OpenAI B2B Signals

Данас представљамо B2B Signals, пословно проширење услуге OpenAI Signals⁠, које мери како се вештачка интелигенција шири у организацијама. Рани сигнал је јасан: граничне фирме избијају напред не само зато што имају приступ вештачкој интелигенцији, већ зато што је дубље користе у различитим радним областима.

B2B Signals је периодични скуп показатеља заснован на опсежној анализи коришћења AI у предузећу, уз очување приватности. Прати понашања и обрасце који могу помоћи организацијама да разумеју како да преточе интелигенцију у пословну вредност.

Граничне фирме — оне које се налазе на 95. проценту коришћења AI — користе више интелигенције по запосленом, интензивније усвајају напредне алате и дубље интегришу вештачку интелигенцију у радне токове. Јаз код неких компанија почиње да расте, а разлика све више произлази из дубине коришћења.

Кључне поруке

• Предност граничних компанија почиње да се акумулира: граничне компаније сада користе 3,5 пута више интелигенције по раднику у поређењу са типичним компанијама, што је повећање у односу на 2 пута пре годину дана. 
• Граничне фирме користе AI дубље, а не само чешће: Обим порука објашњава само 36% разлике између граничних и типичних фирми. Већи део граничне предности проистиче из дубље употребе. 
• Агентски радни токови постају показатељ усвајања граничних алата: Јаз је највећи код напредних агентских алата, при чему граничне фирме шаљу 16 пута више Codex порука него типичне фирме. 
• Фирме могу да затворе гранични јаз кроз организационе промене: Да би ухватиле корак, фирме треба да мере дубину употребе, да дају приоритет управљању, да улажу у оспособљавање, да скалирају оно што функционише и да пређу са асистенције засноване на чету на делегирани рад са агентима.

Гранична предност почиње да се увећава, а компаније које најдубље користе вештачку интелигенцију повећавају своју предност

Примена седишта је само почетна тачка за предузећа. Јаснији сигнал је да ли запослени користе вештачку интелигенцију за дубљи и сложенији рад. Овај графикон пореди број токена генерисаних по раднику на граничном нивоу, дефинисаном као 95. проценат, са типичном фирмом, дефинисаном као 50. проценат.

Токени су несавршена мера пословне вредности. Кратак одговор може бити веома вредан, а дугачак одговор може бити мале вредности. Међутим, обим токена помаже да се измери колико посла запослени траже од AI да обави, што га чини корисним посредним показатељем дубине коришћења AI и нивоа интелигенције који запослени захтевају од AI.

Гранична фирма захтева 3,5 пута више интелигенције по раднику него што то захтева типична фирма. Овај јаз се повећао са 2 пута у априлу 2025. године, што указује на то да компаније које најдубље користе вештачку интелигенцију повећавају своју предност и у бољој су позицији да преточе нове могућности вештачке интелигенције у дубљи, сложенији рад.

Већина предности гранични модела долази од дубљег коришћења, а не од већег броја порука

Гранична фирма захтева знатно више интелигенције по раднику него типична фирма, али већина те разлике не може се објаснити само количином порука. Овај графикон разлаже граничну предност од 3,5 пута и показује да би, ако би типична фирма слала поруке истом стопом као гранична, затворила само 36% тог јаза.

Преостали јаз повезан је са интензивнијом употребом. Запослени на граничном нивоу траже од AI да преузме сложеније послове, пружи моделима богатији контекст и генерише садржајније резултате.

Гранична предност је највећа код напредних агентних алата, што показује 16 пута већи јаз у коришћењу функције Codex

Гранична предност је највећа код алата који подржавају напредније токове рада. Codex показује највећи јаз, при чему гранична фирма шаље 16 пута више порука по раднику него што то чини типична фирма. ChatGPT агент, апликације у услузи ChatGPT, Дубоко истраживање и GPT‑ови такође показују релативно велике разлике, што указује на то да су гранични модели бољи у коришћењу алата који помажу запосленима да пишу код, делегирају задатке у више корака, примењују контекст компаније и спроводе сложенија истраживања.

Насупрот томе, доступнији алати опште намене, као што су отпремање корисничких датотека, претрага и анализа података, показују мању граничну предност. Ови алати су већини фирми лакши за коришћење јер проширују познате токове посла. Гранична предност је најизраженија код напредних и агентских алата, где усвајање захтева више стручности, повезаност са знањем и алатима на радном месту, и већу спремност да се рад делегира вештачкој интелигенцији.

Највећа гранична предност је у образовању и учењу

Гранична предност је највећа код задатака образовања и учења, где гранична компанија шаље седам пута више порука по раднику него типична компанија. На граници, компаније користе AI да помогну запосленима да развију вештине и науче нове теме. Такође користе AI да побољшају своје разумевање самог AI, укључујући шта може да уради, како га добро користити и где се може уклопити у постојеће токове рада. Величина тог јаза указује на то да просечно предузеће можда недовољно користи AI као алат за учење и развој радне снаге.

Програмирање такође показује велику граничну предност, при чему гранична фирма шаље 4 пута више порука по раднику него типична фирма. Ово је у складу са ширим јазом у употреби напредних и агентских алата. Смернице типа „како да“, као и писање и комуникација, имају најмање граничне јазове, вероватно зато што су ови задаци приступачније и познатије примене AI.

Употреба AI је најраспрострањенија у писању, али се појављују трендови специфични за појединачне функције

Писање и комуникација и даље су најчешћи начини коришћења услуге ChatGPT. Међутим, обрасци коришћења се разликују у зависности од функције и често су повезани са основним одговорностима сваке функције. 60% порука из области ИТ и безбедности концентрисано је на упутства типа „како да“ и процедуралне смернице, готово половина порука из области развоја софтвера и науке о подацима и инжењеринга односи се на кодирање, а десетина порука из области финансија односи се на анализу и израчунавање.

Ови обрасци су у складу са ширим доказима да гранични модели напредују у задацима који су економски вредни за радно место. GDPval⁠, процена рада заснованог на знању у стварном свету у оквиру 44 занимања, мери учинак на задацима који производе практичне резултате, као што су документи, табеле, слајдови, дијаграми и мултимедијални садржај. Како AI постаје способнији, чини се да се употреба у предузећима шири на задатке који су ближе повезани са основним пословима сваке функције.

Лидерство у индустрији није једнодимензионално: различити сектори предњаче у услузи ChatGPT, функцији Codex и API-ју

Не постоји јединствена ранг-листа усвајања AI технологија. Рангирања у индустрији варирају у зависности од показатеља који се користи. Професионалне, научне и техничке услуге заузимају прво место и по усвајању функције Codex и по интензитету коришћења API-ја, што указује на релативно напредну употребу у токовима рада програмера и токовима рада интегрисаним у производе. Финансије и осигурање предњаче у усвајању услуге ChatGPT због увођења великих размера, док Образовне услуге имају највећи интензитет порука, што указује на дубље коришћење по особи. Трговина на мало и Здравство високо се рангирају по интензитету API-ја, упркос нижем рангирању према другим мерама.

Ове разлике указују на то да лидерство у индустрији није једнодимензионално. Чини се да неки сектори усвајају AI кроз техничке и програмерске токове рада, док други повећавају обим кроз широко усвајање услуге ChatGPT или интензивније коришћење од стране крајњих корисника.

Предузећа преносе употребу API-ја у продукционе токове посла и апликације усмерене ка корисницима

Компаније све више користе API за директну интеграцију модела у производе, услуге и интерне системе. Уобичајени случајеви употребе у продукцији обухватају асистенте у апликацијама, алатке за кодирање и развој, корисничку подршку, истраживачке токове рада и аутоматизацију процеса.

Ове имплементације показују како корпоративна AI превазилази фазу експериментисања и постаје део поновљивих токова рада са мерљивим оперативним утицајем. У различитим примерима корисника, компаније користе OpenAI моделе да убрзају рад са знањем, побољшају инжењерску пропусну моћ и изграде искуства заснована на вештачкој интелигенцији за кориснике и запослене.

Шта организације могу да ураде како би достигле граничне нивое

OpenAI сарађује са предузећима у различитим индустријама, функцијама и фазама зрелости у погледу AI, што нам пружа увид у то како се усвајање развија од експериментисања до продукције. У оквиру ових примена, компаније које остварују највећи напредак обично се мање фокусирају само на приступ, а више на организационе системе потребне за дубинско коришћење AI: мерење, управљање, оспособљавање, скалирање утицаја и агентску примену.

Пет пракси се издваја као практични кораци које свака организација може већ данас да почне да примењује како би продубила усвајање AI.

1. Мерите дубину коришћења поред приступа.
   Релевантан показатељ није само колико запослених има AI налоге, већ и да ли тимови током времена користе AI на суштинскији начин. Организације би требало да прате да ли коришћење AI постаје чешће, сложеније и тешње повезано са вредним токовима рада.
2. Изградите управљачки оквир који чини агентски AI спремном за примену.
   Водеће фирме не избегавају управљање. Користе га како би агентски AI учинили лакшим за примену. Компанијама су потребна јасна правила о томе где агенти могу да делују, које информације могу да користе, када треба да саветују уместо да делују и како људи прегледају одлуке вишег ризика. Граничне фирме дефинишу ове стандарде као део процеса примене, тако да управљање постаје начин да се усвајање безбедно прошири, уместо да се успорава.
3. Третирајте омогућавање као основну инфраструктуру, а не као споредни пројекат.
   Како се могућности AI унапређују, и запосленима и организацијама потребни су системи који им помажу да држе корак. Граничне фирме не третирају оспособљавање као једнократну иницијативу обуке. Они уграђују континуирано учење у процес примене путем обука специфичних за улоге, радионица о случајевима употребе, хакатона, мрежа интерних шампиона, наменског времена за експериментисање и заједничких депоа токова рада, најбољих пракси и вештина. 
4. Идентификујте своје граничне тимове и повећајте њихов утицај.
   У многим организацијама, најнапредније коришћење је концентрисано у малом броју тимова. Ти тимови могу да открију који токови рада, навике и оперативни модели функционишу. Руководиоци треба да идентификују ове тимове, разумеју и скалирају услове који стоје иза њиховог успеха и помогну им да са остатком фирме поделе увиде и примере дубље употребе AI. 
5. Пређите са ћаскања на делегирање посла.
   AI за предузећа се помера са асистената за ћаскање ка послу који се може делегирати агентима. Софтверско инжењерство илуструје овај тренд, али се делегирани посао шири на различите функције. Уз Codex, инжењери могу да препусте дефинисан задатак, дају агенту контекст који му је потребан, пусте га да ради у више датотека, база кода и алата, а затим прегледају резултат и унапреде ток рада помоћу повратних информација. Граничне компаније подстичу раднике да делегирају задатке AI, уместо да AI користе само као статичног асистента.

Ако желите да истражите све налазе или сазнате како да одговорно уведете AI у своју организацију, волели бисмо да ступимо у контакт⁠.