Signali podjetij: Kaj prelomna podjetja počnejo drugače

Umetna inteligenca v podjetjih vstopa v novo fazo: vse več dela se prenaša na agente, podjetja, ki so v tem najdlje, pa si povečujejo prednost. Prelomna podjetja imajo dostop do istih modelov UI kot druga podjetja, vendar njihovo uporabo poglabljajo hitreje. Kar jih ločuje, je to, kako te modele uporabljajo pri delu: prehajajo od pomoči k delegiranju, agentom dajejo kontekst in orodja za dokončanje kompleksnih nalog ter pospešujejo agentsko umetno inteligenco tudi zunaj razvoja programske opreme.

Naša raziskava pri OpenAI o tem, kako agenti preoblikujejo delonudi vodilni pokazatelj, kako je ta premik videti znotraj organizacije, zasnovane na umetni inteligenci. Enterprise Signals razširja pogled na globalno bazo poslovnih strank OpenAI in prikazuje, kako se agentsko delo širi po organizacijah ter kaj ločuje prelomna podjetja od ostalih.

V tej izdaji poročila Enterprise Signals prikazujemo, da prelomna podjetja—tista v zgornjih 10 % po uporabi umetne inteligence vsak mesec–povečujejo razkorak v primerjavi s tipičnimi podjetji–tistimi v srednjih 10 %. Preučujemo, kaj prelomna podjetja počnejo drugače in kaj lahko organizacije storijo, da zmanjšajo ta razkorak.

Ključne ugotovitve:

• Podjetniška uporaba postaja vse bolj avtonomna. Junija je Codex med poslovnimi strankami ustvaril 64 % skupnih izhodnih žetonov v Codexu in ChatGPT, kar nakazuje, da agenti omogočajo prehod k bolj vsebinskemu, delegiranemu delu.
• Prelomni razkorak se povečuje. Prelomna podjetja — tista v zgornjih 10 % mesečne uporabe UI — zdaj ustvarijo 8,3-krat več izhodnih žetonov na aktivnega uporabnika kot tipična podjetja, januarja je bilo to razmerje 2,6-kratno.
• Prelomna podjetja pogosteje uporabljajo napredne zmogljivosti. Vsak teden 21 % aktivnih uporabnikov v prelomnih podjetjih uporablja dodatke, v primerjavi z 9 % v tipičnih podjetjih. V OpenAI 95 % zaposlenih uporablja dodatke vsak teden, kar poudarja potencial za bolj poglobljeno uvajanje.
• Agenti se širijo v delo z znanjem. Od februarja se je število tedensko aktivnih poslovnih uporabnikov Codexa povečalo za 108× v pravnem sektorju, 41× v prodaji, 41× pri zaposlovanju in 26× v trženju v primerjavi s 5× v inženiringu.
• Zaposleni na začetku kariere več uporabljajo UI: Uporaba je največja med zaposlenimi na začetku kariere in upada med bolj izkušenimi zaposlenimi, kar nakazuje potencialno primerjalno prednost pri uporabi UI.

Umetna inteligenca v podjetjih se premika od odgovarjanja na vprašanja k opravljanju dela. Premik se je najprej uveljavil v programskem inženirstvu z orodjem Codex. Zdaj ChatGPT Work širi agentsko umetno inteligenco tudi onkraj razvijalcev ter zaposlenim po celotnem podjetju omogoča prehod od tega, da zaprosi za pomoč da delegiranja vsebinskih nalog.

Junija 2026 je uporaba agentske umetne inteligence (opredeljena kot žetoni Codex) predstavljala 64 % skupnih izhodnih žetonov Codex in ChatGPT med poslovnimi strankami. Tako ChatGPT kot agentska umetna inteligenca uporabljata iste osnovne prelomne modele; razlika je v tem, kako se ta inteligenca uporablja.

ChatGPT ljudem pomaga postavljati vprašanja, razvijati ideje in reševati težave. Agentska umetna inteligenca (kot sta Codex in ChatGPT Work) modelu daje orodja za delo z vašim računalnikom, kar mu omogoča, da najde informacije, ureja datoteke in samostojno ali pod nadzorom izvaja večstopenjske naloge. Dokončanje kompleksnih, dolgotrajnih nalog lahko zahteva bistveno več računske obdelave, kar pomaga pojasniti, zakaj je uporaba agentskih žetonov hitro narasla.

Vsak mesec poslovne stranke razvrstimo po številu izhodnih žetonov na aktivnega uporabnika. Prelomna podjetja so tista v zgornjih 10 % v tem mesecu, medtem ko tipična podjetja spadajo med 45. in 55. percentil. Junija so prelomna podjetja ustvarila 8,3× toliko izhodnih žetonov na aktivnega uporabnika kot tipična podjetja, kar je trikratno povečanje v primerjavi z razkorakom 2,6× januarja.

Prelomna vrzel se razteza tudi med panogami, pri čemer je največja vrzel v uporabi žetonov v informacijski in tehnološki panogi (11,7 ×) in najmanjša v proizvodnji (5,3 ×). Nasprotno pa je uporaba žetonov med tipičnimi podjetji med panogami podobna, z razmeroma skromno rastjo v zadnjem letu (1,9 × do 2,8 ×). To nakazuje, da številne organizacije še vedno uporabljajo preproste klepetalne pomočnike, kar omogoča znatno poglobitev uporabe in uporabo agentov za opravljanje zahtevnejšega dela.

Žetoni so nepopolno merilo poslovne vrednosti: kratek odgovor je lahko zelo dragocen, medtem ko dolg lahko doda le malo. Toda obseg žetonov je uporaben približek za globino uporabe UI in količino dela, ki ga zaposleni nalagajo UI.

Vodilna podjetja poglabljajo uporabo umetne inteligence, ker jo uporabljajo za reševanje konkretnih problemov znotraj svojih organizacij in v celotnih panogah.

Zgodnje aplikacije umetne inteligence v podjetjih so se najprej začele uporabljati interno, saj so zaposlenim pomagale pri iskanju informacij, pripravi osnutkov dokumentov, analizi podatkov, pisanju kode in avtomatizaciji rutinskih procesov. Vodilna podjetja vse pogosteje širijo uporabo umetne inteligence onkraj notranje produktivnosti ter jo vključujejo v izdelke, storitve in izkušnje, namenjene strankam.

Agenti umetne inteligence zato, da so učinkoviti, potrebujejo dostop do ustreznega konteksta in orodij. Dodatki⁠(odpre se v novem oknu) združujejo zmogljivosti, ki agentom pomagajo dokončati specifične poteke dela. Združujejo lahko veščine, ki zagotavljajo navodila za večkratno uporabo, z aplikacijami, ki se povezujejo s podatki podjetja, orodji in dejanji. Na primer, prodajni dodatek lahko združi ekipni priročnik z dostopom do CRM ekipe, kar agentu omogoča uporabo trenutnih informacij o strankah in preteklih predlogov za pripravo prilagojenega odgovora za pregled.

Prelomna podjetja imajo jasno prednost pri naprednih zmogljivostih. Med tedensko aktivnimi uporabniki jih 21 % v prelomnih podjetjih uporablja dodatke, 19 % pa spretnosti, v primerjavi z le 9 % in 3 % v tipičnih podjetjih. Vendar uvajanje v prelomnih podjetjih predstavlja le delček tega, kar je mogoče. Interna uporaba v OpenAI poudarja potencial za bolj poglobljeno uporabo teh zmogljivosti, pri čemer tedenska uporaba dodatkov doseže 95 % aktivnih uporabnikov. Naša raziskava o tem, kako agenti preoblikujejo delo ponuja podrobnejši vpogled v to, kako zaposleni v OpenAI uporabljajo napredne zmogljivosti.

Agenti umetne inteligence za opravljanje smiselnega dela potrebujejo tri stvari: kontekst, orodja in vztrajnost. Spomin, glasovni vnos in appshots delavcem pomagajo enostavno deliti kontekst in informacije, potrebne za uspešno dokončanje naloge. Uporaba računalnika in brskalnika agentom omogoča, da krmarijo po spletnih mestih, ustvarjajo datoteke in naloge dokončajo samostojno ali pod nadzorom. Cilji in zanke poskrbijo, da agenti delajo, dokler naloga ni zaključena. Te zmožnosti skupaj pomagajo prelomnim podjetjem uresničiti potencial agentov.

Omogočanje dostopa agentom do sistemov podjetja prinaša tudi nova tveganja. Prelomna podjetja določijo jasna pravila o tem, kje lahko agenti delujejo, do katerih informacij lahko dostopajo, kdaj lahko izvajajo dejanja in kako ljudje pregledujejo odločitve z višjim tveganjem. Ti nadzorni mehanizmi se morajo razvijati, ko se organizacije učijo iz dejanskih uvedb.

Prelomna podjetja vključujejo nenehno učenje in eksperimentiranje kot del vsakdanjega dela. Praktične delavnice za ustvarjanje rešitev, forumi za izmenjavo nastajajočih primerov uporabe in interne predstavitve pomagajo širiti uspešne prakse med ekipami in poslovnimi funkcijami.

Razvijalci programske opreme so bili med prvimi, ki so sprejeli agente AI, najhitrejša rast pa zdaj prihaja iz vrst splošnih strokovnjakov. Od februarja se je število tedensko dejavnih poslovnih uporabnikov Codexa povečalo za 108 × v pravni službi, 41 × v prodaji, 41 × pri zaposlovanju in 26 × v trženju, v primerjavi s 5 × med inženirji. 

Programska oprema se je prva preselila z razlogom. Kodne baze agentom zagotavljajo jasen kontekst, testi olajšajo preverjanje izhodov, napredek pri programiranju pa pomaga pospešiti raziskave in razvoj umetne inteligence. V zadnjih dveh letih so razvijalci prešli od uporabe umetne inteligence za dokončanje posameznih vrstic kode k temu, da agenti opravljajo celotne naloge razvoja programske opreme. Mnogi razvijalci kode ne pišejo več ročno, temveč svoj čas namenjajo nastavljanju nalog, orkestriranju agentov in pregledovanju rezultatov.

Nasprotno pa je bil napredek pri splošnem delu z znanjem počasnejši, ker številne naloge ponujajo le omejen kontekst, jih je lahko težko natančno opredeliti in nimajo jasnih meril za preverjanje rezultata. Toda nadaljnje povečevanje obsega napredek pri okrepljenem učenju in ciljno usmerjena prizadevanja za izboljšanje uspešnosti pri evalvacijah, kot je GDPval, približujejo več dejanskih nalog, orodij in delovnih okolij vodilnim modelom. Zato je agentska umetna inteligenca od začetka leta vse bolj našla usklajenost izdelka s trgom pri splošnih delavcih z znanjem.

Na vzorcu več kot 10 milijonov sporočil se umetna inteligenca v podjetjih premika od pomoči zaposlenim pri ustvarjanju delovnih rezultatov k pomoči ekipam pri izvedbi dela. Tudi znotraj iste funkcije se vzorci uporabe med klepetom in agentsko umetno inteligenco bistveno razlikujejo.

Pisanje ostaja najpogostejša uporaba ChatGPT‑ja, medtem ko kodiranje ter sistemske ali agentske operacije skupaj predstavljajo skoraj 75 % agentskih sporočil. Ta premik je še posebej izrazit izven tradicionalnih tehničnih ekip: kadrovanje (32 %), prodaja (26 %), politika (25 %) in komuniciranje (24 %) med četrtino in tretjino sporočil namenjajo sistemskim in agentskim operacijam. Tehnično delo se širi tudi med funkcijami, pri čemer kodiranje predstavlja skoraj 60 % agentskih sporočil na področju oblikovanja.

Enotne lestvice uspešnosti pri uvajanju umetne inteligence ni. Razvrstitve panog se razlikujejo glede na uporabljeno merilo. V preteklem mesecu so strokovne in znanstvene službe vodile tako pri uporabi Codexa kot pri intenzivnosti API-ja. Umetnost, zabava in rekreacija so bile pri uvajanju ChatGPT‑ja vodilne, medtem ko ima proizvodnja najvišjo intenzivnost ChatGPT‑ja, čeprav je pri uporabi Codexa in intenzivnosti API-ja na zadnjem mestu.

Industrije pri uvajanju umetne inteligence ne sledijo isti poti. Nekateri napredujejo s pomočjo orodij za razvijalce izdelkov, podprtih z umetno inteligenco, medtem ko drugi beležijo širšo ali intenzivnejšo vsakodnevno uporabo.

Medtem ko umetna inteligenca organizacijam odpira nove načine zagotavljanja blaga in storitev, hkrati preoblikuje tudi varnostno okolje. Le malo tveganj je bolj perečih od tistih na področju kibernetske varnosti, zlasti ob hitrem razvoju kibernetskih zmogljivosti umetne inteligence.

Umetna inteligenca lahko pomaga tudi branilcem pri odzivanju. Modeli lahko analizirajo obsežno izvorno kodo, preiskujejo ranljivosti in podpirajo večstopenjsko varnostno delo. Vendar prepoznavanje več težav v sistemih še ne naredi sistemov samodejno varnejših. Resnično ozko grlo je pretvarjanje ugotovitev v ukrepanje: ugotavljanje, katere ranljivosti so dejanske, prioritiziranje tveganj z največjimi posledicami, preizkušanje popravkov ter zagotavljanje, da varnostne ekipe hitro pregledajo in uvedejo popravke. 

OpenAI Daybreak združuje prelomne modele za kibernetsko varnost, varnostna orodja za poslovna okolja in partnerski ekosistem, da organizacijam pomaga pri spopadanju s temi izzivi ter krepitvi njihove obrambe pred nastajajočimi grožnjami.

Poslanstvo OpenAI je zagotoviti, da umetna inteligenca koristi vsemu človeštvu. Organizacije bodo oblikovale velik del gospodarskega vpliva umetne inteligence, zato redno objavljamo Enterprise Signals, ponavljajoči se sklop kazalnikov, ki spremljajo sprejemanje, širjenje in vpliv umetne inteligence v podjetjih. Vse analize v tem poročilu temeljijo na agregiranih, psevdonimiziranih podatkih o uporabi v podjetjih. Vsebino sporočil smo razvrstili z avtomatiziranimi sistemi in noben zaposleni pri OpenAI ni pregledoval sporočil strank.

Stranke OpenAI Enterprise lahko tudi zahtevajo prilagojeno primerjalno analizo, da vidijo, kako se njihova organizacija primerja glede na najnovejša merila uporabe in zmogljivosti.