Signály podnikov: čo prelomové firmy robia inak

Podniková AI vstupuje do novej fázy: čoraz viac práce sa deleguje na agentov a firmy, ktoré sú v tejto oblasti najďalej, zvyšujú svoj náskok. Prelomové firmy majú prístup k rovnakým AI modelom ako ostatné, no ich využívanie prehlbujú rýchlejšie. Odlišuje ich spôsob, akým tieto modely zapájajú do práce: prechádzajú od asistencie k delegovaniu, poskytujú agentom kontext a nástroje na dokončenie zložitých úloh a urýchľujú rozšírenie agentickej AI aj mimo vývoja softvéru.

Naša štúdia v OpenAI o tom, ako agenti menia prácu, poskytuje prvotný obraz o tom, ako môže tento posun vyzerať v organizácii, pre ktorú je AI prirodzeným základom. Enterprise Signals rozširuje pohľad na globálnu základňu podnikových zákazníkov OpenAI a ukazuje, ako sa práca využívajúca agentov šíri naprieč organizáciami a čo odlišuje prelomové firmy od ostatných.

V tomto vydaní Enterprise Signals ukazujeme, že prelomové firmy – teda tie, ktoré každý mesiac patria medzi 10 % podnikov s najvyšším využívaním AI – zvyšujú svoj náskok pred typickými firmami, čiže podnikmi v prostredných 10 %. Skúmame, čo prelomové firmy robia inak a ako môžu organizácie tento rozdiel zmenšiť.

Hlavné zistenia:

• Využívanie AI vo firmách je čoraz viac založené na agentoch. V júni tvorili tokeny vygenerované Codexom 64 % súhrnných výstupných tokenov Codexu a ChatGPT medzi podnikovými zákazníkmi, čo naznačuje, že agenti umožňujú prechod k významnejšej delegovanej práci.
• Náskok prelomových firiem sa zväčšuje. Prelomové firmy – teda tie, ktoré každý mesiac patria medzi 10 % podnikov s najvyšším využívaním AI – dnes generujú 8,3-krát viac výstupných tokenov na aktívneho používateľa než typické firmy, pričom v januári to bolo 2,6-krát viac.
• Prelomové firmy využívajú pokročilé funkcie častejšie. Každý týždeň používa doplnky 21 % aktívnych používateľov v prelomových firmách oproti 9 % v typických firmách. V OpenAI používa doplnky týždenne 95 % zamestnancov, čo poukazuje na potenciál ich širšieho využívania.
• Agenti sa rozširujú naprieč profesiami založenými na znalostiach. Od februára vzrástol počet aktívnych podnikových používateľov Codexu za týždeň 108-násobne v právnej oblasti, 41-násobne v predaji, 41-násobne v nábore a 26-násobne v marketingu, kým vo vývoji 5-násobne.

Podniková umelá inteligencia sa mení z odpovedania na otázky na vykonávanie práce. Tento posun sa najprv presadil v softvérovom inžinierstve s Codexom. Teraz ChatGPT Work rozširuje agentická AI aj mimo vývojárov a umožňuje pracovníkom v celom podniku prejsť od žiadania o pomoc k delegovaniu podstatných úloh.

K júnu 2026 používanie agentickej AI (definované ako tokeny Codex) predstavovalo 64 % kombinovaných výstupných tokenov Codex a ChatGPT medzi firemnými zákazníkmi. ChatGPT aj agentická AI používajú tie isté základné prelomové modely. Rozdiel je v tom, ako sa táto inteligencia využíva v praxi.

ChatGPT pomáha ľuďom klásť otázky, rozvíjať nápady a riešiť problémy. Agentická AI (napríklad Codex a ChatGPT Work) dáva modelu nástroje na prácu s tvojím počítačom, čo mu umožňuje vyhľadávať informácie, upravovať súbory a vykonávať viackrokové úlohy autonómne alebo úlohy pod dohľadom. Dokončenie dlhodobých zložitých úloh môže vyžadovať podstatne viac výpočtového výkonu, čo pomáha vysvetliť, prečo používanie agentických tokenov rýchlo rástlo.

Každý mesiac zoraďujeme podnikových zákazníkov podľa výstupných tokenov na aktívneho používateľa. Prelomové firmy sú tie, ktoré sú v danom mesiaci v horných 10 %, zatiaľ čo bežné firmy spadajú medzi 45. a 55. percentil. K júnu prelomové firmy vygenerovali 8,3× viac výstupných tokenov na aktívneho používateľa než bežné firmy, čo je trojnásobný nárast v porovnaní s rozdielom 2,6× v januári.

Prelomový rozdiel sa rozširuje aj naprieč odvetviami, pričom najväčší rozdiel v používaní tokenov je v informáciách a technológiách (11,7×) a najmenší vo výrobe (5,3×). Naopak, používanie tokenov medzi typickými firmami je podobné naprieč odvetviami, s relatívne miernym rastom za posledný rok (1,9× až 2,8×). To naznačuje, že mnohé organizácie stále používajú jednoduché chatovacie asistenty, čo ponecháva značný priestor na hlbšie prijatie a využívanie agentov na vykonávanie zložitejšej práce.

Tokeny sú nedokonalým ukazovateľom obchodnej hodnoty: krátka odpoveď môže byť veľmi hodnotná, zatiaľ čo dlhá môže pridať len málo. Objem tokenov však slúži ako užitočný zástupný parameter hĺbky využívania umelej inteligencie a toho, koľko práce zamestnanci zadávajú umelej inteligencii.

Popredné spoločnosti prehlbujú využívanie umelej inteligencie, pretože ju uplatňujú na konkrétne problémy vo svojich organizáciách aj naprieč svojimi odvetviami.

Prvé podnikové aplikácie AI začínali interne a pomáhali zamestnancom vyhľadávať informácie, vypracovať dokumenty, analyzovať údaje, písať kód a automatizovať rutinné procesy. Popredné spoločnosti čoraz viac rozširujú využívanie umelej inteligencie nad rámec internej produktivity a zavádzajú ju do produktov, služieb a zákazníckych skúseností.

AI agenti potrebujú prístup k správnemu kontextu a nástrojom, aby boli efektívni. Pluginy⁠(otvorí sa v novom okne) združujú funkcie, ktoré agentom pomáhajú dokončiť konkrétne pracovné postupy. Môžu kombinovať zručnosti, ktoré poskytujú opakovane použiteľné pokyny, s aplikáciami, ktoré sa pripájajú k firemným údajom, nástrojom a akciám. Napríklad plugin pre predaj môže kombinovať tímový playbook s prístupom k jeho CRM, čo agentovi umožňuje používať aktuálne informácie o zákazníkoch a minulé návrhy na prípravu prispôsobenej odpovede na kontrolu.

Prelomové firmy majú jasný náskok v pokročilých schopnostiach. Medzi týždenne aktívnymi používateľmi využíva 21 % v prelomových firmách doplnky a 19 % využíva zručnosti, v porovnaní s iba 9 % a 3 % v typických firmách. Prijatie prelomových firiem však predstavuje len zlomok toho, čo je možné. Interné používanie v OpenAI poukazuje na potenciál hlbšieho využívania týchto schopností, pričom týždenné používanie doplnkov dosahuje 95 % aktívnych používateľov. Náš výskum o tom, ako agenti menia prácu, poskytuje bližší pohľad na to, ako zamestnanci v OpenAI používajú pokročilé schopnosti.

AI agenti potrebujú na vykonávanie zmysluplnej práce tri veci: kontext, nástroje a vytrvalosť. Pamäť, hlasový vstup a appshots pomáhajú pracovníkom jednoducho zdieľať kontext a informácie potrebné na úspešné dokončenie úlohy. Používanie počítača a prehliadača umožňuje agentom prehliadať webové stránky, vytvárať súbory a plniť úlohy samostatne alebo pod dohľadom. Ciele a slučky zabezpečujú, že agenti pracujú, kým sa úloha nedokončí. Tieto schopnosti spoločne pomáhajú prelomovým firmám využiť potenciál agentov.

Poskytnutie prístupu agentom k firemným systémom zároveň prináša nové riziká. Prelomové firmy stanovujú jasné pravidlá určujúce, kde môžu agenti pôsobiť, k akým informáciám môžu pristupovať, kedy môžu vykonávať akcie a ako ľudia kontrolujú rozhodnutia s vyšším rizikom. Tieto kontrolné mechanizmy sa musia vyvíjať tak, ako sa organizácie učia z reálnych nasadení.

Prelomové firmy tiež robia z neustáleho vzdelávania a experimentovania súčasť každodennej práce. Praktické workshopy pre tvorcov, fóra na zdieľanie nových prípadov použitia a interné prezentácie pomáhajú šíriť úspešné postupy naprieč tímami a funkčnými oblasťami.

Vývojári softvéru patrili medzi prvých, ktorí si osvojili agentov umelej inteligencie, no najrýchlejší rast teraz prichádza od bežných znalostných pracovníkov. Od februára počet týždenne aktívnych podnikových používateľov Codexu vzrástol 108× v právnej oblasti, 41× v predaji, 41× v nábore a 26× v marketingu v porovnaní s 5× medzi inžiniermi. 

Softvér sa nepresunul ako prvý náhodou. Kódové základne poskytujú agentom jasný kontext, testy uľahčujú overovanie výstupov a pokrok v programovaní pomáha urýchľovať výskum a vývoj umelej inteligencie. Za posledné dva roky vývojári prešli od používania AI na dopĺňanie jednotlivých riadkov kódu k tomu, aby agenti riešili celé úlohy vývoja softvéru. Mnohí vývojári už nepíšu kód ručne, ale namiesto toho svoj čas venujú nastavovaniu úloh, orchestrácii agentov a kontrole výsledkov.

Naproti tomu bol pokrok vo všeobecnej znalostnej práci pomalší, pretože mnohé úlohy majú len obmedzený kontext, možno ich ťažko presne špecifikovať a chýbajú im jasné kritériá na overenie výsledku. Pokračujúce škálovanie, pokroky v učení posilňovaním a cielené úsilie o zlepšenie výkonnosti pri hodnoteniach, ako je GDPval, však približujú viac úloh, nástrojov a pracovných prostredí z reálneho sveta k dosahu prelomových modelov. V dôsledku toho si agentská AI od začiatku roka čoraz viac nachádza zhody medzi produktom a trhom (product-market fit) medzi všeobecnými znalostnými pracovníkmi.

Na vzorke viac ako 10 miliónov správ sa podniková AI posúva od pomoci zamestnancom pri vytváraní pracovných výstupov k pomoci tímom pri ich realizácii. Aj v rámci tej istej funkcie sa vzorce používania výrazne líšia medzi četom a agentickou AI.

Písanie zostáva najčastejším využitím ChatGPT, zatiaľ čo programovanie a systémové alebo agent operácie spolu tvoria takmer 75 % agentských správ. Tento posun je obzvlášť výrazný mimo tradičných technických tímov: nábor (32 %), predaj (26 %), pravidlá (25 %) a komunikácia (24 %) venujú systémovým a agentným operáciám medzi štvrtinou a tretinou správ. Technická práca sa tiež rozširuje naprieč funkčnými oblasťami, pričom kódovanie tvorí takmer 60 % agentských správ v dizajne.

Neexistuje jeden univerzálny rebríček zavádzania umelej inteligencie. Umiestnenie odvetví sa líši v závislosti od použitého ukazovateľa. Za posledný mesiac viedli v zavádzaní Codexu aj v intenzite API odborné a vedecké služby. Umenie, zábava a rekreácia viedli v zavádzaní ChatGPT, zatiaľ čo výroba má vysokú intenzitu ChatGPT napriek tomu, že sa umiestňuje na poslednom mieste v intenzite Codexu a API.

Odvetvia nejdú rovnakou cestou k zavádzaniu umelej inteligencie. Niektoré napredujú prostredníctvom vývojárskych nástrojov a produktov využívajúcich umelú inteligenciu, zatiaľ čo iné používajú umelú inteligenciu bežne a intenzívnejšie.

Keďže AI vytvára nové spôsoby, ako môžu organizácie dodávať tovary a poskytovať služby, zároveň pretvára aj bezpečnostné prostredie. Málo rizík je bezprostrednejších než kybernetická bezpečnosť, najmä vzhľadom na rýchle tempo rozvoja kybernetických schopností umelej inteligencie.

Umelá inteligencia môže tiež pomôcť obrancom reagovať. Modely dokážu analyzovať rozsiahle kódové bázy, skúmať zraniteľnosti a podporovať viacstupňovú bezpečnostnú prácu. Identifikácia väčšieho počtu problémov však automaticky neznamená, že systémy budú bezpečnejšie. Skutočným úzkym miestom je premena zistení na konkrétne kroky: určenie, ktoré zraniteľnosti sú skutočné, stanovenie priorít pre najzávažnejšie riziká, testovanie záplat a zabezpečenie toho, aby bezpečnostné tímy rýchlo kontrolovali a nasadzovali opravy. 

OpenAI Daybreak spája prelomové modely kybernetickej bezpečnosti, podnikové bezpečnostné nástroje a partnerský ekosystém, aby organizácie mohli čeliť týmto výzvam a posilnili svoju obranu proti vznikajúcim hrozbám.

Poslaním OpenAI je zabezpečiť, aby umelá inteligencia prospievala celému ľudstvu. Organizácie budú formovať veľkú časť ekonomického vplyvu AI, a práve preto pravidelne publikujeme Enterprise Signals – opakujúci sa súbor metrík sledujúcich zavádzanie, šírenie a vplyv AI v podnikoch. Všetky analýzy v tejto správe vychádzajú z agregovaných deidentifikovaných údajov o používaní v rámci podnikov. Použili sme automatizované systémy na klasifikáciu obsahu správ a žiadny zamestnanec OpenAI neprezeral správy zákazníkov.

Zákazníci OpenAI Enterprise si môžu tiež požiadať o prispôsobený benchmark, aby zistili, ako si ich organizácia stojí v rámci najnovších ukazovateľov používania a schopností.