Zarządzanie inwestycjami w AI w erze agentów

Celem OpenAI jest z czasem czynić AI bardziej dostępną, sprawniejszą i tańszą. Od GPT‑4 do GPT‑5.4 cena za milion tokenów spadła o 97%. GPT‑5.6⁠ kontynuuje ten postęp, osiągając lepsze wyniki w Artificial Analysis Coding Agent Index przy 54% mniejszej liczbie tokenów wyjściowych i 57% krótszym czasie na zadanie.

Sama cena tokenów nie pokazuje jednak, czy AI tworzy wartość. Liderzy powinni patrzeć na użyteczną pracę za dolara: ukończone zadania, zaoszczędzony czas, lepsze decyzje i przepływy pracy gotowe do skalowania.

Gdy zespoły przechodzą od czatu do dłuższych przepływów pracy, administratorzy potrzebują lepszego wglądu w popyt, wydatki i ryzyko. 

Oto pięć sposobów na pewne inwestowanie.

Liderzy przedsiębiorstw potrzebują prostego obrazu wykorzystania AI: kto jej używa, z jakich produktów lub modeli korzysta, ile mocy zużywa i jaki rodzaj pracy wspiera to wykorzystanie. Bez takiej widoczności rosnący rachunek trudno zinterpretować. Może oznaczać marnotrawstwo, produktywne eksperymentowanie albo przepływ pracy, który zaczyna mieć krytyczne znaczenie dla firmy.

ChatGPT Work⁠ obsługuje dłuższe, wieloetapowe zadania, więc wykorzystanie może bardzo różnić się zależnie od przepływu pracy. Administratorzy muszą widzieć pracę stojącą za tym wykorzystaniem, a nie tylko zużyte środki. Umożliwia to wspólny widok popytu w ChatGPT. Zaktualizowane analizy wykorzystania i mechanizmy kontroli wydatków⁠ w Konsoli administratora⁠(otwiera nowe okno) pomagają administratorom sprawdzać adopcję, wykorzystanie środków i wydatki według użytkownika, produktu i modelu; śledzić trendy w czasie; wykrywać nowe wzorce; oraz rozumieć, kiedy wykorzystanie oznacza szeroką adopcję, przepływ pracy zaawansowanego użytkownika albo powtarzalny proces biznesowy, który może zasługiwać na większe inwestycje.

Wnioski na różnych poziomach pomagają kierować decyzjami o inwestycjach i wsparciu:

• Przestrzeń robocza: czy adopcja i wydatki rosną razem?
• Zespół i użytkownik: gdzie rośnie popyt i kto może potrzebować większego wsparcia?
• Produkt i model: gdzie używany jest droższy poziom inteligencji i czy popyt jest trwały?

Razem te widoki pomagają administratorom decydować, gdzie inwestować, szkolić lub wyznaczać limity.

Najniższa cena tokenów nie zawsze oznacza najniższy koszt całkowity. Tańszy model może zawieść, wymagać ponownej próby albo tworzyć pracę, którą trzeba poprawiać. Bardziej zaawansowany model może kosztować więcej za token, ale szybciej osiągnąć akceptowalny wynik, przy mniejszej liczbie prób i krótszym przeglądzie.

Oceniaj modele pod kątem pracy, którą mają wykonać. Korzystaj z ewaluacji odzwierciedlających rzeczywiste zadania⁠, w tym przypadki brzegowe, i przed testami zdefiniuj, co znaczy „wystarczająco dobrze”. Następnie zmierz pełny koszt osiągnięcia tego standardu: użycie modelu i narzędzi, liczbę prób, wskaźnik ukończenia, opóźnienia oraz przegląd przez człowieka.

W priorytetowych przepływach pracy śledź koszt zaakceptowanego wyniku. W obsłudze klienta może to być rozwiązana sprawa. W inżynierii może to być przetestowana zmiana, która przechodzi przegląd. Połącz ten koszt z wartością biznesową, taką jak zaoszczędzony czas, krótszy cykl, zabezpieczone przychody, uniknięte ryzyko lub uwolniona zdolność operacyjna.

Wybór modelu to tylko część równania. Jasne instrukcje, dobrze dobrane narzędzia, kontekst do ponownego użycia i wyraźne warunki zatrzymania mogą ograniczyć pętle i zbędne wydatki. Celem jest dopasowanie modelu i przepływu pracy do zadania: używaj mniejszych lub szybszych modeli, gdy spełniają próg jakości, a pionierski poziom inteligencji rezerwuj dla pracy złożonej, niejednoznacznej lub obarczonej wysoką stawką.

Liderzy przedsiębiorstw powinni traktować ład organizacyjny jako warstwę operacyjną, która decyduje, jaką pracę AI można skalować. W praktyce trzeba określić, z jakiego kontekstu może korzystać ChatGPT, do jakich narzędzi ma dostęp, jakie działania może podejmować, kto zatwierdza kroki o wyższym ryzyku i jak przyznaje się dodatkową moc, gdy zespoły znajdą wartościowe przepływy pracy.

Staje się to ważniejsze, gdy zespoły wdrażają wtyczki, konektory, korzystanie z komputera i inne pionierskie możliwości, które mogą działać w różnych systemach przedsiębiorstwa. ChatGPT Work⁠ daje administratorom scentralizowane mechanizmy kontroli dostępu, zatwierdzonego kontekstu, połączonych narzędzi, dozwolonych działań, wykorzystania i wydatków. Mechanizmy kontroli wydatków, takie jak domyślne ustawienia przestrzeni roboczej, limity grupowe, indywidualne wyjątki i wnioski o przegląd z kontekstem projektu, pomagają liderom wspierać pracę o wysokiej wartości bez szerokiego podnoszenia limitów.

W priorytetowych wdrożeniach inżynierowie OpenAI ds. wdrażania AI ⁠(otwiera nowe okno) mogą pracować bezpośrednio z klientami nad ewaluacjami, architekturą, opóźnieniami, niezawodnością i projektowaniem przepływów pracy, aby poprawiać zarówno wydajność, jak i efektywność kosztową. Prywatność i ład organizacyjny powinny być częścią tej pracy od początku: wrażliwe przepływy pracy potrzebują właściwej kontroli dostępu, zasad przechowywania danych, widoczności zgodności i ścieżek zatwierdzania, zanim zaczną być skalowane. Tam, gdzie ma to zastosowanie, firmowe mechanizmy kontroli prywatności OpenAI, w tym opcje nieprzechowywania danych⁠(otwiera nowe okno), mogą pomóc klientom wdrażać AI w środowiskach wymagających wysokiego zaufania.

Liderzy przedsiębiorstw powinni zarządzać inwestycjami w AI jak portfelem: szeroki dostęp dla codziennej produktywności, przepływy pracy specyficzne dla funkcji, które usprawniają powtarzalną pracę, oraz mniejsza liczba strategicznych zakładów opartych na własnym kontekście firmy. Najlepszymi kandydatami są przepływy pracy powtarzane na znaczącą skalę, mające jasnego właściciela i mierzalne pod względem jakości, ryzyka oraz wartości biznesowej.

Finansowanie powinno podążać za dojrzałością. Eksploracja powinna sprawdzać, czy model poradzi sobie z zadaniem; walidacja – testować reprezentatywne przypadki względem jasnego progu jakości; a finansowanie produkcyjne – wspierać integracje, kontrole, niezawodność i zarządzanie zmianą potrzebne do skalowania. Wspólne zdolności, takie jak tożsamość, zaufane konektory, wyselekcjonowana wiedza, ewaluacje, obserwowalność, kierowanie między modelami i wzorce agentów do ponownego użycia, powinny być finansowane centralnie, aby każdy nowy przepływ pracy było łatwiej i bezpieczniej uruchomić.

Gdy przepływ pracy udowodni swoją wartość, liderzy powinni dopasować produkt, moc i model wsparcia do popytu. ChatGPT Work⁠ zapewnia gotowe możliwości dla czatu, kodowania, agentowych przepływów pracy, konektorów, wtyczek, korzystania z komputera i administracji. Firmy mogą rozszerzać tę podstawę o własne dane, uprawnienia, ewaluacje i logikę przepływów pracy tam, gdzie te elementy tworzą wyróżniającą wartość.

W przypadku obciążeń produkcyjnych struktura komercyjna powinna odpowiadać wzorcom wykorzystania: Gwarantowana przepustowość⁠ dla systemów produkcyjnych i agentów wymagających pewności dostępu, oferta Skalowana⁠ dla przewidywalnych obciążeń API o dużym wolumenie oraz wsadowe API⁠(otwiera nowe okno), przetwarzanie elastyczne⁠(otwiera nowe okno) lub buforowanie poleceń⁠ dla pracy asynchronicznej albo powtarzanego kontekstu.

Przy większych wdrożeniach strategicznych OpenAI Frontier⁠ i Deployment Company⁠(otwiera nowe okno) mogą pomóc przedsiębiorstwom budować, wdrażać i zarządzać współpracownikami AI w systemach firmowych. Takie podejście pozwala liderom skalować sprawdzoną pracę z właściwym produktem, mocą i modelem wsparcia, zamiast zmuszać każdy przepływ pracy do budowania własnej infrastruktury od nowa.