OpenAI B2B Signals

I dag lanserer vi B2B Signals, som er en bedriftsrettet utvidelse av OpenAI Signals⁠, som måler hvordan KI-bruken øker i virksomheter. De første tegnene er tydelige: Nyskapende bedrifter tar ledelsen, ikke bare fordi de har tilgang til KI, men fordi de utnytter den mer omfattende i hele virksomheten.

B2B Signals er løpende målinger basert på omfattende analyser av bedrifters KI-bruk, gjennomført med hensyn til personvern. Den kartlegger atferd og mønstre som kan hjelpe virksomheter med å forstå hvordan de kan omsette innsikt til forretningsverdi.

Pionerbedrifter, altså de som ligger i den øverste femprosenten hva gjelder KI-bruk, utnytter KI i større grad per ansatt, tar i bruk avanserte verktøy i større omfang og integrerer KI tettere i arbeidsflyten. For enkelte bedrifter begynner gapet å øke, og forskjellen skyldes i stadig større grad hvor intensivt tjenesten brukes.

Viktige konklusjoner

• Fordelen ved å være pionerer begynner å gi stadig større utbytte: Førende bedrifter bruker nå 3,5 ganger så mye KI per ansatt sammenlignet med vanlige bedrifter, hvilket er en økning fra togangen for ett år siden. 
• Banebrytende selskaper bruker KI mer inngående, ikke bare oftere: Meldingsvolum forklarer bare 36 % av forskjellen mellom banebrytende og typiske selskaper. Mesteparten av det banebrytende fortrinnet kommer fra mer inngående bruk. 
• Agentbaserte arbeidsflyter er i ferd med å bli et kjennetegn på tidlig adopsjon: Forskjellen er størst når det gjelder avanserte agentbaserte verktøy, der pionerbedrifter sender 16 ganger så mange Codex-meldinger som vanlige bedrifter. 
• Bedrifter kan tette gapet til de banebrytende gjennom organisatoriske endringer: For å ta igjen forspranget må de måle hvor godt de bruker teknologi, prioritere styring, investere i støtte, skalere det som fungerer, og gå fra chatbasert hjelp til delegert arbeid med agenter.

Fordelen ved å være pionerer begynner å gi stadig større utbytte, og bedrifter som utnytter KI fullt ut, øker forspranget sitt

For bedrifter er utrulling av lisenser bare utgangspunktet. Det tydeligere tegnet er om medarbeidere bruker KI til mer inngående og komplekst arbeid. Dette diagrammet sammenligner tokens generert per ansatt i banebrytende bedrifter, definert som 95. persentil, med den typiske bedriften, definert som 50. persentil.

Tokens er et ufullkomment mål på forretningsverdi. Et kort svar kan være svært verdifullt, og et langt svar kan ha lav verdi. Men token-volumet bidrar til å måle hvor mye arbeid ansatte ber KI om å gjøre, noe som gjør det til en nyttig indikator på dybden i KI-bruken og hvor mye intelligens ansatte etterspør fra KI.

Det banebrytende selskapet krever 3,5 ganger så mye intelligens per arbeidstaker som det typiske selskapet. Dette gapet har økt fra 2× i april 2025, noe som antyder at virksomheter som bruker KI mest inngående, øker forspranget sitt og er bedre posisjonert til å omsette nye KI-kapasiteter i arbeid som er mer dyptgående og komplekst.

Størstedelen av det banebrytende fortrinnet skyldes dypere bruk, snarere enn høyere meldingsvolum

Det banebrytende selskapet krever betydelig mer intelligens per ansatt enn det typiske selskapet, men mesteparten av forskjellen kan ikke forklares av meldingsvolum alene. Dette diagrammet bryter ned fordelen på 3,5x til de banebrytende selskapene og finner at hvis den typiske bedriften sendte meldinger i samme takt som de banebrytende, ville den bare tette 36 % av gapet på 3,5x.

Det gjenstående gapet er knyttet til dypere bruk. Arbeidere på den banebrytende fronten ber KI ta på seg mer komplekst arbeid, gir modellene rikere kontekst og genererer mer innholdsrike resultater.

Fordelen ved å være banebrytende er størst i avanserte og agentbaserte verktøy, med 16 ganger høyere bruk av Codex

Fordelen ved banebrytende verktøy er størst for verktøy som støtter mer avanserte arbeidsflyter. Codex viser den største forskjellen, med banebrytende som sender 16 ganger flere meldinger per ansatt. ChatGPT Agent, apper i ChatGPT, dyp forskning og GPT‑er viser også relativt store forskjeller, noe som tyder på at banebrytende er bedre til å utnytte verktøy som hjelper ansatte med å kode, delegere flertrinnsoppgaver, bruke selskapskontekst og gjennomføre mer kompleks forskning.

Til sammenligning viser mer generelle og tilgjengelige verktøy som brukeropplasting, søk og dataanalyse en mindre banebrytende fordel. Disse verktøyene er enklere for de fleste virksomheter å bruke fordi de utvider kjente arbeidsflyter. Fortrinnet ved banebrytende teknologi er tydeligst i avanserte og agentbaserte verktøy, der det å ta dem i bruk krever mer ekspertise, tilkoblinger til arbeidsplassens kunnskap og verktøy, og større trygghet ved å delegere arbeid til KI.

Den største banebrytende fordelen finnes innen utdanning og læring

Den banebrytende fordelen er størst for utdannings- og læringsoppgaver, der det banebrytende selskapet sender 7 ganger flere meldinger enn det typiske selskapet. I banebrytende bedrifter brukes KI til å hjelpe ansatte med å utvikle ferdigheter og lære nye emner. De bruker også KI til å forbedre sin forståelse av teknologien, inkludert hva den kan gjøre, hvordan den kan brukes på en god måte, og hvor den kan passe inn i eksisterende arbeidsflyter. Størrelsen på gapet tyder på at den typiske bedriften kan underutnytte KI som et verktøy for læring og utvikling i arbeidsstyrken.

Koding viser også et stort gap på 4x, i tråd med det større gapet i bruk av avanserte og selvstendige verktøy. Veiledning i hvordan man gjør ting, samt skriving og kommunikasjon, har de minste gapene mot det banebrytende nivået, sannsynligvis fordi disse oppgavene er mer tilgjengelige og kjente bruksområder for KI.

Bruken av KI er mest utbredt innen skriving, men spesifikke funksjonsområder vokser

Skriving og kommunikasjon er fortsatt den vanligste bruken av ChatGPT. Bruksmønstre varierer imidlertid betydelig etter funksjon. 60 % av meldingene innen IT og sikkerhet er konsentrert om praktisk veiledning og prosedyreveiledning, nesten halvparten av meldingene innen programvareutvikling og datavitenskap og ingeniørfag er relatert til koding, og en tidel av finansmeldingene er relatert til analyse og beregning.

Disse mønstrene er i samsvar med et bredere bevisgrunnlag som viser at banebrytende modeller blir bedre på økonomisk verdifulle arbeidsoppgaver. GDPval⁠, en evaluering av kunnskapsarbeid i den virkelige verden på tvers av 44 yrker, måler ytelse på oppgaver som produserer praktiske arbeidsresultater som dokumenter, regneark, lysbilder, diagrammer og multimedieinnhold. Etter hvert som KI blir mer avansert, ser bruken i virksomheter ut til å utvides i retning av oppgaver som er tettere knyttet til kjernearbeidet i de enkelte funksjonene.

Bransjelederskap er ikke éndimensjonalt: ulike sektorer leder an på tvers av ChatGPT, Codex og API

Det finnes ingen samlet rangering for innføring av KI. Bransjerangeringer varierer avhengig av hvilket mål som brukes. Profesjonelle, vitenskapelige og tekniske tjenester rangerer øverst både i Codex-adopsjon og API-intensitet, noe som tyder på relativt avansert bruk i utvikler- og produktintegrerte arbeidsflyter. Finans og forsikring er ledende i ChatGPT‑adopsjon på grunn av utrulling i stor skala, mens utdanningssektoren har høyest meldingsintensitet, noe som tyder på mer bruk per person. Detaljhandel og Helse rangerer høyt i API-intensitet, til tross for lavere rangeringer på andre mål.

Disse forskjellene antyder at det å være ledende i bransjen ikke er endimensjonalt. Noen sektorer ser ut til å ta i bruk KI gjennom tekniske arbeidsflyter og utviklerarbeidsflyter, mens andre skalerer gjennom bred adopsjon av ChatGPT eller mer intensiv bruk blant sluttbrukere.

Virksomheter flytter bruken av API-er inn i produksjonsarbeidsflyter og kundevendte applikasjoner

Selskaper bruker i økende grad API-et til å integrere modeller direkte i produkter, tjenester og interne systemer. Vanlige bruksområder i produksjon inkluderer assistenter i apper, kode- og utviklerverktøy, kundestøtte, arbeidsflyter for forskning og automatisering av arbeidsflyter.

Disse implementeringene viser hvordan KI i bedrifter går fra eksperimentering til gjentakbare arbeidsflyter med målbar innvirkning på driften. På tvers av kundeeksempler bruker bedrifter OpenAI-modeller til å få fart på kunnskapsarbeid, forbedre gjennomstrømmingen i utviklingsarbeidet og bygge KI-drevne opplevelser for kunder og ansatte.

Hva organisasjoner kan gjøre for å nå det banebrytende

OpenAI samarbeider med virksomheter på tvers av bransjer, funksjoner og stadier av KI-modenhet, noe som gir oss innsikt i hvordan innføringen utvikler seg fra eksperimentering til produksjon. På tvers av disse implementeringene har selskapene som gjør størst fremskritt, en tendens til å fokusere mindre på tilgang alene og mer på de organisatoriske systemene som trengs for å bruke KI på en dyptgående måte: måling, styring, tilrettelegging, skalering av effekt og agentisk implementering.

Fem praksiser skiller seg ut som praktiske tiltak enhver organisasjon kan begynne å ta i bruk i dag for å forankre KI-adopsjonen dypere.

1. Mål bruksdybde i tillegg til tilgang.
   Det relevante signalet er ikke bare hvor mange ansatte som har KI-kontoer, men om teamene bruker KI på en mer substansiell måte over tid. Organisasjoner bør følge med på om KI-bruken blir hyppigere, mer kompleks og tettere knyttet til verdifulle arbeidsflyter.
2. Bygg styring som muliggjør produksjonsbruk.
   Ledende selskaper unngår ikke styring. De bruker det til å gjøre agentbasert KI enklere å implementere. Virksomheter trenger klare regler for hvor agenter kan operere, hvilken informasjon de kan bruke, når de bør gi råd i stedet for å handle, og hvordan mennesker gjennomgår beslutninger med høyere risiko. Banebrytende bedrifter definerer disse standardene som en del av utrullingsprosessen, slik at styring blir en måte å øke innføringen på en trygg måte, i stedet for å bremse den.
3. Behandle tilrettelegging som kjerneinfrastruktur, ikke som et sideprosjekt.
   Etter hvert som KI-kapasitetene forbedres, trenger både arbeidstakere og organisasjoner systemer som hjelper dem med å holde tritt. Banebrytende selskaper ser ikke på kompetanseheving som en engangssatsing på opplæring. De bygger kontinuerlig læring inn i implementeringen gjennom rollespesifikk opplæring, workshops om brukstilfeller, hackathons, interne champion-nettverk, dedikert tid til eksperimentering og delte lagre med arbeidsflyter, beste praksis og ferdigheter. 
4. Identifiser de banebrytende teamene dine og øk innflytelsen deres.
   I mange organisasjoner er den mest avanserte bruken konsentrert i et lite antall team. Disse teamene kan avdekke hvilke arbeidsflyter, vaner og driftsmodeller som fungerer. Ledere bør identifisere disse teamene, forstå og skalere forutsetningene som ligger bak suksessen deres, og hjelpe dem med å dele innsikt og eksempler på dypere KI-bruk med resten av virksomheten. 
5. Gå lenger enn chat til å delegere arbeid.
   Bedrifts-KI er i ferd med å skifte fra chatassistenter til arbeid som kan delegeres til agenter. Programvareutvikling illustrerer denne trenden, men delegert arbeid sprer seg på tvers av funksjoner. Med Codex kan ingeniører overlate en definert oppgave, gi agenten konteksten den trenger, la den arbeide på tvers av filer, kodebaser og verktøy, og deretter gjennomgå resultatet og forbedre arbeidsflyten med tilbakemeldinger. Banebrytende selskaper oppfordrer ansatte til å delegere oppgaver til KI i stedet for bare å bruke KI som en statisk assistent.

Hvis du vil se nærmere på alle funnene eller lære hvordan du kan ta i bruk KI i organisasjonen din på en ansvarlig måte, [vil vi gjerne ta en prat⁠].