Një kartë vlerësimi për epokën e IA-së

Pyetja që dëgjoj kudo nga drejtorët e financës është e thjeshtë: si të marrim më shumë vlerë nga shpenzimet tona për IA-në?

Për vite me radhë, tregu e ka matur suksesin e softuerit përmes adoptimit: vendet e blera, përdoruesit aktivë, licencat e rinovuara. Të kuptosh vlerën e IA-së kërkon një matje më të fuqishme: punën e realizuar.

Pyetja bazë ekonomike për drejtorët e financës dhe drejtuesit e tjerë të biznesit është nëse vlera e punës që realizon IA-ja rritet më shpejt se kostoja e prodhimit.

Për t’iu përgjigjur kësaj pyetjeje duhet parë më thellë se thjesht një metrikë si kostoja për token. Një model me kosto më të ulët mund të ketë tokenë më të lirë, por arritja e rezultateve të shkëlqyera mund të kërkojë më shumë përpjekje, më shumë kohë ose më shumë rishikime njerëzore. Një model më i aftë mund të ketë tokenë më të shtrenjtë, por mund ta përfundojë të njëjtën detyrë me një kalim. Ajo që ka rëndësi është kostoja totale e prodhimit të një rezultati të suksesshëm, krahasuar me vlerën që krijon ai rezultat.

Karta përfundimtare e vlerësimit për epokën e IA-së mund të shihet si "Inteligjencë e dobishme për njësi kostoje". Kjo metrikë u përgjigjet katër pyetjeve kryesore:

1. A po kryen IA-ja punë që kanë rëndësi?
2. Sa kushton çdo detyrë e suksesshme?
3. A mund të mbështeten njerëzit te rezultati?
4. A prodhon çdo njësi kostoje në IA më shumë vlerë ndërkohë që përdorimi rritet?

Fillo me vetë punën.

Për sa probleme të klientëve ka ndihmuar IA-ja në zgjidhjen e tyre? Për sa ndryshime në kod ndihmoi për realizimin e tyre? Sa kontrata rishikoi? Sa kohë u kurseu njerëzve? Sa vendime u përmirësuan sepse konteksti i duhur ishte i disponueshëm në momentin e duhur?

Tokenët krijojnë vlerë kur shndërrohen në punë që njerëzit mund ta përdorin. Ndërsa modelet bëhen më të afta, ato mund të marrin përsipër detyra më të gjata dhe më komplekse: të ruajnë kontekstin, të bëjnë arsyetime me shumë hapa, të punojnë mes mjeteve të ndryshme dhe të përshtaten gjatë rrugës.

Vendi më i mirë për të filluar është një rrjedhë pune. Përcaktoni çfarë do të thotë "e kryer" dhe mateni atë rezultat në sistemin ku realizohet puna.

Për një ekip të mbështetjes, "e kryer" mund të nënkuptojë një problem i zgjidhur i klientit. Për një ekip të inxhinierisë, mund të nënkuptojë një ndryshim kodi që i kalon testet. Për një ekip ligjor, mund të nënkuptojë një kontratë të rishikuar me saktësi dhe në kohë.

Merr si shembull një ekip të financës që përgatitet për një rishikim të parashikimeve. Pjesa më e madhe e punës ndodh para se të merret vendimi përfundimtar: gjetja e parashikimit më të fundit, zhvendosja e të dhënave në Excel ose Sheets, identifikimi i ndryshimeve, rakordimi i skedave, rindërtimi i prezantimeve dhe kontrolli që gjithçka të përputhet me saktësi.

ChatGPT Work mund të marrë përsipër një pjesë të madhe të këtij procesi, duke i dhënë ekipit më shumë kohë të fokusohet te pyetjet që kanë rëndësi: Çfarë ndryshoi? Pse? Çfarë duhet të bëjmë më pas?

Kjo është inteligjenca e dobishme për njësi kostoje në praktikë. Kryhet më shumë punë, më shpejt, ndërsa njerëzit kalojnë më shumë kohë duke zbatuar gjykimin, krijimtarinë dhe ekspertizën e tyre.

Pyetja tjetër është sa kushton ta përfundosh mirë atë punë.

Detyrat e IA-së ndryshojnë shumë. Një përgjigje e shpejtë mund të kërkojë pak kapacitet llogaritës. Një rrjedhë pune në kodim, kërkim ose financë mund të përfshijë arsyetim më të thellë, përdorimin e mjeteve dhe shumë veprime. Këto detyra më komplekse mund të kërkojnë më shumë kapacitet llogaritës, por mund të krijojnë shumë më tepër vlerë.

Në nivel modeli, kostoja për detyrë të suksesshme varet nga çmimi, sasia e kapacitetit llogaritës të përdorur dhe gjasat për të arritur rezultatin e duhur. Për një biznes, kostoja e plotë përfshin edhe kohën e punonjësve, rishikimin njerëzor, ripërpjekjet dhe ripërpunimin.

Llogaritja është e drejtpërdrejtë:

• Shto koston e plotë për përfundimin e punës.
• Numëro detyrat që kanë përmbushur pragun e kërkuar të cilësisë.
• Pjesëto koston e plotë me numrin e detyrave të suksesshme.

Kjo është arsyeja pse çmimi më i ulët për token nuk sjell gjithmonë koston më të ulët për rezultat. Një model avangardë mund të japë vlerën më të mirë edhe për një kërkesë rutinë, nëse jep përgjigjen e duhur me një kalim, duke ulur ripërpjekjet, vonesën, rishikimin dhe kapacitetin total llogaritës.

Një familje modelesh me nivele u jep klientëve më shumë mënyra për ta optimizuar këtë ekuacion. GPT‑5.6, që e publikuam javën e kaluar, ka tre nivele: Sol është modeli ynë kryesor; Terra balancon performancën dhe koston; Luna është modeli ynë më i shpejtë dhe me kosto më të përballueshme.

Këto nivele ofrojnë pika të dobishme fillimi. Ekonomia e detyrës së plotë duhet të përcaktojë në fund modelin e duhur. Një klient mund të përdorë Luna për një rrjedhë pune të shpejtë dhe me volum të lartë, Terra për punë që kërkon më shumë thellësi, ose Sol kur arsyetimi më i fortë jep rezultatin më të mirë me më pak përpjekje.

Ne e trajnuam GPT‑5.6 për të marrë më shumë punë të dobishme nga çdo token. Në Artificial Analysis Coding Agent Index, GPT‑5.6 Sol me arsyetim maksimal vendosi një standard të ri më të lartë, duke përdorur 54% më pak tokenë daljeje se një model tjetër kryesor. Grafiku më poshtë ilustron krahasimin.

Në të gjithë familjen e GPT‑5.6, objektivi është i njëjtë: më shumë punë e suksesshme për njësi kostoje. Efikasiteti më i madh i bën detyrat ekzistuese me kosto më të përballueshme. Aftësia më e madhe bën të mundura lloje krejtësisht të reja pune.

Çdo gjeneratë e re modelesh duhet të përmirësojë të dyja anët e këtij ekuacioni. Klientët duhet të jenë në gjendje të kryejnë punë më të vlefshme, ndërkohë që kostoja e përfundimit të çdo detyre vazhdon të bjerë.

Njësia e tretë matëse është besueshmëria.

Adoptimi i IA-së ka prirjen të thellohet me faza. Së pari, IA-ja ndihmon në hartimin e drafteve. Më pas ajo gjen kontekstin dhe arsyeton mes mjeteve dhe të dhënave. Me kalimin e kohës, ajo fillon të ndërmarrë veprime, të trajtojë përjashtimet dhe të përfundojë rrjedhat e punës, ndërsa njerëzit ofrojnë gjykimin dhe kontrollin e tyre kur ka nevojë.

Çdo hap krijon më shumë vlerë dhe kërkon më shumë nga sistemi.

Besueshmëria ka vlerë të drejtpërdrejtë ekonomike. Kur rezultatet janë të sakta, me burime të qarta, të qëndrueshme dhe përshkallëzohen siç duhet, njerëzit shpenzojnë më pak kohë duke rishikuar, korrigjuar dhe përsëritur punën. Detyrat e suksesshme kushtojnë më pak dhe organizatat fitojnë besimin për ta përdorur IA-në në rrjedha më të rëndësishme pune.

Ekipet mund ta bëjnë këtë konkrete duke ndjekur tre rezultate:

• Gati për përdorim: Rezultati e përmbushi pragun e cilësisë siç u dorëzua.
• Ka nevojë për korrigjim: Rezultati kërkoi një përpjekje tjetër ose modifikime nga njerëzit.
• Ka nevojë për përshkallëzim: Një person duhej të ndërhynte dhe ta përfundonte punën.

Këta tregues matës tregojnë një histori më të pasur se vetëm saktësia e modelit. Ata tregojnë nëse IA-ja po e ul vërtet punën që duhet për të përfunduar projektin.

Besueshmëria kërkon po ashtu kufij të qartë. Para se IA-ja të kalojë nga hartimi te kryerja e veprimeve, organizatat duhet të përcaktojnë:

• Në cilat të dhëna mund të ketë akses sistemi.
• Cilat sisteme mund të përdorë ose të ndryshojë.
• Kur duhet që një person të rishikojë ose të miratojë një veprim.

Siguria, mbrojtja, privatësia dhe kontrolli krijojnë themelin për përdorim më të thellë. Njerëzit duhet të kuptojnë se si sillet sistemi, si trajtohen të dhënat e tyre dhe si menaxhohen veprimet e saj.

ChatGPT Work mbështet në themelet e sigurisë, privatësisë, përputhshmërisë dhe menaxhimit të hapësirës së punës të ChatGPT Enterprise. Kjo u lejon organizatave t’i japin IA-së më shumë kontekst dhe akses në rrjedha më të vlefshme pune, duke siguruar mbikëqyrjen e duhur.

Aftësia sjell përdorimin e parë. Besueshmëria e bën IA-në pjesë të mënyrës si realizohet puna.

Pyetja përfundimtare është nëse ekonomia përmirësohet në shkallë më të madhe.

Kompanitë mund ta matin këtë duke ndjekur të njëjtën rrjedhë pune me kalimin e kohës. Ndiq sa detyra arritën pragun e cilësisë, koston totale të përfundimit të tyre dhe koston për detyrë të suksesshme. Nëse puna e përfunduar rritet më shpejt se kostoja totale, ndërkohë që ruhet ose përmirësohet cilësia, çdo njësi kostoje e IA-së prodhon më shumë vlerë.

Kapaciteti llogaritës qëndron në qendër të këtij ekuacioni.

Kapaciteti llogaritës fuqizon kërkimin dhe çdo detyrë që përfundon IA-në. Ai i jep formën cilësisë së produktit, shpejtësisë, besueshmërisë, disponueshmërisë dhe kostos. Kapaciteti llogaritës për trajnimin ndërton aftësitë e të ardhshmes. Kapaciteti llogaritës për inferencën siguron punën e dobishme sot. Të dyja duhet të përkthehen në rezultate më të mira për klientët.

Modele më të mira, inferencë më efikase, harduer i ndërtuar posaçërisht për qëllimin, shfrytëzim më i lartë, rrugëzim më i zgjuar dhe dizajn më i fortë produkti përmirësojnë të gjitha kthimin e vlerës nga kapaciteti llogaritës. Çdo gjeneratë infrastrukture ndihmon në trajnimin e modeleve më të afta. Algoritmet, harduerët dhe softuerët më të mirë më pas ndihmojnë që të rritet efikasiteti për shërbimin ndaj modeleve.

Klientët i vërejnë këto përmirësime në kuadrin njerëzor: përgjigje më të mira, rezultate më të shpejta, më pak korrigjime, produkte më të besueshme dhe kosto më e ulët për punën që duhet të kryhet.

Përfitimet akumulohen. Infrastruktura më e mirë përshpejton kërkimin. Kërkimi krijon modele më të afta dhe më efikase. Modelet më të mira përmirësojnë produktet. Produktet më të mira nxisin adoptimin, të mësuarit dhe fitimet. Kjo rritje mbështet investimin e vazhdueshëm në gjeneratën e ardhshme të kërkimit, kapacitetit llogaritës, përdorimit dhe sigurisë.

OpenAI i bashkon këto pjesë përmes një platforme të përbashkët inteligjence. Njerëzit e përdorin përmes ChatGPT dhe ChatGPT Work. Zhvilluesit ndërtojnë me të përmes Codex dhe API-së. Ndërmarrjet e vendosin atë në sistemet ku realizohet puna.

Kur përmirësohet një shtresë, çdo produkt dhe klient mund të përfitojë.

Të marra së bashku, këta katër tregues matës na tregojnë nëse inteligjenca e dobishme për njësi kostoje po përmirësohet.

Puna e dobishme na tregon çfarë prodhon IA-ja. Kostoja për detyrë të suksesshme na tregon se çfarë duhet për të arritur rezultatin. Besueshmëria na tregon se sa nga puna mund të përdoret me vetëbesim nga njerëzit. Vlera në shkallë të madhe na tregon nëse çdo njësi kostoje dhe çdo njësi kapaciteti llogaritës arrin më shumë me kalimin e kohës.

Objektivi është një IA që i ndihmon njerëzit të bëjnë punë më domethënëse, të marrin vendime më të mira dhe të kalojnë më shumë kohë në pjesët e punës që kërkojnë gjykim dhe krijimtari qartësisht njerëzore.

Detyra jonë është ta përmirësojmë këtë ekuacion me çdo gjeneratë: modele më të afta, rezultate më të shpejta dhe më të besueshme, dhe kosto më të ulëta për punën që klientët kanë nevojë të kryhet.

Kjo është mënyra se si IA-ja bëhet më e dobishme për më shumë njerëz dhe organizata me kalimin e kohës.