OpenAI B2B Signals

Hoje estamos apresentando o B2B Signals, uma extensão empresarial do OpenAI Signals⁠ que mede como a IA está se difundindo entre organizações. O sinal inicial é claro: empresas de fronteira estão se distanciando não apenas porque têm acesso à IA, mas porque estão usando a IA com mais profundidade no trabalho como um todo.

O B2B Signals é um conjunto recorrente de medidas baseado em uma análise em larga escala, com preservação de privacidade, do uso empresarial de IA. Acompanha os comportamentos e padrões que podem ajudar as organizações a entender como transformar inteligência em valor de negócio.

Empresas de fronteira — aquelas que operam no percentil 95 de uso de IA — usam mais inteligência por trabalhador, adotam ferramentas avançadas com mais intensidade e incorporam a IA de forma mais profunda aos fluxos de trabalho. A diferença está começando a se acumular para algumas empresas, e a diferença vem cada vez mais da profundidade de uso.

Principais conclusões

• A vantagem de fronteira está começando a se acumular: empresas de fronteira agora usam 3,5x mais inteligência por trabalhador do que empresas típicas, ante 2x há um ano. 
• Empresas de fronteira usam IA com mais profundidade, não apenas com mais frequência: o volume de mensagens explica apenas 36% da diferença entre empresas de fronteira e empresas típicas. A maior parte da vantagem de fronteira vem de um uso mais profundo. 
• Fluxos de trabalho com agentes estão se tornando um marcador da adoção de fronteira: a diferença é maior em ferramentas avançadas com agentes, com empresas de fronteira enviando 16 vezes mais mensagens do Codex do que empresas típicas. 
• Empresas podem fechar a lacuna de fronteira por meio de mudança organizacional: para alcançar esse nível, empresas precisam medir a profundidade de uso, priorizar governança, investir em capacitação, escalar o que funciona e passar da assistência baseada em chat para o trabalho delegado a agentes.

A vantagem de fronteira está começando a se acumular, e as empresas que utilizam IA de forma mais profunda estão ampliando sua liderança

A implantação de licenças é apenas o ponto de partida para as empresas. O sinal mais claro é se os funcionários estão usando IA para trabalhos mais profundos e complexos. Este gráfico compara os tokens gerados por trabalhador na fronteira, definida como o percentil 95, com a empresa típica, definida como o percentil 50.

Tokens são uma medida imperfeita de valor de negócio. Uma resposta curta pode ser muito valiosa, e uma resposta longa pode ter pouco valor. Mas o volume de tokens ajuda a medir quanto trabalho os funcionários estão pedindo que a IA faça, tornando-o um indicador útil da profundidade de uso da IA e da quantidade de inteligência que os funcionários demandam da IA.

A empresa de fronteira demanda 3,5x mais inteligência por trabalhador do que a empresa típica. Essa diferença aumentou de 2x em abril de 2025, sugerindo que as empresas que usam IA com mais profundidade estão ampliando sua liderança e estão melhor posicionadas para traduzir novas capacidades de IA em trabalhos mais profundos e complexos.

A maior parte da vantagem de fronteira vem de um uso mais profundo, não de um volume maior de mensagens

A empresa de fronteira demanda substancialmente mais inteligência por trabalhador do que a empresa típica, mas a maior parte da diferença não é explicada apenas pelo volume de mensagens. Este gráfico decompõe a vantagem de fronteira de 3,5x e mostra que, se a empresa típica enviasse mensagens na mesma taxa que a empresa de fronteira, ela fecharia apenas 36% da diferença de 3,5x.

A diferença restante está associada a um uso mais profundo. Trabalhadores na fronteira pedem que a IA assuma trabalhos mais complexos, fornecem aos modelos um contexto mais rico e geram resultados mais substanciais.

A vantagem de fronteira é maior em ferramentas avançadas e com agentes, liderada por um uso 16x maior do Codex

A vantagem de fronteira é maior em ferramentas que dão suporte a fluxos de trabalho mais avançados. O Codex mostra a maior diferença, com a fronteira enviando 16x mais mensagens por trabalhador. ChatGPT Agent, Apps in ChatGPT, Deep Research e GPTs também mostram diferenças relativamente grandes, sugerindo que a fronteira é melhor em aproveitar ferramentas que ajudam trabalhadores a programar, delegar tarefas em várias etapas, aplicar contexto da empresa e conduzir pesquisas mais complexas.

Em contraste, ferramentas mais gerais e acessíveis, como User Upload, Search e Data Analysis, mostram uma vantagem de fronteira menor. Essas ferramentas são mais fáceis para a maioria das empresas usar porque ampliam fluxos de trabalho familiares. A vantagem de fronteira é mais pronunciada em ferramentas avançadas e com agentes, em que a adoção exige mais expertise, conexões com conhecimentos e ferramentas do local de trabalho e maior conforto para delegar trabalho à IA.

A maior vantagem de fronteira está em educação e aprendizado

A vantagem de fronteira é maior em tarefas de educação e aprendizado, em que a empresa de fronteira envia 7x mais mensagens do que a empresa típica. Na fronteira, as empresas usam IA para ajudar funcionários a desenvolver habilidades e aprender novos temas. Elas também usam IA para melhorar sua compreensão da própria IA, incluindo o que ela consegue fazer, como usá-la bem e onde ela pode se encaixar nos fluxos de trabalho existentes. O tamanho da diferença sugere que a empresa típica talvez subutilize a IA como ferramenta de aprendizado e desenvolvimento da força de trabalho.

Programação também mostra uma grande diferença de 4x, consistente com a diferença mais ampla no uso de ferramentas avançadas e com agentes. Orientações práticas e escrita e comunicação apresentam as menores diferenças de fronteira, provavelmente porque essas tarefas são usos de IA mais acessíveis e familiares.

O uso de IA é mais amplo em escrita, mas o uso específico por função está crescendo

Escrita e comunicação continuam sendo o uso mais comum do ChatGPT. No entanto, os padrões de uso variam de forma significativa por função. 60% das mensagens de TI e Segurança estão concentradas em orientações práticas e procedimentais, quase metade das mensagens de Desenvolvimento de software e Ciência de dados e engenharia está relacionada a programação, e um décimo das mensagens de Finanças está relacionado a análise e cálculo.

Esses padrões são consistentes com evidências mais amplas de que modelos de fronteira estão melhorando em tarefas de trabalho economicamente valiosas. GDPval⁠, uma avaliação de trabalho de conhecimento do mundo real em 44 ocupações, mede o desempenho em tarefas que produzem entregáveis práticos, como documentos, planilhas, slides, diagramas e multimídia. À medida que a IA se torna mais capaz, o uso empresarial parece estar avançando para tarefas mais ligadas ao trabalho central de cada função.

A liderança por setor não é unidimensional: diferentes setores lideram em ChatGPT, Codex e API

Não existe um único ranking de adoção de IA. Os rankings por setor variam conforme a medida usada. Serviços profissionais, científicos e técnicos ocupam o primeiro lugar tanto em adoção do Codex quanto em intensidade de uso da API, indicando uso relativamente avançado em fluxos de trabalho de desenvolvimento e integrados a produtos. Finanças e seguros lideram em adoção do ChatGPT devido a implantações em larga escala, enquanto serviços educacionais têm a maior intensidade de mensagens, sugerindo uso mais profundo por pessoa. Comércio varejista e saúde aparecem bem colocados em intensidade de uso da API, apesar de posições mais baixas em outras medidas.

Essas diferenças sugerem que a liderança por setor não é unidimensional. Alguns setores parecem estar adotando IA por meio de fluxos de trabalho técnicos e de desenvolvimento, enquanto outros estão escalando por meio de ampla adoção do ChatGPT ou de uso mais intenso por usuários finais.

Empresas estão levando o uso da API para fluxos de trabalho em produção e aplicações voltadas a clientes

Empresas usam cada vez mais a API para integrar modelos diretamente a produtos, serviços e sistemas internos. Casos comuns de uso em produção incluem assistentes dentro de apps, ferramentas de programação e desenvolvimento, suporte ao cliente, fluxos de trabalho de pesquisa e automação de fluxos de trabalho.

Essas implantações mostram como a IA empresarial está indo além da experimentação e entrando em fluxos de trabalho repetíveis com impacto operacional mensurável. Em exemplos de clientes, empresas usam modelos da OpenAI para acelerar o trabalho de conhecimento, melhorar a produtividade da engenharia e criar experiências com IA para clientes e funcionários.

O que as organizações podem fazer para chegar à fronteira

A OpenAI trabalha com empresas de diversos setores, funções e estágios de maturidade em IA, o que nos dá visibilidade de como a adoção evolui da experimentação para a produção. Nessas implantações, as empresas que mais avançam tendem a se concentrar menos apenas no acesso e mais nos sistemas organizacionais necessários para usar IA com profundidade: medição, governança, capacitação, escala de impacto e implantação com agentes.

Cinco práticas se destacam como passos práticos que qualquer organização pode começar a tomar hoje para aprofundar a adoção de IA.

1. Meça a profundidade de uso além do acesso._x000D_
   O sinal relevante não é apenas quantos funcionários têm contas de IA, mas se as equipes estão usando IA de forma mais substantiva ao longo do tempo. As organizações devem acompanhar se o uso de IA está se tornando mais frequente, mais complexo e mais diretamente ligado a fluxos de trabalho valiosos.
2. Crie governança que viabilize o uso em produção._x000D_
   Empresas líderes não estão evitando a governança. Elas a usam para tornar a IA com agentes mais implantável. As empresas precisam de regras claras sobre onde agentes podem operar, quais informações podem usar, quando devem aconselhar em vez de agir e como humanos revisam decisões de maior risco. Empresas de fronteira estão definindo esses padrões como parte do processo de implantação, para que a governança se torne uma forma de expandir a adoção com segurança, e não de desacelerá-la.
3. Trate a capacitação como infraestrutura essencial, não como um projeto paralelo._x000D_
   À medida que as capacidades de IA melhoram, tanto trabalhadores quanto organizações precisam de sistemas que os ajudem a acompanhar o ritmo. Empresas de fronteira não tratam a capacitação como um esforço pontual de treinamento. Elas incorporam aprendizado contínuo à implantação por meio de treinamentos específicos por função, workshops de casos de uso, hackathons, redes internas de champions, tempo dedicado à experimentação e repositórios compartilhados de fluxos de trabalho, melhores práticas e habilidades. 
4. Identifique suas equipes de fronteira e escale seu impacto._x000D_
   Em muitas organizações, o uso mais avançado está concentrado em um pequeno número de equipes. Essas equipes podem revelar quais fluxos de trabalho, hábitos e modelos operacionais estão funcionando. Líderes devem identificar essas equipes, entender e escalar as condições por trás do seu sucesso e ajudá-las a compartilhar insights e exemplos de uso mais profundo da IA com o restante da empresa. 
5. Vá além do chat e delegue trabalho._x000D_
   A IA empresarial está passando de assistentes de chat para trabalhos que podem ser delegados a agentes. A engenharia de software ilustra essa tendência, mas o trabalho delegado está se espalhando por várias funções. Com o Codex, engenheiros podem repassar uma tarefa definida, dar ao agente o contexto de que ele precisa, deixá-lo trabalhar em arquivos, bases de código e ferramentas, depois revisar o resultado e refinar o fluxo de trabalho com feedback. Empresas de fronteira estão incentivando trabalhadores a delegar tarefas à IA, em vez de simplesmente usar IA como um assistente estático.

Se quiser explorar os resultados completos ou saber como levar IA para sua organização de forma responsável, [adoraríamos conversar⁠].