ChatGPTs bruks- og inføringsmønstre på arbeidsplassen

ChatGPT som ble lansert for bare to og et halvt år siden, brukes av ansatte i alle bransjer, i alle jobbfunksjoner og i selskaper av alle størrelser. I dag oppgir over en fjerdedel av arbeidstakere i USA – og 45 % av de med høyere utdanning– at de bruker ChatGPT på jobb.

Bedriftsteknologi har alltid fulgt et velkjent mønster: store oppstartskostnader, lange utrullinger og langsom innføring før gevinsten kommer. ChatGPT endret måten ny teknologi blir tatt i bruk på arbeidsplassen. De trengte ikke måneder med opplæring eller komplisert onboarding, de bare begynte å bruke ChatGPT for å utføre arbeid.

Vi ser allerede tydelige signaler. Alle, fra forskere til markedsførere til operatører, tar i bruk ChatGPT i det daglige arbeidet. Fra feilsøking av kode til idémyldring om kampanjer, er ChatGPT i ferd med å bli det første trinnet i sentrale arbeidsflyter.

Denne rapporten presenterer nye data fra vår egen analyse, kombinert med fagfellevurderte kilder, om hvem som bruker ChatGPT på jobben, hvordan folk tar den i bruk, og hvordan den får fotfeste i organisasjoner.

Denne rapporten kombinerer funn fra uavhengige tredjepartsstudier på tvers av bransjen med analyser utført av OpenAI for bruken av ChatGPT og ChatGPT Enterprise. Alle analyser utført av OpenAI i denne rapporten ble utført på anonymiserte eller aggregerte bruksdata. OpenAI gjennomgikk ikke noe bruker- eller kundeinnhold (inkludert modellinndata eller -utdata), og analyserte heller ikke identifiserbare data. All analyse av brukstrender ble utført ved hjelp av automatiserte innholdsklassifikatorer. Der rapporten refererer til spesifikke ChatGPT‑ledetekster, er disse ChatGPT‑ledetekstene fullstendig syntetiske eksempler, og ikke faktiske ledetekster fra brukere eller kunder.

Da ChatGPT ble lansert i november 2022, var det hovedsakelig rettet mot en liten gruppe AI-forskere og entusiaster. Men i løpet av få måneder hadde den 100 millioner ukentlige aktive brukere, og i dag har den over 700 millioner ukentlige aktive brukere, noe som gjør den til et av verdens mest besøkte nettsteder. 

Omfattende personlig bruk spredte seg raskt til arbeidsplassen. Som statistikken viser, er det svært sannsynlig at forbrukernes bruk driver fram AI på arbeidsplassen. 

Dette er et mønster vi ofte har sett før: programvare som får fotfeste blant forbrukere, finner veien inn på arbeidsplassen – ofte særlig drevet av yngre ansatte. ChatGPT følger det samme mønsteret, noe som gjenspeiles i den raske veksten i antall ukentlige aktive brukere, høy bruk blant arbeidstakere under 30 og hyppig bruk – ofte daglig.

I løpet av bare noen få år har AI på arbeidsplassen gått fra å være nisjepreget til å bli allment utbredt. Tallene forteller historien:

Innføring av AI skjer ikke jevnt i hele økonomien. Arbeidstakere i enkelte bransjer har raskt begynt å integrere ChatGPT i virksomheten, mens andre går saktere fram. 

Ved å se på hvilke sektorer som tar i bruk verktøyet raskest, kan vi se både mulighetene på kort sikt og områdene der det kan ta lengre tid før bruken får fotfeste. 

Enkelte bransjer tar i bruk ChatGPT i større grad enn forventet. IT og finans leder an, noe som er naturlig gitt verktøyets styrker innen koding, analyse og informasjonsintensivt arbeid. Bruken i produksjonssektoren peker mot en bredere digital transformasjon: fabrikker som bruker AI til prosessautomatisering, prediktivt vedlikehold og optimalisering av forsyningskjeden. Tidlige investeringer i industriell AI kan bane vei for utbredt bruk av ChatGPT blant ingeniører, analytikere og driftsledere.

Andre bransjer henger etter. Detaljhandel, bygg og anlegg, transport, engroshandel og landbruk viser betydelig lavere adopsjon. I de fleste tilfeller samsvarer dette med lavere andel kunnskapsarbeidere, der behovet for AI-verktøy er mindre umiddelbart.  

Helsevesenet er et spesielt tilfelle. Til tross for at dette er en av de største og mest datatunge sektorene, har bruken gått tregere. Strenge regler for personvern og samsvar og risikouvillige organisasjonskulturer kan være faktorer. Vi begynner likevel å se en vekst i målrettede områder som klinisk dokumentasjon og administrative arbeidsflyter, noe som tyder på at helsevesenet snart kan bli et arnested for bruk av AI.

Innføringsmønstrene varierer mellom avdelinger, men noen temaer skiller seg ut. I løpet av de første tre månedene dominerer fire kategorier bruken: skriving, forskning, programmering og analyse. Til sammen står de for flertallet av meldingene som sendes. Dette mangfoldet viser hvor fleksibel ChatGPT er. Teamene bruker den til å lage kommunikasjon, samle og syntetisere informasjon, skrive kode og tolke data.

Tekniske team er blant de mest aktive brukerne, med roller innen analyse, utvikling og IT som utgjør en stor del av den tidlige bruken. Programmering er hovedoppgaven, spesielt for ingeniørroller, men brukerne ber også om mye hjelp med forskning og dokumentasjon. Dette viser at ChatGPT brukes nesten like mye til planlegging som til koding. 

IT-teamene støtter seg mest på forskning og feilsøking, og bruker ofte ChatGPT som en informasjonskilde før de går videre til automatisering.

Eksempel på lederekst for koding

Merk: Den syntetiske ledeteksten ovenfor er et eksempel skrevet spesielt for denne rapporten, og er kun for illustrative formål

Personer innen roller i markedsintroduksjonen, inkludert markedsføring, kommunikasjon, salg og kundeopplevelse, er også blant de største brukerne. Disse funksjonene bruker ChatGPT først og fremst til skriving, undersøkelser, kreativ idéutvikling og mediegenerering. 

I alle funksjoner er det tidlige bruksmønsteret tydelig: AI styrker ekspertisen, ikke erstatter den. Ingeniører jobber med ledetekster for å feilsøke kode og lage enhetstester. Analytikere bruker en resonneringskjede for å rydde opp i og tolke datasett. Kundestøtteteam lager gjennomtenkte svar som passer til merkevaren. Det de har til felles er at ChatGPT utvider rekkevidden til spesialiserte ferdigheter, og blir en partner i viktige arbeidsflyter.

Kilde: Sammenstilt avdelingsdata fra ChatGPT Enterprise samlet inn under onboarding og automatiserte
innholdsklassifiserere

Interessant nok sprer koding seg utover ingeniørfag. Designere støtter seg kanskje på programmering for utvikling av visuelle prototyper og hjelp med kodebiter, og de bruker ChatGPT i langt større grad enn ansatte innen finans og salg. Prosjektledere kombinerer skriving, mediegenerering, koding og dataanalyse – og fungerer som bindeleddet på tvers av team. Men produkt, drift, markedsføring, finans og HR bruker alle ChatGPT til koding i noen grad. 

Vi ser denne trenden bekreftet i en studie utført av Boston University og BCG, som så på hvordan ChatGPT påvirker den tekniske kompetansen til BCGs konsulenter. Studien fant at konsulenter som brukte og var opplært i ChatGPT, oppnådde 49, 20 og 18 flere prosentpoeng enn personer i kontrollgruppen på de tre tekniske oppgavene, og presterte nesten på nivå med faktiske dataforskere i BCG på to av tre oppgaver.

God skriving er ikke lenger en spesialistfunksjon forbeholdt innholdsteam. Med ChatGPT kan hvem som helst gjøre notater om til ryddig tekst og gjenta en prosess raskt. Møter, notater og kundemeldinger blir tydeligere og mer inkluderende fordi alle kan uttrykke ideene sine godt, ikke bare de som er opplært i kommunikasjon. AI er i ferd med å bli inngangsporten for rutinemessig kommunikasjon og koordinering, og samler utarbeidelse av utkast, tonejustering og versjonshåndtering i én og samme omgang.

Designteam skiller seg ut ved bruken av mediegenerering, og de bruker den 2–4 ganger mer enn andre grupper. Den utstrakte bruken av disse funksjonene til sentrale arbeidsoppgaver viser en fremvoksende rolle for ChatGPT utover tekst. 

Alle team innen markeds- og lanseringsfaser bruker ChatGPT mest til oppgaver innen skriving, forskning og mediegenerering, men på ulike måter. Her er noen eksempelledetekster som viser forespørslstyper:

Merk: de ovenstående syntetiske ledetekstene er eksempler skrevet spesielt for denne rapporten utelukkende for illustrative formål.

Tidlige data viser en tydelig trend: de fleste avdelingene bruker kjerneverktøyene i ChatGPT, som søk, dataanalyse, filopplastinger, henting og Canvas. Bruken av mer avanserte funksjoner–som resonneringsmodell, dyp forskning, prosjekter og egendefinerte instruksjoner–er høyere blant erfarne brukere, inkludert FoU-team. For mange ansatte er resultatet at ChatGPT er integrert i de daglige arbeidsflytene, hovedsakelig gjennom enkle oppgaver med lav terskel i stedet for spesialiserte bruksområder.

Tekniske funksjoner skiller seg ut som unntaket. Roller innen analyse, ingeniørfag, IT og forskning bruker avanserte funksjoner i langt større grad. Arbeidet deres krever ofte flertrinnsresonnering, storskala datasyntese eller kompleks problemløsning. Ingeniører bruker ledetekster til kodegenerering eller feilsøking; analytikere bruker dyp forskning til å tolke datasett, og IT-fagfolk søker i kunnskapsbaser for å løse saker og feilsøke systemer. Kraftigere verktøy passer naturlig til tekniske oppgaver som er strukturerte, datatunge og beslutningsdrevne.

Ulike tekniske team satser også på ulike funksjoner. IT-team bruker oftere oppslag og søk, og behandler ChatGPT som en kunnskapspartner for raske svar på spørsmål om konfigurasjon eller retningslinjer. Ingeniørteam viser større bruk av GPT, programmeringsverktøy og dataanalyse, noe som gjenspeiler deres mer kodeorienterte arbeidsflyter. Dette avviket understreker at adopsjon ikke bare avhenger av teknisk kompetanse, men også av typen arbeid og konteksten i hver avdeling.

Det vises to muligheter fra disse dataene. For det første er avanserte funksjoner fortsatt ikke utnyttet fullt ut, selv der de kunne hatt bred innvirkning. Barrierer kan inkludere oppdagbarhet, kjennskap til bruksområder eller oppsettet som kreves for å bruke dem.

For det andre tar tidlige forkjempere innen analyse, IT, juss og utvikling allerede i bruk stadig mer komplekse arbeidsflyter. (Du kan se hvordan dette utvikler seg.) Etter hvert som programmer for kompetansebygging utvides og produktforbedringer senker terskelen for å ta dem i bruk, vil bruken sannsynligvis flytte seg fra daglige kjerneoppgaver mot dypere resonnering og samarbeidsorienterte arbeidsflyter som omformer beslutningstaking på tvers av virksomheten. (Dette kan du se i praksis.) 

ChatGPT gjør allerede arbeidstakere mer produktive på målbare måter. Interne evalueringer viser betydelige produktivitetsøkninger, drevet av ansatte som bruker den til å skrive og kommunisere raskere, gjøre undersøkelser mer effektivt og redusere innsatsen som kreves for gjentakende oppgaver. De fleste selskaper er fortsatt i en tidlig fase av innføringen, men vi begynner å se at organisasjoner innlemmer ChatGPT på avdelingsnivå for å gjøre hele prosessene mer effektive. 

I motsetning til tradisjonell bedriftsprogramvare, som spres gjennom utrullinger ovenfra og ned etter lange beslutningssykluser og opplæringsprogrammer, kom ChatGPT inn på arbeidsplassen nedenfra og opp. Ansatte og små team tok den i bruk på egen hånd, eksperimenterte med arbeidsflyter og viste verdien før selskapene formaliserte innkjøpene. Dette grasrotmønsteret har gjort den til den raskest adopterte virksomhetsteknologien i nyere historie. 

Denne dynamikken er nå i endring. Nye funksjoner, fra autonome agenter til avansert kodestøtte og beslutningsstøtteverktøy, utvider ChatGPTs rolle utover personlig produktivitet. Den blir en plattform for hele arbeidsflyter. Ledere bruker den til å utforme strategi, ingeniører til å designe og feilsøke systemer, og kundestøtteagenter til å vurdere komplekse løsninger. ChatGPT fungerer i stadig større grad som et operativsystem for det daglige arbeidet: et felles lag der beslutninger tas, problemer løses og produksjonen skaleres.

Arbeid har alltid utviklet seg sammen med teknologi. For ikke lenge siden handlet mye om å finne svar, skrive e-poster og gjenta problemer som allerede var løst. I økende grad beveger det seg mot syntese, kreativitet og fart: arbeid som forbedres gjennom naturlig, intuitiv samhandling med AI.

I årene som kommer vil AI integreres i nesten alle arbeidsflyter. Etter hvert som dette skjer, vil ansatte bruke mindre tid på å utføre oppgaver og mer tid på å overvåke og forme resultatene fra AI. Den tverrfunksjonelle rekkevidden til ChatGPT betyr at enkeltpersoner vil kunne ta på seg oppgaver som tidligere var fordelt på flere avdelinger. En produktleder kan for eksempel bruke den til å analysere kundetilbakemeldinger, teste og forbedre en ny funksjon og utarbeide juridisk innhold og markedsføringsinnhold som trengs for å lansere den.

Samarbeid beveger seg fra isolerte dokumenter og meldinger til delte arbeidsområder i sanntid, der team løser problemer sammen. Funksjoner som minne gjør produktet mer kontekstbevisst, og gir ansatte en partner som husker preferanser, prosjekter og arbeidsflyter som er unike for dem. Og muligheten til å hente strukturerte og ustrukturerte data direkte inn i ChatGPT utvider rollen som det sentrale grensesnittet for virksomhetskunnskap, og GPT‑5 fremskynder denne utviklingen.

Det viktigste er at tidlige funn viser at denne endringen ikke bare gjør folk mer produktive, men også gjør jobben deres morsommere. Den gjør dette ved å kutte ned på tidkrevende oppgaver med lav verdi, og gi dem muligheten til å fokusere mer på meningsfylt og viktig arbeid. I et seks måneder langt randomisert eksperiment blant tusenvis av kunnskapsarbeidere reduserte tilgang til AI tiden brukt på e-post per uke med 31 %. En annen studie så på programvareutviklere, og fant at AI-kodeverktøy lot dem bruke mer tid på koding, mer tid på utforskende arbeid og mindre tid på prosjektstyring. Samlet sett viser disse funnene at verktøy som ChatGPT kan redusere rutinearbeid og frigjøre tid til mer strategisk, meningsfylt og verdifullt arbeid.

Omfanget av denne endringen gjenspeiler tidligere teknologiske revolusjoner. Elektrisitet endret fabrikkarbeidet, internett omdefinerte handel og kommunikasjon, og AI baner nå vei for det neste store spranget. Bedriftene som tilpasser seg raskt og gjennomtenkt, vil oppnå de tidligste og største gevinstene: raskere beslutningssykluser, produktivitetsgjennombrudd og nye muligheter på tvers av alle funksjoner.