AI యుగానికి ఒక స్కోర్‌కార్డ్

ప్రతి చోటా ఉన్న ముఖ్య ఆర్థిక అధికారుల నుంచి నేను వినే ప్రశ్న సులభం: AIపై చేస్తున్న ఖర్చు నుంచి మరింత విలువను ఎలా పొందాలి?

ఏళ్ల తరబడి, సాఫ్ట్‌వేర్ విజయాన్ని మార్కెట్ స్వీకరణతో కొలిచింది: కొనుగోలు చేసిన సీట్లు, క్రియాశీల వినియోగదారులు, పునరుద్ధరించిన లైసెన్సులు. AI విలువను అర్థం చేసుకోవాలంటే మరింత శక్తివంతమైన కొలమానం కావాలి: పూర్తయిన పని.

ముఖ్య ఆర్థిక అధికారులు మరియు ఇతర వ్యాపార నాయకుల ముందున్న ప్రాథమిక ఆర్థిక ప్రశ్న ఏమిటంటే, AI పూర్తి చేసే పనివిలువ, దాన్ని ఉత్పత్తి చేసే ఖర్చుకంటే వేగంగా పెరుగుతుందా అన్నది.

ఆ ప్రశ్నకు సమాధానం ఇవ్వాలంటే, ఒక్కో టోకెన్‌కు ఖర్చు వంటి మెట్రిక్ కంటే లోతుగా చూడాలి. తక్కువ ఖర్చు మోడల్‌లో టోకెన్‌లు చౌకగా ఉండవచ్చు, కానీ గొప్ప ఫలితాల కోసం మరిన్ని ప్రయత్నాలు, ఎక్కువ సమయం లేదా ఎక్కువ మానవ సమీక్ష అవసరం కావచ్చు. మరింత సామర్థ్యమున్న మోడల్‌లో టోకెన్‌లు ఖరీదైనవిగా ఉండవచ్చు, కానీ అదే పనిని ఒకే దశలో పూర్తి చేయగలదు. ముఖ్యమైనది విజయవంతమైన ఫలితాన్ని సృష్టించడానికి అయ్యే మొత్తం ఖర్చును, ఆ ఫలితం సృష్టించే విలువతో పోల్చి చూడడం.

AI యుగానికి అంతిమ స్కోర్‌కార్డ్‌ను “డాలర్‌కు ఉపయోగకరమైన ఇంటెలిజెన్స్”గా చూడవచ్చు. ఈ మెట్రిక్ నాలుగు కీలక ప్రశ్నలకు సమాధానం ఇస్తుంది:

1. AI నిజంగా ముఖ్యమైన పనిని పూర్తి చేస్తుందా?
2. ప్రతి విజయవంతమైన పనికి ఎంత ఖర్చవుతుంది?
3. ప్రజలు ఫలితంపై ఆధారపడగలరా?
4. వినియోగం పెరిగేకొద్దీ ప్రతి AI డాలర్ మరింత విలువను సృష్టిస్తుందా?

పనితోనే ప్రారంభించండి.

AI ఎన్ని కస్టమర్ సమస్యలను పరిష్కరించడంలో సహాయపడింది? ఎన్ని కోడ్ మార్పులను విడుదల చేయడంలో అది సహాయపడింది? ఎన్ని ఒప్పందాలను అది సమీక్షించింది? మనుషులకు అది ఎంత సమయాన్ని తిరిగి ఇచ్చింది? సరైన సందర్భం సరైన సమయంలో అందుబాటులో ఉండడం వల్ల ఎన్ని నిర్ణయాలు మెరుగయ్యాయి?

టోకెన్‌లు ప్రజలు ఉపయోగించగల పనిగా మారినప్పుడు విలువను సృష్టిస్తాయి. మోడల్‌లు మరింత సామర్థ్యవంతంగా మారేకొద్దీ, అవి సందర్భాన్ని నిలుపుకోవడం, అనేక దశల్లో రీజనింగ్ చేయడం, టూల్స్ అంతటా పనిచేయడం, ముందుకు సాగేకొద్దీ తగినట్లు మారడం వంటి మరింత దీర్ఘమైన, సంక్లిష్టమైన పనులను చేపట్టగలవు.

ప్రారంభించడానికి ఉత్తమ స్థలం ఒక వర్క్‌ఫ్లో. “పూర్తి” అంటే ఏమిటో నిర్వచించి, పని జరిగే సిస్టమ్‌లోనే ఆ ఫలితాన్ని కొలవండి.

సపోర్ట్ బృందానికి, “పూర్తి” అంటే కస్టమర్ సమస్య పరిష్కారమవడం కావచ్చు. ఇంజినీరింగ్ బృందానికి, అది పరీక్షల్లో ఉత్తీర్ణమయ్యే కోడ్ మార్పు కావచ్చు. లీగల్ బృందానికి, అది ఖచ్చితంగా మరియు సమయానికి సమీక్షించిన ఒప్పందం కావచ్చు.

అంచనా సమీక్షకు సిద్ధమవుతున్న ఫైనాన్స్ బృందాన్ని పరిగణించండి. తుది నిర్ణయం తీసుకునే ముందు చాలా పని జరుగుతుంది: తాజా అంచనాను కనుగొనడం, డేటాను Excel లేదా Sheetsలోకి తరలించడం, మార్పులను గుర్తించడం, ట్యాబ్‌లను సరిపోల్చడం, స్లైడ్‌లను మళ్లీ రూపొందించడం, అన్నీ సరిగ్గా కలుస్తున్నాయా అని తనిఖీ చేయడం.

ChatGPT పని ఆ ప్రక్రియలో చాలా భాగాన్ని చేపట్టి, బృందం ముఖ్యమైన ప్రశ్నలపై దృష్టి పెట్టడానికి మరింత సమయం ఇస్తుంది: ఏమి మారింది? ఎందుకు? తర్వాత మనం ఏమి చేయాలి?

ఆచరణలో డాలర్‌కు ఉపయోగకరమైన ఇంటెలిజెన్స్ అంటే ఇదే. మరింత పని వేగంగా పూర్తవుతుంది, అదే సమయంలో ప్రజలు తమ సమయాన్ని మరింతగా నిర్ణయశక్తి, సృజనాత్మకత, నైపుణ్యాన్ని ఉపయోగించడంలో గడుపుతారు.

తర్వాతి ప్రశ్న ఆ పనిని చక్కగా పూర్తి చేయడానికి ఎంత ఖర్చవుతుందన్నది.

AI పనులు విస్తృతంగా మారుతుంటాయి. త్వరిత సమాధానానికి తక్కువ కంప్యూట్ చాలు కావచ్చు. కోడింగ్, పరిశోధన లేదా ఆర్థిక వర్క్‌ఫ్లోకు లోతైన రీజనింగ్, టూల్ వినియోగం, అనేక చర్యలు అవసరం కావచ్చు. ఆ మరింత సంక్లిష్టమైన పనులకు ఎక్కువ కంప్యూట్ అవసరం కావచ్చు, కానీ అవి ఎంతో ఎక్కువ విలువను సృష్టించగలవు.

మోడల్ స్థాయిలో, ఒక్కో విజయవంతమైన పనికి ఖర్చు ధర, ఉపయోగించిన కంప్యూట్ పరిమాణం, సరైన ఫలితాన్ని చేరుకునే అవకాశంపై ఆధారపడుతుంది. వ్యాపారానికి, మొత్తం ఖర్చులో ఉద్యోగుల సమయం, మానవ సమీక్ష, మళ్లీ ప్రయత్నాలు, మళ్లీ చేయాల్సిన పని కూడా ఉంటాయి.

ఈ లెక్కింపు సూటిగా ఉంటుంది:

• పనిని పూర్తి చేయడానికి అయ్యే మొత్తం ఖర్చును జోడించండి.
• అవసరమైన నాణ్యత ప్రమాణాన్ని చేరుకున్న పనులను లెక్కించండి.
• మొత్తం ఖర్చును విజయవంతమైన పనుల సంఖ్యతో భాగించండి.

అందుకే ఒక్కో టోకెన్‌కు అతి తక్కువ ధర ఎప్పుడూ ఒక్కో ఫలితానికి అతి తక్కువ ఖర్చును ఇవ్వదు. ఒక అత్యాధునిక మోడల్ ఒక సాధారణ అభ్యర్థనకే అయినా సరైన సమాధానాన్ని ఒకే దశలో ఇస్తే, మళ్లీ ప్రయత్నాలు, ఆలస్యం, సమీక్ష, మొత్తం కంప్యూట్ తగ్గి ఉత్తమ విలువను అందించవచ్చు.

టియర్‌లుగా ఉన్న మోడల్ కుటుంబం కస్టమర్‌లకు ఈ సమీకరణాన్ని మెరుగుపరచడానికి మరిన్ని మార్గాలు ఇస్తుంది. గత వారం మేము విడుదల చేసిన GPT‑5.6కు మూడు టియర్‌లు ఉన్నాయి: Sol మా ఫ్లాగ్‌షిప్; Terra పనితీరు మరియు ఖర్చును సమతుల్యం చేస్తుంది; Luna మా అత్యంత వేగమైన, అత్యంత అందుబాటు ధరలోని మోడల్.

ఈ టియర్‌లు ఉపయోగకరమైన ప్రారంభ బిందువులను అందిస్తాయి. పూర్తి పనికి సంబంధించిన ఆర్థికతే చివరికి సరైన మోడల్‌ను నిర్ణయించాలి. ఒక కస్టమర్ వేగంగా, అధిక పరిమాణంలో జరిగే వర్క్‌ఫ్లోకు Lunaను, మరింత లోతు అవసరమైన పనికి Terraను, లేదా బలమైన రీజనింగ్ తక్కువ ప్రయత్నాలతో ఉత్తమ ఫలితాన్ని ఇస్తే Solను ఉపయోగించవచ్చు.

ప్రతి టోకెన్ నుంచి మరింత ఉపయోగకరమైన పని పొందేలా మేము GPT‑5.6కు శిక్షణ ఇచ్చాము. Artificial Analysis Coding Agent Indexలో, గరిష్ఠ రీజనింగ్‌తో GPT‑5.6 Sol మరొక ప్రముఖ మోడల్‌కంటే 54% తక్కువ అవుట్‌పుట్ టోకెన్‌లను ఉపయోగిస్తూ కొత్త అత్యుత్తమ ప్రమాణాన్ని నెలకొల్పింది. క్రింద ఉన్న చార్ట్ ఈ పోలికను చూపుతుంది.

GPT‑5.6 కుటుంబం అంతటా లక్ష్యం ఒక్కటే: డాలర్‌కు మరింత విజయవంతమైన పని. ఎక్కువ సమర్థత ప్రస్తుత పనులను మరింత అందుబాటు ధరలోకి తెస్తుంది. ఎక్కువ సామర్థ్యం పూర్తిగా కొత్త రకాల పనిని సాధ్యం చేస్తుంది.

ప్రతి కొత్త మోడల్ తరం ఆ సమీకరణం రెండు వైపులనూ మెరుగుపరచాలి. కస్టమర్‌లు మరింత విలువైన పనిని సాధించగలగాలి; అదే సమయంలో ప్రతి పనిని పూర్తి చేసే ఖర్చు తగ్గుతూనే ఉండాలి.

మూడో కొలమానం ఆధారపడగలగడం.

AI స్వీకరణ దశలవారీగా మరింత లోతుపడుతుంది. మొదట, AI ముసాయిదా రూపొందించడంలో సహాయపడుతుంది. తర్వాత అది సందర్భాన్ని కనుగొని, టూల్స్ మరియు డేటా అంతటా రీజనింగ్ చేస్తుంది. కాలక్రమేణా, అది చర్యలు తీసుకోవడం, మినహాయింపులను నిర్వహించడం, వర్క్‌ఫ్లోలను పూర్తి చేయడం ప్రారంభిస్తుంది; అవసరమైన చోట ప్రజలు నిర్ణయశక్తి మరియు నియంత్రణను అందిస్తారు.

ప్రతి దశ మరింత విలువను సృష్టిస్తుంది మరియు సిస్టమ్ నుంచి మరింత కోరుతుంది.

ఆధారపడగలగడానికి ప్రత్యక్ష ఆర్థిక విలువ ఉంది. ఫలితాలు ఖచ్చితంగా, మంచి మూలాలతో, స్థిరంగా ఉండి, సరైన రీతిలో ఎస్కలేట్ అయినప్పుడు, ప్రజలు సమీక్షించడం, సరిదిద్దడం, పనిని మళ్లీ చేయడంలో తక్కువ సమయం గడుపుతారు. విజయవంతమైన పనులకు ఖర్చు తగ్గుతుంది, అలాగే సంస్థలు మరింత ముఖ్యమైన వర్క్‌ఫ్లోల్లో AIని ఉపయోగించే నమ్మకాన్ని పొందుతాయి.

మూడు ఫలితాలను ట్రాక్ చేయడం ద్వారా బృందాలు దీన్ని స్పష్టంగా కొలవగలవు:

• ఉపయోగానికి సిద్ధం: అందించిన ఫలితం నాణ్యత ప్రమాణాన్ని చేరుకుంది.
• సవరణ అవసరం: ఫలితానికి మరో ప్రయత్నం లేదా మానవ ఎడిట్‌లు అవసరమయ్యాయి.
• ఎస్కలేషన్ అవసరం: ఒక వ్యక్తి జోక్యం చేసుకుని పనిని పూర్తి చేయాల్సి వచ్చింది.

ఈ కొలమానాలు మోడల్ ఖచ్చితత్వం మాత్రమే చెప్పేదానికంటే మరింత సమృద్ధమైన కథ చెబుతాయి. ప్రాజెక్ట్‌ను పూర్తి చేయడానికి కావలసిన పనిని AI నిజంగా తగ్గిస్తుందా అన్నది అవి చూపుతాయి.

ఆధారపడగలగడానికి స్పష్టమైన హద్దులు కూడా అవసరం. AI ముసాయిదా రచన నుంచి చర్యలు తీసుకునే దశకు వెళ్లే ముందు, సంస్థలు ఇవి నిర్వచించాలి:

• సిస్టమ్ ఏ డేటాను యాక్సెస్ చేయగలదు.
• అది ఏ సిస్టమ్‌లను ఉపయోగించగలదు లేదా మార్చగలదు.
• ఎప్పుడు ఒక వ్యక్తి చర్యను సమీక్షించాలి లేదా ఆమోదించాలి.

సురక్షితత్వం, భద్రత, గోప్యత, నియంత్రణ మరింత లోతైన వినియోగానికి పునాది వేస్తాయి. సిస్టమ్ ఎలా ప్రవర్తిస్తుంది, వారి డేటా ఎలా నిర్వహించబడుతుంది, దాని చర్యలు ఎలా నియంత్రించబడతాయి అన్నది ప్రజలు అర్థం చేసుకోవాలి.

ChatGPT పని, ChatGPT Enterprise యొక్క భద్రత, గోప్యత, అనుగుణత, వర్క్‌స్పేస్ నిర్వహణ పునాదిపై నిర్మించబడింది. దీని ద్వారా సంస్థలు తగిన పర్యవేక్షణను కొనసాగించుతూ, AIకి మరింత సందర్భం మరియు మరింత విలువైన వర్క్‌ఫ్లోలకు యాక్సెస్ ఇవ్వగలవు.

సామర్థ్యం మొదటి వినియోగాన్ని సాధిస్తుంది. ఆధారపడగలగడం AIని పని జరిగే విధానంలో భాగం చేస్తుంది.

చివరి ప్రశ్న, పరిమాణం పెరిగినప్పుడు ఆర్థికత మెరుగుపడుతుందా అన్నది.

కాలక్రమంలో అదే వర్క్‌ఫ్లోను అనుసరించడం ద్వారా కంపెనీలు దీన్ని కొలవగలవు. నాణ్యత ప్రమాణాన్ని చేరుకున్న పనుల సంఖ్య, వాటిని పూర్తి చేయడానికి అయిన మొత్తం ఖర్చు, ఒక్కో విజయవంతమైన పనికి ఖర్చును ట్రాక్ చేయండి. నాణ్యత నిలకడగా ఉండగా లేదా మెరుగుపడగా, పూర్తయిన పని మొత్తం ఖర్చుకంటే వేగంగా పెరిగితే, ప్రతి AI డాలర్ మరింత విలువను సృష్టిస్తోంది.

ఈ సమీకరణం మధ్యలో కంప్యూట్ ఉంటుంది.

పరిశోధనకు మరియు AI పూర్తి చేసే ప్రతి పనికి కంప్యూట్ శక్తినిస్తుంది. ఇది ప్రొడక్ట్ నాణ్యత, వేగం, ఆధారపడగలగడం, లభ్యత, ఖర్చును ప్రభావితం చేస్తుంది. శిక్షణ కంప్యూట్ భవిష్యత్ సామర్థ్యాన్ని నిర్మిస్తుంది. ఇన్ఫరెన్స్ కంప్యూట్ నేడు ఉపయోగకరమైన పనిని అందిస్తుంది. రెండూ కస్టమర్‌లకు మెరుగైన ఫలితాలుగా మారాలి.

మెరుగైన మోడల్‌లు, మరింత సమర్థవంతమైన ఇన్ఫరెన్స్, ప్రత్యేకంగా రూపొందించిన హార్డ్‌వేర్, అధిక వినియోగం, తెలివైన రూటింగ్, బలమైన ప్రొడక్ట్ రూపకల్పన ఇవన్నీ కంప్యూట్‌పై రాబడిని మెరుగుపరుస్తాయి. ప్రతి తరం మౌలిక వసతులు మరింత సామర్థ్యవంతమైన మోడల్‌లను శిక్షణ ఇవ్వడంలో సహాయపడుతుంది. తర్వాత మెరుగైన అల్గారిథమ్‌లు, హార్డ్‌వేర్, సాఫ్ట్‌వేర్ ఆ మోడల్‌లను మరింత సమర్థంగా అందించడంలో సహాయపడతాయి.

కస్టమర్‌లు ఆ మెరుగుదలలను మానవ అనుభవంగా చూస్తారు: మెరుగైన సమాధానాలు, వేగవంతమైన ఫలితాలు, తక్కువ సవరణలు, మరింత ఆధారపడగల ఉత్పత్తులు, వారికి అవసరమైన పనికి తక్కువ ఖర్చు.

ఈ ప్రయోజనాలు ఒకదానిపై మరొకటి పెరుగుతూ ఉంటాయి. మెరుగైన ఇన్‌ఫ్రాస్ట్రక్చర్ రీసెర్చ్‌ను మరింత వేగవంతం చేస్తుంది. రీసెర్చ్ మరింత సామర్థ్యవంతమైన, సమర్థవంతమైన మోడల్‌లను రూపొందిస్తుంది. మెరుగైన మోడల్‌లు ప్రొడక్ట్‌లను మెరుగుపరుస్తాయి. మెరుగైన ప్రొడక్ట్‌లు అడాప్షన్, నేర్చుకోవడం, అలాగే రెవెన్యూను పెంచుతాయి. ఆ వృద్ధి తదుపరి తరం రీసెర్చ్, కంప్యూట్, డిప్లాయ్‌మెంట్, అలాగే సేఫ్టీలో నిరంతర పెట్టుబడులకు మద్దతు ఇస్తుంది.

OpenAI ఈ భాగాలను ఒకే భాగస్వామ్య ఇంటెలిజెన్స్ ప్లాట్‌ఫారమ్ ద్వారా కలిపి తీసుకువస్తుంది. ప్రజలు దీన్ని ChatGPT మరియు ChatGPT పని ద్వారా ఉపయోగిస్తారు. డెవలపర్‌లు Codex మరియు API ద్వారా దీన్ని ఉపయోగించి నిర్మిస్తారు. ఎంటర్‌ప్రైజ్‌లు పని జరిగే సిస్టమ్‌లలో దీన్ని అమలు చేస్తాయి.

ఒక పొర మెరుగుపడితే, ప్రతి ప్రొడక్ట్ మరియు కస్టమర్ లాభపడగలరు.

కలిపి చూస్తే, డాలర్‌కు ఉపయోగకరమైన ఇంటెలిజెన్స్ మెరుగుపడుతుందా అని ఈ నాలుగు కొలమానాలు చెబుతాయి.

ఉపయోగకరమైన పని AI ఏమి ఉత్పత్తి చేస్తుందో చెబుతుంది. ఒక్కో విజయవంతమైన పనికి ఖర్చు, ఫలితాన్ని చేరుకోవడానికి ఏమి కావాలో చెబుతుంది. పనిలో ఎంత భాగాన్ని ప్రజలు నమ్మకంగా ఉపయోగించగలరో ఆధారపడగలగడం చెబుతుంది. కాలక్రమంలో ప్రతి డాలర్ మరియు ప్రతి కంప్యూట్ యూనిట్ మరింత సాధిస్తున్నాయా అన్నది పరిమాణంలో విలువ చెబుతుంది.

ప్రజలు మరింత అర్థవంతమైన పని చేయడం, మెరుగైన నిర్ణయాలు తీసుకోవడం, స్పష్టంగా మానవ నిర్ణయశక్తి మరియు సృజనాత్మకత అవసరమైన తమ పనిలోని భాగాలకు ఎక్కువ సమయం కేటాయించడం కోసం సహాయపడే AIనే లక్ష్యం.

ప్రతి తరంతో ఆ సమీకరణాన్ని మెరుగుపరచడం మా పని: మరింత సామర్థ్యవంతమైన మోడల్‌లు, వేగవంతమైన మరియు మరింత ఆధారపడగల ఫలితాలు, కస్టమర్‌లకు అవసరమైన పనికి తక్కువ ఖర్చులు.

కాలక్రమేణా AI మరింత మంది ప్రజలకు మరియు సంస్థలకు మరింత ఉపయోగకరంగా మారేది ఇలాగే.