Как управлять инвестициями в ИИ в эпоху агентных систем

Цель OpenAI — со временем сделать ИИ более доступным, более функциональным и более доступным по цене. От GPT‑4 до GPT‑5.4 цена за миллион токенов снизилась на 97 %. GPT‑5.6⁠ продолжает этот прогресс, демонстрируя более высокую производительность в Artificial Analysis Coding Agent Index при сокращении количества выходных токенов на 54 % и времени на задачу — на 57 %.

Однако одна лишь цена токена не показывает, создает ли ИИ ценность. Руководителям следует ориентироваться на полезную работу на доллар: выполненные задачи, сэкономленное время, более качественные решения и рабочие процессы, готовые к масштабированию.

По мере того как команды переходят от чата к более длительным рабочим процессам, администраторам требуется более четкое представление о спросе, расходах и рисках. 

Вот пять способов инвестировать с уверенностью.

Руководителям предприятий необходимо четкое представление об использовании ИИ: кто его использует, какие продукты или модели они используют, какой объем ресурсов потребляют и какие виды работы поддерживает такое использование. Без такой прозрачности растущий счёт сложно интерпретировать. Это может указывать на неэффективные затраты, продуктивные эксперименты или рабочий процесс, который начинает становиться критически важным для бизнеса.

ChatGPT Работа⁠ поддерживает более длительные многоэтапные задачи, поэтому использование может сильно различаться в зависимости от рабочего процесса. Администраторам нужно видеть, какая работа стоит за этим использованием, а не только израсходованные кредиты. Это возможно благодаря единой картине спроса в ChatGPT. Обновленная аналитика использования и инструменты контроля расходов⁠ в консоли администратора⁠(открывается в новом окне) помогает администраторам отслеживать внедрение, использование кредитов и расходы по пользователям, продуктам и моделям; отслеживать тенденции с течением времени; выявлять новые закономерности и понимать, когда использование отражает широкое внедрение, рабочий процесс опытного пользователя или повторяющийся бизнес-процесс, который может заслуживать дополнительных инвестиций.

Аналитические выводы на разных уровнях помогают принимать решения об инвестициях и мерах поддержки:

• Рабочая область: движутся ли внедрение и расходы вместе?

• Команды и пользователи: где растет спрос и кому может понадобиться дополнительная поддержка?

• Продукт и модель: где используется более дорогостоящий интеллект, и сохраняется ли этот спрос?

В совокупности эти представления помогают администраторам решать, где вкладывать ресурсы, проводить наставничество или устанавливать ограничения.

Самая низкая цена за токен не всегда обеспечивает самую низкую общую стоимость. Более дешёвая модель может давать сбои, требовать повторных попыток или создавать результат, который нужно исправлять. Более мощная модель может стоить дороже в расчёте на токен, но быстрее достичь приемлемого результата — с меньшим числом попыток и меньшим объёмом проверки.

Оценивайте модели по задачам, которые им предстоит выполнять. Используйте оценки, отражающие реальные задачи⁠, включая граничные случаи, и определите критерий «достаточно хорошо» до начала тестирования. Затем оцените совокупные затраты на достижение этого стандарта: использование модели и инструментов, количество попыток, долю успешных завершений, задержку и проверку человеком.

Для приоритетных рабочих процессов отслеживайте стоимость одного принятого результата. В службе поддержки это может быть решённое обращение. В инженерной сфере это может быть протестированное изменение, прошедшее проверку. Сопоставьте эти затраты с бизнес-ценностью, например сэкономленным временем, сокращённым временем цикла, защищённой выручкой, предотвращёнными рисками или созданной дополнительной пропускной способностью.

Выбор модели — лишь часть уравнения. Четкие инструкции, специализированные инструменты, повторно используемый контекст и явно заданные условия остановки могут сократить циклы и избыточные расходы. Цель — подобрать модель и рабочий процесс под задачу: использовать меньшие или более быстрые модели, когда они соответствуют требуемому уровню качества, и резервировать передовой искусственный интеллект для сложных, неоднозначных задач или задач с высокими ставками.

Руководителям предприятий следует рассматривать управление как операционный слой, определяющий, какие инициативы в области ИИ можно масштабировать. Практическая задача заключается в том, чтобы определить, какой контекст может использовать ChatGPT, к каким инструментам он может получать доступ, какие действия он может выполнять, кто утверждает шаги с высоким риском и как предоставляются дополнительные ресурсы, когда команды находят ценные рабочие процессы.

Это становится всё более важным по мере того, как команды внедряют плагины, коннекторы, использование компьютеров и другие передовые возможности, которые могут работать в разных корпоративных системах. ChatGPT Работа⁠ предоставляет администраторам централизованные средства управления доступом, одобренным контекстом, подключенными инструментами, разрешенными действиями, использованием и расходами. Механизмы контроля расходов, такие как настройки по умолчанию рабочей области, групповые лимиты, индивидуальные переопределения и запросы на проверку с контекстом проекта, помогают руководителям поддерживать высокозначимую работу без повсеместного повышения лимитов.

Для приоритетных развертываний инженеры по внедрению OpenAI ИИ инженеры по внедрению⁠(открывается в новом окне) могут напрямую работать с клиентами над оценками, архитектурой, задержками, надежностью и проектированием рабочих процессов, чтобы повысить как производительность, так и экономическую эффективность. Конфиденциальность и управление должны быть заложены в эту работу с самого начала: для процессов, связанных с конфиденциальными данными, до масштабирования необходимы надлежащие средства контроля доступа, подход к срокам хранения данных, прозрачность соблюдения требований и маршруты согласования. В соответствующих случаях корпоративные средства контроля конфиденциальности OpenAI, включая опции нулевого хранения данных (ZDR)⁠(открывается в новом окне), могут помочь клиентам внедрять ИИ в средах с высоким уровнем доверия.

Руководителям компаний следует управлять инвестициями в ИИ как портфелем: широкий доступ для повышения повседневной продуктивности, рабочие процессы для отдельных функций, улучшающие повторяющуюся работу, и меньшее число стратегических инициатив, основанных на собственном контексте компании. Наиболее перспективные кандидаты — это рабочие процессы, которые повторяются в значимом масштабе, имеют чётко определённых владельцев и могут быть оценены с точки зрения качества, рисков и бизнес-ценности.

Финансирование должно соответствовать стадии зрелости. Исследовательский этап должен проверять, способна ли модель справиться с задачей; валидация должна проверять репрезентативные случаи с учетом четких критериев качества; финансирование промышленной эксплуатации должно поддерживать интеграции, средства контроля, надежность и управление изменениями, необходимые для масштабирования. Общие возможности, такие как управление идентификацией, доверенные коннекторы, курируемые знания, оценки, наблюдаемость, маршрутизация моделей и переиспользуемые агентные паттерны, должны финансироваться централизованно, чтобы каждый новый рабочий процесс был проще и безопаснее запускать.

После того как рабочий процесс подтвердит свою ценность, руководителям следует привести продукт, мощности и модель поддержки в соответствие со спросом на него. ChatGPT Работа⁠ предоставляет готовые возможности для чата, программирования, агентных рабочих процессов, коннекторов, плагинов, использования компьютера и администрирования. Компании могут расширить эту основу за счет собственных данных, разрешений, оценок и логики рабочих процессов, где эти элементы создают дифференцированную ценность.

Для рабочих нагрузок в производственной среде коммерческая структура должна соответствовать моделям использования: Гарантированная емкость⁠ — для систем и агентов в производственной среде, которым необходима уверенность в доступе, Уровень производительности⁠ — для предсказуемых высокообъемных рабочих нагрузок API, а Batch API⁠(открывается в новом окне), Flex processing⁠(открывается в новом окне) или Кэширование промптов⁠ — для асинхронной работы или повторяющегося контекста.

Для более масштабных стратегических внедрений OpenAI Frontier⁠ и Deployment Company⁠(открывается в новом окне) могут помочь компаниям создавать, внедрять и управлять ИИ-сотрудниками в корпоративных системах. Такой подход позволяет руководителям масштабировать проверенные наработки с подходящим продуктом, ресурсами и моделью поддержки, вместо того чтобы заставлять каждый рабочий процесс заново выстраивать собственную инфраструктуру.