Enterprise Signals: wat grensverleggende bedrijven anders doen

AI voor bedrijven gaat een nieuwe fase in: er wordt meer werk aan agents gedelegeerd en de bedrijven die hierin het verst zijn, lopen steeds verder uit. Grensverleggende bedrijven hebben toegang tot dezelfde AI-modellen als andere ondernemingen, maar intensiveren het gebruik ervan sneller. Ze onderscheiden zich door de manier waarop ze die modellen inzetten: ze gaan van ondersteuning naar delegatie, geven agents de context en hulpmiddelen om complexe taken uit te voeren en breiden agentic AI versneld uit naar andere gebieden dan softwareontwikkeling.

Ons onderzoek bij OpenAI naar hoe agents werk transformeren biedt een vroege indicatie van hoe deze omslag er binnen een AI-native organisatie kan uitzien. Enterprise Signals verbreedt de blik naar het wereldwijde klantenbestand van OpenAI voor bedrijven. Het laat zien hoe door agents uitgevoerd werk zich binnen organisaties verspreidt en wat grensverleggende bedrijven onderscheidt van de rest.

In deze editie van Enterprise Signals laten we zien dat grensverleggende bedrijven—de 10% met maandelijks het hoogste AI-gebruik—hun voorsprong op doorsneebedrijven—de middelste 10%—vergroten. We onderzoeken wat grensverleggende bedrijven anders doen en hoe organisaties de kloof kunnen dichten.

Belangrijkste conclusies:

• AI-gebruik in bedrijven wordt steeds meer agentisch. In juni was Codex goed voor 64% van alle outputtokens die Codex en ChatGPT samen bij zakelijke klanten genereerden. Dit wijst erop dat agents een verschuiving mogelijk maken naar inhoudelijker werk dat wordt gedelegeerd.
• De kloof met grensverleggende bedrijven groeit. Grensverleggende bedrijven—de 10% met maandelijks het hoogste AI-gebruik—genereren nu per actieve gebruiker 8,3× zoveel outputtokens als doorsneebedrijven, tegenover 2,6× in januari.
• Grensverleggende bedrijven gebruiken geavanceerde mogelijkheden vaker. Elke week gebruikt 21% van de actieve gebruikers bij grensverleggende bedrijven Plugins, tegenover 9% bij doorsneebedrijven. Bij OpenAI gebruikt 95% van de medewerkers wekelijks Plugins, wat het potentieel voor intensievere toepassing onderstreept.
• Agents verspreiden zich over het hele kenniswerk. Sinds februari is het aantal wekelijks actieve zakelijke Codex-gebruikers met een factor 108 gegroeid in juridische functies, met een factor 41 in verkoop en werving en met een factor 26 in marketing, tegenover een factor 5 in engineering.

Enterprise-AI verschuift van het beantwoorden van vragen naar het uitvoeren van werk. Deze verschuiving kreeg eerst voet aan de grond in software engineering met Codex. Nu brengt ChatGPT Work agentic AI verder dan alleen ontwikkelaars, waardoor medewerkers in de hele onderneming de stap kunnen maken van hulp vragen naar het delegeren van inhoudelijke taken.

Vanaf juni 2026 was agentic AI-gebruik (gedefinieerd als Codex-tokens) goed voor 64% van de gecombineerde outputtokens van Codex en ChatGPT onder enterprise-klanten. Zowel ChatGPT als agentic AI gebruiken dezelfde onderliggende grensverleggende modellen; het verschil zit in hoe die intelligentie wordt ingezet.

ChatGPT helpt mensen vragen te stellen, ideeën te ontwikkelen en problemen op te lossen. Agentic AI (zoals Codex en ChatGPT Work) geeft het model tools om met je computer te werken, waardoor het informatie kan vinden, bestanden kan bewerken en taken in meerdere stappen zelfstandig of onder toezicht kan uitvoeren. Het voltooien van complexe, langdurige taken kan aanzienlijk meer rekenkracht vereisen, wat helpt verklaren waarom het gebruik van agentic-token snel is gegroeid.

Elke maand rangschikken we zakelijke klanten op basis van het aantal output tokens per actieve gebruiker. Grensverleggende bedrijven zijn de bedrijven die die maand tot de top 10% behoren, terwijl doorsneebedrijven tussen het 45e en 55e percentiel vallen. In juni genereerden grensverleggende bedrijven 8,3× zoveel outputtokens per actieve gebruiker als doorsneebedrijven, een verdrievoudiging ten opzichte van de kloof van 2,6× in januari.

De grensverleggende kloof strekt zich ook uit over sectoren, met de grootste kloof in tokengebruik in de informatie- en technologiesector (11,7×) en de kleinste in de maakindustrie (5,3×). Daarentegen is het tokengebruik onder doorsneebedrijven vergelijkbaar in verschillende sectoren, met een relatief bescheiden groei in het afgelopen jaar (1,9× tot 2,8×). Dit suggereert dat veel organisaties nog steeds eenvoudige chatassistenten gebruiken, waardoor er nog aanzienlijke ruimte is om de adoptie te verdiepen en agenten in te zetten om complexer werk uit te voeren.

Tokens zijn een imperfecte maatstaf voor bedrijfswaarde: een kort antwoord kan zeer waardevol zijn, terwijl een lang antwoord weinig waarde kan toevoegen. Maar het aantal tokens is een bruikbare indicatie van de diepgang van AI-gebruik en van de hoeveelheid werk die medewerkers aan AI overlaten.

Toonaangevende bedrijven intensiveren hun gebruik van AI doordat ze AI toepassen op concrete problemen binnen hun organisaties en sectoren.

De eerste enterprise-AI-toepassingen werden intern ingezet en hielpen medewerkers informatie te vinden, documenten op te stellen, gegevens te analyseren, code te schrijven en routinematige processen te automatiseren. Toonaangevende bedrijven zetten AI steeds vaker niet alleen in voor interne productiviteit, maar ook voor klantgerichte producten, diensten en ervaringen.

AI-agents hebben toegang tot de juiste context en tools nodig om effectief te zijn. plug-ins⁠(opent in een nieuw venster) bundelen mogelijkheden die agents helpen specifieke workflows te voltooien. Ze kunnen skills, die herbruikbare instructies bieden, combineren met apps die verbinding maken met bedrijfsgegevens, tools en acties. Een salesplugin kan bijvoorbeeld het draaiboek van een team combineren met toegang tot het CRM-systeem van dat team, zodat een agent actuele klantinformatie en eerdere voorstellen kan gebruiken om een reactie op maat ter beoordeling voor te bereiden.

Grensverleggende bedrijven lopen duidelijk voor bij geavanceerde mogelijkheden. Van de wekelijks actieve gebruikers bij grensverleggende bedrijven gebruikt 21% plug-ins en 19% vaardigheden, tegenover slechts 9% en 3% bij doorsneebedrijven. Toch benutten zelfs grensverleggende bedrijven nog maar een fractie van de mogelijkheden. Het interne gebruik bij OpenAI laat zien hoeveel ruimte er is om deze mogelijkheden intensiever te benutten: 95% van de actieve gebruikers gebruikt wekelijks plug-ins. Ons onderzoek naar hoe agents werk transformeren laat in meer detail zien hoe medewerkers van OpenAI geavanceerde mogelijkheden gebruiken.

AI-agents hebben drie dingen nodig om zinvol werk te kunnen uitvoeren: context, tools en volharding. Geheugen, spraakinvoer en appshots helpen werknemers om eenvoudig de context en informatie te delen die nodig zijn om een taak succesvol af te ronden. Computer- en browsergebruik stelt agents in staat op websites te navigeren, bestanden te maken en taken zelfstandig of onder toezicht uit te voeren. Goals and loops zorgen ervoor dat agents blijven werken totdat een taak is voltooid. Samen helpen deze mogelijkheden grensverleggende bedrijven het potentieel van agenten te benutten.

Agenten toegang geven tot bedrijfssystemen brengt ook nieuwe risico’s met zich mee. Grensverleggende bedrijven stellen duidelijke regels op voor waar agenten actief mogen zijn, tot welke informatie ze toegang mogen hebben, wanneer ze acties mogen uitvoeren, en hoe mensen beslissingen met een hoger risico beoordelen. Deze beheersmaatregelen moeten zich ontwikkelen naarmate organisaties leren van daadwerkelijke implementaties.

Grensverleggende bedrijven maken continu leren en experimenteren ook onderdeel van het dagelijkse werk. Praktische bouwsessies, forums voor het delen van nieuwe gebruiksscenario’s en interne presentaties helpen succesvolle werkwijzen zich over teams en functies te verspreiden.

Softwareontwikkelaars behoorden tot de eersten die AI-agenten in gebruik namen, maar de snelste groei komt nu van kenniswerkers in het algemeen. Sinds februari is het aantal wekelijks actieve zakelijke Codex-gebruikers 108× gegroeid in juridische functies, 41× in sales, 41× in recruitment en 26× in marketing, tegenover 5× onder engineers. 

Software liep niet voor niets voorop. Codebases geven agents duidelijke context, tests maken uitvoer eenvoudiger te verifiëren, en vooruitgang in programmeren helpt AI-onderzoek en -ontwikkeling te versnellen. In de afgelopen twee jaar zijn ontwikkelaars overgestapt van het gebruik van AI om afzonderlijke coderegels af te maken naar het inzetten van agents om volledige softwareontwikkelingstaken uit te voeren. Veel ontwikkelaars schrijven niet langer handmatig code, maar besteden hun tijd aan het opzetten van taken, het orkestreren van agents en het beoordelen van resultaten.

Daarentegen is de vooruitgang bij kenniswerk in het algemeen langzamer geweest, omdat veel taken beperkte context bieden, moeilijk te specificeren zijn en geen duidelijke criteria hebben om het resultaat te verifiëren. Maar verdere opschaling, vooruitgang in reinforcement learning en gerichte inspanningen om de prestaties op evaluaties zoals GDPval te verbeteren, brengen steeds meer praktijktaken, tools en werkomgevingen binnen bereik van grensverleggende modellen. Daardoor heeft agentic AI sinds het begin van het jaar steeds meer product-market fit gevonden bij kenniswerkers in het algemeen.

In een steekproef van meer dan 10 miljoen berichten verschuift enterprise-AI van het helpen van medewerkers bij het produceren van werk naar het helpen van teams bij het uitvoeren ervan. Zelfs binnen dezelfde functie verschillen gebruikspatronen aanzienlijk tussen chat en agentic AI.

Schrijven blijft de meest voorkomende toepassing van ChatGPT, terwijl programmeren en systeem- of agentoperaties samen bijna 75% van de agentic berichten uitmaken. Deze verschuiving is vooral uitgesproken buiten traditionele technische teams: werving (32%), verkoop (26%), beleid (25%) en communicatie (24%) besteden tussen een kwart en een derde van de berichten aan systeem- en agentoperaties. Technisch werk verspreidt zich ook over verschillende functies, waarbij programmeren goed is voor bijna 60% van de agentic berichten binnen ontwerp.

Er is geen eenduidig leaderboard voor AI-adoptie. Sectorranglijsten variëren afhankelijk van de gebruikte maatstaf. In de afgelopen maand liepen professionele en wetenschappelijke diensten voorop in zowel Codex-adoptie als API-intensiteit. Kunst, entertainment en recreatie liepen voorop in ChatGPT‑adoptie, terwijl de maakindustrie de hoogste ChatGPT‑intensiteit heeft, ondanks dat het op de laatste plaats staat in Codex- en API-intensiteit.

Sectoren volgen niet dezelfde route naar AI-adoptie. Sommigen boeken vooruitgang met ontwikkelaarstools en AI-aangedreven producten, terwijl anderen een breder of intensiever dagelijks gebruik zien.

Naarmate AI nieuwe manieren creëert waarop organisaties goederen en diensten kunnen leveren, verandert AI ook het beveiligingslandschap. Weinig risico's zijn directer dan cyberbeveiliging, vooral gezien de snelle ontwikkeling van de cybercapaciteiten van AI.

AI kan verdedigers ook helpen reageren. Modellen kunnen grote codebases analyseren, kwetsbaarheden onderzoeken en beveiligingswerk in meerdere stappen ondersteunen. Maar het identificeren van meer problemen maakt systemen niet automatisch veiliger. Het echte knelpunt is het omzetten van bevindingen in maatregelen: vaststellen welke kwetsbaarheden reëel zijn, prioriteit geven aan de risico’s met de grootste impact, patches testen en ervoor zorgen dat beveiligingsteams oplossingen snel beoordelen en uitrollen. 

OpenAI Daybreak brengt grensverleggende cyberbeveiligingsmodellen, zakelijke beveiligingstools en een partnerecosysteem samen om organisaties te helpen deze uitdagingen aan te gaan en hun verdediging tegen opkomende dreigingen te versterken.

Het is de missie van OpenAI om ervoor te zorgen dat AI de hele mensheid ten goede komt. Organisaties zullen voor een groot deel de economische impact van AI bepalen, en om die reden publiceren we regelmatig Enterprise Signals, een terugkerende reeks maatstaven die de AI-adoptie, -verspreiding en -impact binnen ondernemingen volgt. Alle analyses in dit rapport zijn gebaseerd op geanonimiseerde, geaggregeerde zakelijke gebruiksgegevens. We hebben geautomatiseerde systemen gebruikt om de inhoud van berichten te classificeren, en geen enkele medewerker van OpenAI heeft klantberichten beoordeeld.

OpenAI Enterprise-klanten kunnen ook een benchmark op maat aanvragen om op basis van de nieuwste maatstaven voor gebruik en mogelijkheden te zien hoe hun organisatie zich tot andere organisaties verhoudt.