Construim inteligență din abundență

Infrastructura AI nu este valoroasă pentru că este vastă. Este valoroasă prin ceea ce face posibil: o inteligență mai capabilă, disponibilă mai multor oameni, la un cost mai mic.

Așa înțeleg eu abundența. Ea este integrată atât în misiunea noastră — de a ne asigura că inteligența generală artificială aduce beneficii întregii omeniri —, cât și în motorul economic al companiei noastre.

Când costul inteligenței utile scade, mai multe activități devin rentabile. Când modelele devin mai capabile, activitățile respective creează mai multă valoare. Pe măsură ce adoptarea crește, obținem veniturile, feedbackul din lumea reală și vizibilitatea asupra cererii necesare pentru a continua să investim în următoarea generație de cercetare și infrastructură.

O inteligență mai bună stimulează adoptarea pe scară mai largă. Adoptarea mai largă susține mai multe investiții. Mai multe investiții îmbunătățesc inteligența și eficiența. Acesta este ciclul pe care îl construim.

Anunțul nostru recent privind prețurile arată cât de repede aduce acest ciclu beneficii clienților. Ieri, am redus prețul GPT‑5.6 Luna cu 80%, iar pe cel al GPT‑5.6 Terra cu 20%. Luna costă acum 0,20 $ per milion de tokenuri de intrare și 1,20 $ per milion de tokenuri de ieșire, iar Terra costă 2 $ și, respectiv, 12 $.

Pentru GPT‑5.6 Sol, modul rapid oferă o viteză de până la 2,5 ori mai mare decât procesarea standard, la un preț dublu și fără nicio modificare a inteligenței.

Acestea nu sunt simple modificări ale unei liste de prețuri. Ele extind gama activităților care devin fezabile și le oferă clienților mai multă flexibilitate pentru a echilibra inteligența, viteza, fiabilitatea și costul.

Întrebarea corectă nu este ce model se potrivește fiecărei activități. Ci câtă inteligență presupune obținerea rezultatului dorit, cât de repede este necesară și cât ar trebui să coste pentru a obține acel rezultat. Acest echilibru se poate schimba de mai multe ori în cadrul aceluiași flux de lucru.

Clienții nu cumpără tokenuri doar de dragul lor. Ei vor ca problema de asistență să fie rezolvată, software-ul să fie lansat, contractul să fie analizat sau întrebarea științifică să primească răspuns. Indicatorul corect este costul unui rezultat reușit, inclusiv timpul, încercările repetate, supravegherea și erorile necesare pentru a-l obține.

În cele din urmă, un model mai performant, care finalizează activitatea corect și eficient, poate fi mai economic decât unul mai ieftin, care necesită încercări repetate sau intervenție umană extinsă. În schimb, un model cu un cost mai mic poate extinde considerabil accesul atunci când respectă același standard de calitate. Oportunitatea constă în aplicarea nivelului maxim de inteligență utilă la prețul potrivit.

Furnizarea acestei valori presupune mai mult decât construirea unor centre suplimentare de date. Presupune ca fiecare unitate de calcul să devină mai productivă.

Activitatea noastră recentă de inginerie ilustrează cum arată acest lucru. Lucrând împreună cu echipele noastre tehnice, GPT‑5.6 Sol a contribuit la optimizarea software-ului de producție folosit pentru furnizarea modelelor noastre, reducând cu 20% costurile totale de furnizare. De asemenea, a contribuit la îmbunătățirea decodării speculative, sporind cu peste 15% eficiența generării de tokenuri.

La fel de important este faptul că eficiența nu este determinată doar de model. Contează și sistemul din jurul său. O rutare mai bună menține hardware-ul productiv. Gestionarea mai inteligentă a contextului împiedică agenții să repete activitățile. Instrumentele mai performante și un design mai bun al produselor reduc numărul de pași necesari pentru finalizarea unei activități.

Într-o analiză comparativă recentă, îmbunătățirile aduse păstrării raţionamentului și gestionării contextului au crescut scorul GPT‑5.6 Sol pentru setul public de sarcini ARC-AGI-3 de la 13,3% la 38,3%, folosind de șase ori mai puțini tokenuri de ieșire. Modelul nu s-a schimbat. Sistemul din jurul său s-a schimbat.

Aceste câștiguri se amplifică reciproc. Modelele mai capabile ne ajută echipele să descopere noi modalități de eficientizare. Aceste îmbunătățiri reduc costul deservirii clienților și extind gama activităților pe care le putem susține cu aceeași infrastructură. La rândul său, acest lucru face următoarea generație de inteligență mai accesibilă.

Avantajul de a construi la nivelul infrastructurii, modelelor, platformei și produselor nu constă doar în faptul că suntem prezenți în fiecare strat. Ci în faptul că fiecare strat le îmbunătățește pe celelalte.

Utilizarea produselor în lumea reală ne arată unde găsesc clienții valoare și unde întâmpină dificultăți. Acest feedback contribuie la orientarea cercetării noastre. Progresele din cercetare ne îmbunătățesc produsele și reduc costul furnizării lor. Cererea pentru ChatGPT, ChatGPT Work, Codex și API ne ajută să luăm decizii mai bune privind extinderea capacității.

Amploarea acestui proces de învățare contează. Modelele noastre ajung acum la peste un miliard de utilizatori activi și la peste două milioane de companii. Pe măsură ce capătă încredere în tehnologie, oamenii o folosesc mai intens. La șase luni după înscriere, oamenii trimit zilnic cu aproximativ 50% mai multe mesaje și folosesc ChatGPT pentru aproape de două ori mai multe tipuri de activități. ChatGPT Work schimbă sensul muncii bazate pe cunoaștere, trecând de la răspunsuri la întrebări la realizarea unor activități complexe, în mai mulți pași — de la „a cere” la „a face”. În cadrul OpenAI, activitatea agentivă prin Codex reprezintă acum 99,8% din tokenurile de ieșire săptămânale, iar departamentul Financiar se numără printre echipele care au făcut din instrumentele agentive o componentă esențială a modului lor de lucru.

În cadrul organizațiilor, tiparul este similar. O companie poate începe cu o singură echipă sau cu un singur flux de lucru. Pe măsură ce se îmbunătățesc calitatea și rentabilitatea, adoptarea se extinde la nivelul funcțiilor, iar AI devine parte din modul de funcționare al companiei.

Astfel se creează o buclă de feedback valoroasă între cerere, îmbunătățirea produselor, eficiență și planificarea infrastructurii. Aceasta nu presupune să deținem fiecare activ sau să construim noi înșine fiecare componentă. Putem deține, colabora cu parteneri sau cumpăra, în funcție de soluția care răspunde cel mai bine nevoilor clientului și este cea mai rentabilă. Important este să coordonăm sistemul și să învățăm din toate componentele sale.

Infrastructura AI trebuie planificată cu ani înainte de a fi necesară, în timp ce modelele, produsele și cererea clienților evoluează mult mai rapid. Acest decalaj face ca disciplina să fie esențială.

Ne fundamentăm deciziile de investiții pe dovezi: creșterea numărului de utilizatori și a volumelor de lucru, angajamentele companiilor, utilizarea API-ului, gradul de utilizare, veniturile și progresele privind capacitatea și eficiența modelelor. Obiectivele tehnice și comerciale intermediare ajută la stabilirea momentului în care proiectele avansează. Parteneriatele pe termen lung reunesc finanțarea, infrastructura și expertiza operațională necesare pentru a furniza servicii la scară largă.

Veniturile din produse, capitalul privat și parteneriatele comerciale au roluri diferite în susținerea acestei creșteri. Obiectivul nu este să construim cea mai vastă infrastructură. Ci să implementăm capacitatea potrivită, la momentul potrivit, pentru o cerere credibilă.

Pentru mine, întrebările-cheie sunt simple: cât de repede devine productivă noua capacitate? Cât de eficient este utilizată? Ce cerere din partea clienților deservește? Cât de repede poate progresul tehnic să reducă costul furnizării unei inteligențe utile?

Aceste întrebări leagă ambiția pe termen lung de disciplina operațională.

Suntem încă la început. Sistemele mai capabile vor finaliza proiecte mai îndelungate, vor coordona utilizarea mai multor instrumente și vor prelua mai mult din munca dintre idee și rezultatul final. Persoanele fizice și companiile mici vor dobândi capacități care odinioară erau disponibile doar organizațiilor mult mai mari. Companiile vor aplica inteligența pe scară mai largă în cadrul operațiunilor lor.

Obiectivul nostru nu este doar să avem mai multă putere de calcul, modele mai mari sau prețuri mai mici per token. Ci să facem inteligența utilă mai accesibilă.

Aceasta înseamnă abundență: o inteligență tot mai capabilă, mai accesibilă ca preț și mai valoroasă pentru cei care o folosesc. Ne vom măsura progresul prin volumul de muncă utilă pe care îl face posibil, prin eficiența cu care îl furnizăm și prin amploarea distribuirii beneficiilor sale.