OpenAI B2B Signals
Fördelen med att vara banbrytande börjar ackumuleras.
I dag presenterar vi B2B Signals, en affärsinriktad utökning av OpenAI Signals som mäter hur AI sprids inom organisationer. Det är redan tydligt: banbrytande företag tar täten, inte bara för att de har tillgång till AI, utan för att de använder AI på ett mer djupgående sätt i alla arbetsuppgifter.
B2B Signals är en löpande uppsättning mätningar som bygger på en omfattande, integritetsskyddande analys av företags användning av AI. B2B Signals följer beteenden och mönster som kan hjälpa organisationer att förstå hur intelligens kan omvandlas till affärsvärde.
Banbrytande företag – de i den 95:e percentilen vad gäller AI-användning – använder mer intelligens per medarbetare, tar i bruk avancerade verktyg mer intensivt och integrerar AI djupare i arbetsflöden. Klyftan börjar bli allt större för vissa företag och skillnaden beror i allt högre grad på hur djupt tekniken används.
Viktiga slutsatser
- Fördelen med att vara banbrytande börjar bli självförstärkande: banbrytande företag använder nu 3,5 gånger mer intelligens per medarbetare än typiska företag, en uppgång med 2 gånger mer för ett år sedan.
- Banbrytande företag använder AI på ett mer djupgående sätt och inte bara oftare: meddelandevolymen förklarar endast 36 % av skillnaden mellan banbrytande och typiska företag. Merparten av fördelen hos banbrytande företag kommer från ett mer djupgående användande.
- Agentbaserade arbetsflöden håller på att bli en markör för banbrytande aktörer: Klyftan visar sig främst i avancerade verktyg, där banbrytande företag skickar 16 gånger så många Codex-meddelanden som typiska företag.
- Företag kan överbrygga klyftan till de banbrytande företagen genom organisatorisk förändring: för att komma ikapp behöver företag mäta användningsdjupet, prioritera styrning, investera i möjliggörande insatser, skala upp det som fungerar och gå från chattbaserad assistans till delegerat arbete med agenter.
Djup
Fördelen med att vara banbrytande börjar ackumuleras och de företag som använder AI på djupast möjliga sätt ökar sitt försprång
Implementering av platser är bara utgångspunkten för företag. Den tydligare signalen är om medarbetare använder AI för djupare och mer komplext arbete. Det här diagrammet jämför antalet token som genereras per medarbetare på banbrytande företag, definierade som den 95:e percentilen, med det typiska företaget, definierat som den 50:e percentilen.
Token är ett ofullkomligt mått på affärsvärde. Ett kort svar kan vara mycket värdefullt och ett långt svar kan ha lågt värde. Fast tokenvolymen hjälper till att mäta hur mycket arbete medarbetare ber AI att utföra vilket gör den till en användbar indikator på djupet i AI-användningen och den mängd intelligens som medarbetare efterfrågar från AI.
Banbrytande företag företaget kräver 3,5 gånger mer intelligens per medarbetare än ett typiskt företag. Denna klyfta har ökat från 2 gånger större i april 2025 vilket tyder på att företag som använder AI djupast ökar sitt försprång och har bättre förutsättningar att omsätta nya AI-förmågor i mer fördjupat och komplext arbete.
Den största delen av det banbrytande försprånget beror snarare på en djupare användning än en högre meddelandevolym
Ett banbrytande företag behöver avsevärt mycket mer intelligens per medarbetare än ett typiskt företag men större delen av klyftan kan inte förklaras enbart av meddelandevolymen. Det här diagrammet bryter ner försprånget på 3,5 för banbrytande företag och visar att om ett typiskt företag skickade meddelanden i samma takt som ett banbrytande företag så skulle klyftan endast minska med 36 %.
Den återstående klyftan är kopplad till djupare användning. Banbrytande medarbetare ber AI att ta sig an mer komplext arbete, ger modeller rikare kontext och generera mer substantiella utdata.
Bredd
The frontier advantage is largest in advanced agentic tools, demonstrated by a 16x Codex usage gap
The frontier advantage is largest for tools that support more advanced workflows. Codex shows the largest gap, with the frontier firm sending 16x as many messages per worker as the typical firm. ChatGPT Agent, Apps in ChatGPT, Deep Research, and GPTs also show relatively large gaps, suggesting that the frontier is better at leveraging tools that help workers code, delegate multi-step tasks, apply company context, and conduct more complex research.
By contrast, more general-purpose and accessible tools such as User Upload, Search, and Data Analysis show a smaller frontier advantage. These tools are easier for most firms to use because they extend familiar workflows. The frontier advantage is most pronounced in advanced and agentic tools, where adoption requires more expertise, connections to workplace knowledge and tools, and greater comfort delegating work to AI.
The largest frontier advantage is in education and learning
The frontier advantage is largest for education and learning tasks, where the frontier firm sends 7x as many messages per worker as the typical firm. At the frontier, firms use AI to help employees build skills and learn new topics. They also use AI to improve their understanding of AI itself, including what it can do, how to use it well, and where it can fit into existing workflows. The size of the gap suggests that the typical firm may underutilize AI as a tool for workforce learning and development.
Coding also shows a large frontier advantage, with the frontier firm sending 4x as many messages per worker as the typical firm. This is consistent with the broader gap in advanced and agentic tool use. How-to guidance and writing and communication have the smallest frontier gaps, likely because these tasks are more accessible and familiar uses of AI.
Eliminering av kapacitetsöverskottet kräver möjliggörande, inte bara tillgång. OpenAI:s företagsresurser och OpenAI Academy inkluderar praktiska guider, utbildningsmaterial och implementeringsresurser som hjälper team att använda AI med tillförsikt.
AI use is broadest in writing but function-specific trends are emerging
Writing and communication remain the most common uses of ChatGPT. However, usage patterns vary by function and are often tied to each function’s core responsibilities. 60% of IT & Security messages are concentrated in how-to and procedural guidance, almost half of Software Development and Data Science & Engineering messages are related to coding, and a tenth of Finance messages are related to analysis and calculation.
These patterns are consistent with broader evidence that frontier models are improving on economically valuable workplace tasks. GDPval, an evaluation of real-world knowledge work across 44 occupations, measures performance on tasks that produce practical work outputs such as documents, spreadsheets, slides, diagrams, and multimedia. As AI becomes more capable, enterprise usage appears to be extending toward tasks that are more closely tied to each function’s core work.
Uppgiftstyp efter företagskontext
| Affärskontext | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ChatGPT-uppgifter | ||||||||||||
| Skrivande och kommunikation | ||||||||||||
| Instruktioner och procedurvägledning | ||||||||||||
| Information | ||||||||||||
| Analys och beräkningar | ||||||||||||
| Rådgivning | ||||||||||||
| Kreativa medier | ||||||||||||
| Handel | ||||||||||||
| Kodning | ||||||||||||
| Utbildning och lärande | ||||||||||||
Räckvidd
Industry leadership is not one-dimensional: different sectors lead across ChatGPT, Codex, and the API
There is no single AI adoption leaderboard. Industry rankings vary depending on the measure used. Professional, Scientific, and Technical Services ranks first in both Codex adoption and API intensity, indicating relatively advanced use in developer and product-integrated workflows. Finance and Insurance leads in ChatGPT adoption due to large-scale deployments, while Educational Services has the highest message intensity, suggesting deeper per-person usage. Retail Trade and Health Care rank highly in API intensity, despite lower rankings on other measures.
These differences suggest that industry leadership is not one-dimensional. Some sectors appear to be adopting AI through technical and developer workflows, while others are scaling through broad ChatGPT adoption or more intensive end-user usage.
Rangordning av branscher efter AI-användning
| Industrier | ||||
|---|---|---|---|---|
| Ekonomi och försäkring | 1+1 | 10-4 | 30 | 60 |
| Information | 2-1 | 20 | 20 | 4-1 |
| Professionella, vetenskapliga och tekniska tjänster | 30 | 10 | 10 | 10 |
| Konst, underhållning och fritid | 40 | 4-1 | 50 | 3+1 |
| Allmännytta | 50 | 80 | 90 | 90 |
| Byggbranschen | 6-1 | 50 | 10-1 | 10-1 |
| Fastighets- och uthyrningsbranschen | 7-1 | 7+1 | 11-1 | 80 |
| Tillverkning | 8-1 | 3+1 | 40 | 70 |
| Hälso- och sjukvård och social omsorg | 90 | 90 | 6+1 | 50 |
| Detaljhandel | 10-2 | 11-1 | 7-1 | 20 |
| Offentlig förvaltning | 11-1 | 6+1 | 80 | 11-1 |
Företag flyttar API-användningen till produktionsarbetsflöden och kundinriktade applikationer
Företag använder i allt större utsträckning API:n för att integrera modeller direkt i produkter, tjänster och interna system. Vanliga användningsområden i produktion är assistenter i appar, kodnings- och utvecklarverktyg, kundsupport, forskningsarbetsflöden och automatisering av arbetsflöden.
Dessa implementeringar visar hur AI i företag går bortom experimentstadiet och blir en del av upprepningsbara arbetsflöden med mätbar operativ effekt. Bland kunderna använder företag OpenAI-modeller för att påskynda kunskapsarbete, förbättra kapaciteten inom teknik och bygga AI-drivna upplevelser för kunder och anställda.
De främsta API-användningsfallen efter bransch
Professionella tjänster
Kunskapsassistenter och sök (t.ex. Q&A-verktyg, forskningsassistenter, interna kunskapsassistenter)
Kundtjänst och säljstöd (t.ex. kundtjänst, röst- och chattagenter, säljassistans)
Analys, sammanfattning och extrahering av data (t.ex. analys av företagsdata, marknadsinformation, märkning och avstämning av transaktioner)
Kodning och utvecklarverktyg (t.ex. verktyg för modellutvärdering, kodningsassistenter, verktyg för automatisering av arbetsflöden)
Ekonomi och försäkring
Analys, sammanfattning och extrahering av data(t.ex. dataextrahering, analys av kvitton och utgifter, investeringsanalys)
Dokument- och arbetsflödesgenerering (t.ex. automatiserad utgiftshantering, sammanställning av forskningssammanfattningar, optimering av arbetsflöden)
Kunskapsassistenter och sökning (t.ex. assistenter för investeringsstrategier, policysökning, rollspecifika assistenter.)
Kund- och servicesupport (t.ex. röst- och chattagenter för kundtjänst, personliga bankassistenter, sentimentklassificering)
Information
Kodning och utvecklarverktyg (t.ex. kodassistenter, verktyg för mjukvarutestning, verktyg för webbautomation)
Kunskapsassistenter och sökning (t.ex. produktassistenter, interna sökverktyg och dokumentationsassistenter)
Kund- och tjänstesupport (t.ex. röst- och chattagenter för kundsupport, flerkanalig kundtjänstautomatisering)
Generering av innehåll, media och design (t.ex. varumärkesgenerering, marknadsföringsverktyg)
Cisco använder Codex för att snabba upp komplext programvaruarbete i ett stort företag inom ingenjörsbranschen. Codex bidrog i produktionsarbetsflöden till att minska byggtiderna med 20 %, spara över 1 500+ ingenjörstimmar per månad och öka kapaciteten för fellösning 10–15 gånger. Som Ciscos team uttryckte det kom de största vinsterna när de behandlade Codex som "en del av teamet".
Rakuten implementerade Codex i hela teknikverksamheten och mjukvaruleveransen vilket minskade den genomsnittliga återställningstiden med cirka 50 % och gjorde det möjligt för team att åtgärda produktionsproblem dubbelt så snabbt. Rakuten använder även Codex för automatiserad kodgranskning och sårbarhetskontroller i linje med interna standarder vilket bidrar till att snabba upp lanseringar utan att kompromissa med säkerheten. I komplexa projekt kan Codex omvandla ofullständiga krav till fungerande fullstack-implementationer och komprimera projektens tidslinjer från kvartal till veckor.
Balyasny Asset Management använder OpenAI för att påskynda investeringsanalys i en stor, specialiserad organisation för kunskapsarbete. Dess egenutvecklade AI-forskningsplattform används av cirka 95 % av investeringsteamen och bidrar till att korta ner forskningsarbetsflöden från dagar till timmar. Ett arbetsflöde för talanalys hos en centralbank tog till exempel två dagar förut men tar nu endast cirka 30 minuter vilket hjälper analytiker att resonera snabbare över myndighetsrapporter, transkriptioner, analysrapporter och marknadsdata.
Besök vår sida med kundberättelser för fler exempel.
What organizations can do to reach the frontier
OpenAI works with enterprises across industries, functions, and stages of AI maturity, giving us visibility into how adoption develops from experimentation to production. Across these deployments, the firms making the most progress tend to focus less on access alone and more on the organizational systems needed to use AI deeply: measurement, governance, enablement, scaling impact, and agentic deployment.
Five practices stand out as practical steps any organization can start taking today to deepen AI adoption.
- Measure depth of use in addition to access.
The relevant signal is not only how many employees have AI accounts, but whether teams are using AI more substantively over time. Organizations should track whether AI use is becoming more frequent, more complex, and more closely tied to valuable workflows. - Build governance that makes agentic AI deployable.
Leading firms are not avoiding governance. They are using it to make agentic AI more deployable. Firms need clear rules for where agents can operate, what information they can use, when they should advise rather than act, and how humans review higher-risk decisions. Frontier firms are defining these standards as part of the deployment process, so governance becomes a way to expand adoption safely rather than slow it down. - Treat enablement as core infrastructure, not a side project.
As AI capabilities improve, both workers and organizations need systems that help them keep pace. Frontier firms do not treat enablement as a one-time training push. They build continuous learning into deployment through role-specific training, use-case workshops, hackathons, internal champion networks, dedicated experimentation time, and shared repositories of workflows, best practices, and skills. - Identify your frontier teams and scale their impact.
In many organizations, the most advanced usage is concentrated in a small number of teams. Those teams can reveal which workflows, habits, and operating models are working. Leaders should identify these teams, understand and scale the conditions behind their success, and help them share insights and examples of deeper AI use with the rest of the firm. - Move beyond chat to delegating work.
Enterprise AI is shifting from chat assistants to work that can be delegated to agents. Software engineering illustrates this trend, but delegated work is spreading across functions. With Codex, engineers can hand off a defined task, give the agent the context it needs, let it work across files, codebases, and tools, then review the result and refine the workflow with feedback. Frontier firms are encouraging workers to delegate tasks to AI rather than simply using AI as a static assistant.
Alla analyser i den här rapporten bygger på avidentifierade och aggregerade användningsdata från företag. Meddelandeinnehållet klassificerades med hjälp av automatiserade system, och ingen medarbetare på OpenAI har granskat enskilda företags-, affärs- eller API-kunddata som en del av denna analys.
If you’d like to explore the full findings or learn how to bring AI into your organization responsibly, we’d love to connect.
Upptäck mer
Forskning och analys
Forskning och analys om hur AI införs och dess påverkan på ekonomin och samhället.