်တွေ့ပါဝင်တည်ဆောက်သည့် ဆက်ရှင်များ၊ ပေါ်ထွက်လာနေသော အသုံးပြုမှုကိစ္စရပ်များကို မျှဝေရန် ဖိုရမ်များနှင့် အဖွဲ့အစည်းအတွင်း ပြသပွဲများသည် အောင်မြင်သော လုပ်နည်းလမ်းကောင်းများကို အသင်းများနှင့် လုပ်ငန်းဆောင်တာကဏ္ဍများအကြား ပျံ့နှံ့စေရန် ကူညီပေးသည်။

ဆော့ဖ်ဝဲလ် ဖန်တီးသူများသည် AI အေးဂျင့်များကို အစောဆုံး လက်ခံအသုံးပြုခဲ့သူများထဲတွင် ပါဝင်ခဲ့သော်လည်း ယခုအခါ အလျင်မြန်ဆုံး တိုးတက်မှုမှာ အထွေထွေ အသိပညာအခြေပြု ဝန်ထမ်းများထံမှ ဖြစ်ပေါ်လာနေသည်။ ဖေဖော်ဝါရီလမှစ၍ အပတ်စဉ် တက်ကြွသော enterprise Codex အသုံးပြုသူအရေအတွက်သည် ဥပဒေကဏ္ဍတွင် 108×၊ အရောင်းတွင် 41×၊ ခေါ်ယူခန့်ထားမှုတွင် 41× နှင့် မားကက်တင်းတွင် 26× တိုးလာခဲ့ပြီး အင်ဂျင်နီယာများအကြား 5× နှင့် နှိုင်းယှဉ်ပါက ဖြစ်သည်။ 

ဆော့ဖ်ဝဲက ပထမဆုံး ပြောင်းရွှေ့ခဲ့တာမှာ အကြောင်းရင်းရှိပါသည်။ ကုဒ်ဘေ့စ်များက အေးဂျင့်များအတွက် ရှင်းလင်းသော အကြောင်းအရာဆက်စပ်မှုကို ပေးသည်၊ စမ်းသပ်မှုများက ထွက်ရှိရလဒ်များကို အတည်ပြုစစ်ဆေးရန် ပိုမိုလွယ်ကူစေပြီး၊ ကုဒ်ရေးသားမှုတွင် တိုးတက်မှုက AI သုတေသနနှင့် ဖွံ့ဖြိုးတိုးတက်ရေးကို အရှိန်မြှင့်ရန် အထောက်အကူပြုသည်။ လွန်ခဲ့သော နှစ်နှစ်အတွင်း၊ ဆော့ဖ်ဝဲရေးသားသူများသည် AI ကို အသုံးပြု၍ ကုဒ်တစ်ကြောင်းချင်းစီကို ဖြည့်စွက်ရေးသားစေသည့် အဆင့်မှ၊ ဆော့ဖ်ဝဲဖွံ့ဖြိုးတိုးတက်ရေးလုပ်ငန်းတာဝန်များကို AI အေးဂျင့်များက အပြည့်အစုံ ကိုင်တွယ်စေသည့် အဆင့်သို့ ပြောင်းလဲလာခဲ့သည်။ ဆော့ဖ်ဝဲရေးသားသူ အများအပြားသည် code ကို လက်ဖြင့် ရေးသားခြင်းကို မလုပ်တော့ဘဲ၊ လုပ်ငန်းတာဝန်များ သတ်မှတ်ခြင်း၊ အေးဂျင့်များကို ညှိနှိုင်းစီမံခြင်းနှင့် ရလဒ်များကို ပြန်လည်သုံးသပ်ခြင်းတို့အပေါ် ၎င်းတို့၏ အချိန်ကို ပိုမိုအာရုံစိုက်လာကြသည်။

အပြန်အလှန်အားဖြင့်၊ ယေဘုယျ အသိပညာအခြေပြု အလုပ်များတွင် တိုးတက်မှုမှာ ပိုမိုနှေးကွေးခဲ့သည်။ အကြောင်းမှာ အလုပ်များစွာတွင် ဆက်စပ်အချက်အလက် အကန့်အသတ်သာ ရှိခြင်း၊ အသေးစိတ်သတ်မှတ်ဖော်ပြရန် ခက်ခဲနိုင်ခြင်း၊ နှင့် ရလဒ်ကို အတည်ပြုစစ်ဆေးရန် ရှင်းလင်းသော စံနှုန်းများ မရှိခြင်းတို့ကြောင့် ဖြစ်သည်။ သို့သော် ဆက်လက်ချဲ့ထွင်မှု၊ အားဖြည့် သင်ယူလေ့လာခြင်းတွင် တိုးတက်မှုများနှင့် GDPval ကဲ့သို့သော အကဲဖြတ်မှုများတွင် စွမ်းဆောင်ရည်ကို မြှင့်တင်ရန် ရည်ရွယ်ထားသော ကြိုးပမ်းမှုများသည် လက်တွေ့ကမ္ဘာရှိ လုပ်ငန်းတာဝန်များ၊ ကိရိယာများနှင့် အလုပ်ပတ်ဝန်းကျင်များကို စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်များ လက်လှမ်းမီနိုင်သည့် အကွာအဝေးအတွင်းသို့ ပိုမိုရောက်ရှိလာစေသည်။ ရလဒ်အနေဖြင့် agentic AI သည် ယခုနှစ်အစပိုင်းမှစ၍ ယေဘုယျ အသိပညာအလုပ်သမားများနှင့်အတူ ထုတ်ကုန်-စျေးကွက် ကိုက်ညီမှုကို ပိုမိုများပြားစွာ ရှာဖွေတွေ့ရှိလာခဲ့သည်။

မက်ဆေ့ဂျ် ၁၀ သန်းကျော် ပါဝင်သည့် နမူနာအစုတစ်ခုအရ၊ လုပ်ငန်းသုံး AI သည် ဝန်ထမ်းများကို အလုပ်များ ဖန်တီးထုတ်လုပ်ရာတွင် ကူညီပေးခြင်းမှ အဖွဲ့များကို ထိုအလုပ်များကို အကောင်အထည်ဖော်ဆောင်ရွက်ရာတွင် ကူညီပေးခြင်းသို့ ကူးပြောင်းလာနေသည်။ တူညီသော လုပ်ဆောင်ချက်အတွင်း၌ပင်၊ အသုံးပြုမှုပုံစံများသည် စကားပြောနှင့် agentic AI အကြား သိသိသာသာ ကွာခြားနေသည်။

ရေးသားခြင်းသည် ChatGPT ၏ အများဆုံး အသုံးပြုမှုအဖြစ် ဆက်လက်ရှိနေပြီး၊ ကုဒ်ရေးခြင်းနှင့် စနစ် သို့မဟုတ် အေးဂျင့် လုပ်ဆောင်ချက်များ ပေါင်းစပ်၍ agentic မက်ဆေ့ချ်များ၏ 75%နီးပါးကို ဖွဲ့စည်းထားသည်။ ဤအပြောင်းအလဲသည် ရိုးရာနည်းပညာအဖွဲ့များ၏ အပြင်ဘက်တွင် အထူးသဖြင့် ပိုမိုသိသာထင်ရှားပါသည် - စုဆောင်းခန့်အပ်ရေး (32%)၊ အရောင်း (26%)၊ မူဝါဒ (25%) နှင့် ဆက်သွယ်ရေး (24%) တို့သည် မက်ဆေ့ချ်များ၏ လေးပုံတစ်ပုံမှ သုံးပုံတစ်ပုံအထိကို စနစ်နှင့် အေးဂျင့် လုပ်ဆောင်ချက်များအတွက် အသုံးပြုနေပါသည်။ နည်းပညာဆိုင်ရာအလုပ်သည်လည်း လုပ်ငန်းဆောင်တာကဏ္ဍများအနှံ့သို့ ပြန့်နှံ့လာနေပြီး၊ ဒီဇိုင်းကဏ္ဍတွင် ကုဒ်ရေးသားခြင်းသည် agentic မက်ဆေ့ချ်များ၏ 60%နီးပါးကို ကိုယ်စားပြုနေသည်။

AI ကို လက်ခံအသုံးချမှုအတွက် တစ်ခုတည်းသော အဆင့်သတ်မှတ်စာရင်း မရှိပါ။ လုပ်ငန်းနယ်ပယ်အဆင့်သတ်မှတ်ချက်များသည် အသုံးပြုသော တိုင်းတာမှုစံနှုန်းအပေါ် မူတည်၍ ကွဲပြားပါသည်။ လွန်ခဲ့သော တစ်လအတွင်း Professional and Scientific Services သည် Codex လက်ခံအသုံးပြုမှုနှင့် API အသုံးပြုမှု ပြင်းထန်မှု နှစ်ခုလုံးတွင် ဦးဆောင်ခဲ့သည်။ အနုပညာ၊ ဖျော်ဖြေရေးနှင့် အပန်းဖြေကဏ္ဍသည် ChatGPT လက်ခံအသုံးပြုမှုတွင် ဦးဆောင်ခဲ့ပြီး၊ Manufacturing သည် Codex နှင့် API အသုံးပြုမှု ပြင်းထန်မှုတွင် နောက်ဆုံးအဆင့်၌ ရှိနေသော်လည်း ChatGPT အသုံးပြုမှု ပြင်းထန်မှု အမြင့်ဆုံးရှိသည်။

လုပ်ငန်းကဏ္ဍများသည် AI ကို လက်ခံကျင့်သုံးရာတွင် တူညီသောလမ်းကြောင်းကို လိုက်နေကြခြင်းမဟုတ်ပါ။ အချို့မှာ ဖွံ့ဖြိုးသူကိရိယာများနှင့် AI ဖြင့် စွမ်းအားပေးထားသော ထုတ်ကုန်များမှတစ်ဆင့် တိုးတက်နေကြပြီး၊ အချို့မှာ နေ့စဉ်အသုံးပြုမှု ပိုမိုကျယ်ပြန့်လာခြင်း သို့မဟုတ် ပိုမိုများပြားလာခြင်းကို တွေ့ကြုံနေရသည်။

AI (ဉာဏ်ရည်တု) သည် အဖွဲ့အစည်းများအနေဖြင့် ကုန်ပစ္စည်းများနှင့် ဝန်ဆောင်မှုများကို ပံ့ပိုးပေးရန် နည်းလမ်းသစ်များ ဖန်တီးပေးနေသကဲ့သို့ လုံခြုံရေးအခင်းအကျင်းကိုလည်း ပြန်လည်ပုံဖော်နေပါသည်။ အထူးသဖြင့် AI အခြေပြု ဆိုက်ဘာစွမ်းရည်များ အရှိန်အဟုန်ဖြင့် တိုးတက်လာနေသည်ကို ထည့်သွင်းစဉ်းစားပါက၊ ဆိုက်ဘာလုံခြုံရေးထက် ပိုမိုချက်ချင်း ရင်ဆိုင်နေရသည့် အန္တရာယ်များမှာ အလွန်နည်းပါးသည်။

AI သည် ကာကွယ်သူများအား တုံ့ပြန်ဆောင်ရွက်ရာတွင်လည်း ကူညီနိုင်သည်။ မော်ဒယ်များသည် ကြီးမားသော codebase များကို ခွဲခြမ်းစိတ်ဖြာနိုင်သည်၊ လုံခြုံရေးအားနည်းချက်များကို စုံစမ်းစစ်ဆေးနိုင်သလို အဆင့်များစွာပါသော လုံခြုံရေးလုပ်ငန်းကို ပံ့ပိုးနိုင်သည်။ သို့သော် ပြဿနာများကို ပိုမိုဖော်ထုတ်နိုင်ခြင်းက စနစ်များကို အလိုအလျောက် ပိုမိုလုံခြုံစေသည်ဟု မဆိုနိုင်ပါ။ အဓိက အဟန့်အတားမှာ တွေ့ရှိချက်များကို လုပ်ဆောင်ချက်အဖြစ် ပြောင်းလဲခြင်းဖြစ်သည် - မည်သည့် လုံခြုံရေးအားနည်းချက်များသည် အမှန်တကယ်ရှိသည်ကို ဆုံးဖြတ်ခြင်း၊ သက်ရောက်မှုအကြီးမားဆုံး အန္တရာယ်များကို ဦးစားပေးသတ်မှတ်ခြင်း၊ patch ပြင်ဆင်ချက်များကို စမ်းသပ်ခြင်းနှင့် လုံခြုံရေးအဖွဲ့များက ပြင်ဆင်ချက်များကို လျင်မြန်စွာ ပြန်လည်သုံးသပ်ပြီး အသုံးချနိုင်စေရန် သေချာစေခြင်းတို့ ဖြစ်သည်။ 

OpenAI Daybreak သည် အဖွဲ့အစည်းများအား ဤစိန်ခေါ်မှုများကို ရင်ဆိုင်ဖြေရှင်းနိုင်စေရန်နှင့် ပေါ်ပေါက်လာသော ခြိမ်းခြောက်မှုများအပေါ် ၎င်းတို့၏ ကာကွယ်မှုများကို ပိုမိုခိုင်မာစေရန် စွမ်းဆောင်ရည်အမြင့်ဆုံး ဆိုက်ဘာလုံခြုံရေး မော်ဒယ်များ၊ လုပ်ငန်းအဆင့် လုံခြုံရေးကိရိယာများနှင့် ပါတနာ ပတ်ဝန်းကျင်ကို စုစည်းပေးသည်။

OpenAI ၏ မစ်ရှင်မှာ AI သည် လူသားအားလုံးအတွက် အကျိုးရှိစေကြောင်းသေချာစေရန် ဖြစ်သည်။ အဖွဲ့အစည်းများသည် AI ၏ စီးပွားရေးဆိုင်ရာ သက်ရောက်မှုအများစုကို ပုံဖော်သွားမည်ဖြစ်ပြီး၊ ဤအကြောင်းကြောင့် လုပ်ငန်းအဖွဲ့အစည်းများတွင် AI အသုံးပြုလက်ခံမှု၊ ပျံ့နှံ့မှုနှင့် သက်ရောက်မှုတို့ကို ခြေရာခံတိုင်းတာသည့် ပုံမှန်ထုတ်ပြန်သော တိုင်းတာညွှန်းကိန်းများအစုဖြစ်သည့် Enterprise Signals ကို ကျွန်ုပ်တို့ ပုံမှန်ထုတ်ဝေလျက်ရှိပါသည်။ ဤအစီရင်ခံစာရှိ ခွဲခြမ်းစိတ်ဖြာမှုအားလုံးသည် သတ်မှတ်ဖော်ထုတ်နိုင်သော အချက်အလက်များကို ဖယ်ရှားထားပြီး၊ စုစည်းထားသော လုပ်ငန်းအဆင့် အသုံးပြုမှု ဒေတာအပေါ် အခြေခံထားသည်။ မက်ဆေ့ဂျ် အကြောင်းအရာကို အမျိုးအစားခွဲခြားရန် အလိုအလျောက်စနစ်များကို ကျွန်ုပ်တို့ အသုံးပြုခဲ့ပြီး၊ OpenAI ဝန်ထမ်း မည်သူမျှ ဖောက်သည်၏ မက်ဆေ့ဂျ်များကို ပြန်လည်သုံးသပ်ခဲ့ခြင်း မရှိပါ။

OpenAI Enterprise ဖောက်သည်များသည်လည်း ၎င်းတို့၏ အဖွဲ့အစည်းက နောက်ဆုံး အသုံးပြုမှုနှင့် စွမ်းဆောင်ရည် တိုင်းတာချက်များတစ်လျှောက် မည်သို့ နှိုင်းယှဉ်ထားသည်ကို သိရန် စိတ်ကြိုက် benchmark တစ်ခုကို တောင်းဆို နိုင်ပါသည်။