Как управлять инвестициями в ИИ в эпоху агентов

Цель OpenAI — со временем делать ИИ доступнее, мощнее и дешевле. От GPT‑4 до GPT‑5.4 цена за миллион токенов снизилась на 97%. GPT‑5.6⁠ продолжает этот прогресс: показывает более высокую производительность в Artificial Analysis Coding Agent Index, используя на 54% меньше выходных токенов и на 57% меньше времени на задачу.

Но сама по себе цена токенов не показывает, создает ли ИИ ценность. Руководителям стоит смотреть на полезную работу на доллар: выполненные задачи, сэкономленное время, улучшенные решения и процессы, готовые к масштабированию.

По мере перехода команд от чата к более длительным рабочим процессам администраторам нужна более ясная картина спроса, расходов и рисков. 

Вот пять способов инвестировать уверенно.

Руководителям компаний нужна ясная картина использования ИИ: кто им пользуется, какие продукты или модели выбирает, сколько мощностей потребляет и какую работу это поддерживает. Без такой прозрачности растущий счет трудно понять. Он может означать перерасход, продуктивные эксперименты или процесс, который становится критически важным для бизнеса.

ChatGPT Work⁠ поддерживает длительные многоэтапные задачи, поэтому его использование может сильно различаться в зависимости от процесса. Администраторам важно видеть работу за этим использованием, а не только потраченные кредиты. Это возможно благодаря единому представлению спроса в ChatGPT. Обновленные аналитика использования и контроль расходов⁠ в Консоли администратора⁠(открывается в новом окне) помогают администраторам видеть внедрение, использование кредитов и расходы по пользователям, продуктам и моделям; отслеживать тенденции; выявлять новые паттерны; и понимать, отражает ли использование широкое внедрение, процесс опытного пользователя или регулярный бизнес-процесс, который заслуживает дополнительных инвестиций.

Срезы на разных уровнях помогают принимать решения об инвестициях и внедрении:

• Рабочая область: внедрение и расходы растут вместе?
• Команда и пользователь: где растет спрос и кому может понадобиться больше поддержки?
• Продукт и модель: где используется более дорогой искусственный интеллект и сохраняется ли этот спрос?

Вместе эти представления помогают администраторам решать, где инвестировать, обучать или вводить ограничения.

Самая низкая цена токенов не всегда дает самую низкую общую стоимость. Более дешевая модель может ошибаться, требовать повторных попыток или создавать работу, которую нужно исправлять. Более способная модель может стоить дороже за токен, но быстрее давать приемлемый результат — с меньшим числом попыток и проверок.

Оценивайте модели по работе, которую они должны выполнять. Используйте оценки, отражающие реальные задачи⁠, включая пограничные случаи, и заранее определите, что значит «достаточно хорошо». Затем измеряйте полную стоимость достижения этого стандарта: использование модели и инструментов, попытки, долю завершений, задержку и проверку человеком.

Для приоритетных процессов отслеживайте стоимость одобренного результата. В поддержке клиентов это может быть закрытое обращение. В инженерии — протестированное изменение, прошедшее ревью. Сопоставляйте эту стоимость с бизнес-ценностью: сэкономленным временем, сокращенным циклом, сохраненной выручкой, предотвращенным риском или созданной мощностью.

Выбор модели — лишь часть уравнения. Четкие инструкции, сфокусированные инструменты, переиспользуемый контекст и явные условия остановки помогают сократить циклы и лишние расходы. Цель — согласовать модель и процесс с задачей: использовать меньшие или более быстрые модели, когда они дают нужное качество, и оставлять передовой интеллект для сложной, неоднозначной или ответственной работы.

Руководство компании должно рассматривать управление как операционный фундамент, определяющий, какие процессы с применением ИИ можно масштабировать, а какие нет. На практике это означает четкое определение того, какой контекст может использовать ChatGPT, к каким инструментам у него есть доступ, какие действия он может совершать, кто утверждает шаги с высоким уровнем риска и как выделяются дополнительные мощности, когда команды находят по-настоящему ценные сценарии применения.

Это становится критически важным по мере того, как команды внедряют плагины, коннекторы, функции управления компьютером и другие передовые технологии, способные работать внутри корпоративных систем. ChatGPT Work⁠ предоставляет администраторам централизованные инструменты контроля доступа, разрешенного контекста, подключенных инструментов, доступных действий, использования и расходов. Такие элементы контроля, как настройки по умолчанию для рабочих областей, лимиты для групп, индивидуальные исключения и запросы на согласование бюджета с привязкой к контексту проекта, помогают лидерам поддерживать важные инициативы без массового и бесконтрольного повышения лимитов.

Для приоритетных внедрений специалисты OpenAI по ИИ — инженеры по внедрению⁠(открывается в новом окне) — могут напрямую работать с клиентами над оценками, архитектурой, задержкой, надежностью и дизайном процессов, чтобы повысить и производительность, и экономичность. Конфиденциальность и управление должны быть частью этой работы с самого начала: чувствительным процессам до масштабирования нужны правильные средства контроля доступа, подход к хранению данных, видимость соответствия требованиям и маршруты согласования. Где применимо, корпоративные средства контроля конфиденциальности OpenAI, включая варианты нулевое хранение данных (ZDR)⁠(открывается в новом окне), помогают клиентам внедрять ИИ в средах с высокими требованиями к доверию.

Руководителям компаний стоит управлять инвестициями в ИИ как портфелем: широкий доступ для повседневной продуктивности, процессы для отдельных функций, улучшающие повторяемую работу, и меньшее число стратегических ставок на базе собственного контекста компании. Лучшими кандидатами на крупное финансирование являются процессы, которые регулярно повторяются в масштабах всей компании, имеют четкого владельца (ответственного лица) и могут быть измерены с точки зрения качества, рисков и ценности для бизнеса.

Финансирование должно следовать за зрелостью. На этапе исследования проверяют, справляется ли модель с задачей; на этапе валидации — репрезентативные случаи по четкому порогу качества; производственное финансирование должно поддерживать интеграции, контроль, надежность и управление изменениями, необходимые для масштабирования. Общие возможности — идентификация, доверенные коннекторы, курируемые знания, оценки, наблюдаемость, маршрутизация моделей и переиспользуемые шаблоны агентов — стоит финансировать централизованно, чтобы каждый новый процесс запускался проще и безопаснее.

Когда процесс доказал свою ценность, руководителям следует соотнести продукт, мощность и модель поддержки с его спросом. ChatGPT Work⁠ предоставляет готовые возможности для чата, кода, агентных рабочих процессов, коннекторов, плагинов, функций использования компьютера и администрирования. Компании могут расширять эту основу собственными данными, разрешениями, оценками и логикой процессов там, где эти элементы создают уникальную ценность.

Для производственных нагрузок коммерческая модель должна соответствовать паттернам использования: гарантированная ёмкость⁠ для производственных систем и агентов, которым необходим бесперебойный доступ к мощностям без задержек, уровень производительности⁠ для предсказуемых высокообъемных API-нагрузок, а также пакетный API⁠(открывается в новом окне), гибкая обработка⁠(открывается в новом окне) или кэширование промптов⁠ для асинхронной работы или повторяющегося контекста.

Для крупных стратегических внедрений OpenAI Frontier⁠ и Deployment Company⁠(открывается в новом окне) помогают компаниям создавать, внедрять и управлять ИИ-коллегами в корпоративных системах. Такой подход позволяет руководителям масштабировать проверенную работу с правильным продуктом, мощностью и моделью поддержки, вместо того чтобы для каждого процесса заново строить инфраструктуру.