วิธีเชื่อมโยงการใช้ AI กับคุณค่าทางธุรกิจ
ทำความเข้าใจว่าทีมใช้ ChatGPT Work และ Codex อย่างไร ดูว่างานใดอยู่เบื้องหลังค่าใช้จ่ายที่เกิดขึ้น และเชื่อมโยงการใช้งานเหล่านั้นกับผลลัพธ์ที่วัดได้
เมื่อมีทีมต่างๆ นำ AI มาใช้มากขึ้น ผู้ดูแลระบบและผู้นำธุรกิจจำเป็นต้องเข้าใจว่า AI สร้างคุณค่าในส่วนใด และควรลงทุนเพิ่มเติมในด้านใด ข้อมูลการใช้งานและค่าใช้จ่ายช่วยให้เห็นภาพได้ส่วนหนึ่ง แต่ผู้ดูแลระบบยังต้องเข้าใจด้วยว่าผู้คนนำ AI ไปใช้ทำอะไร และ AI ช่วยให้พวกเขาทำงานใดสำเร็จได้บ้าง
การวิเคราะห์ในคอนโซลผู้ดูแลระบบของ ChatGPT รวบรวมข้อมูลการใช้งานและต้นทุน ข้อมูลเชิงลึกเกี่ยวกับงาน และตัวชี้วัดผลลัพธ์จาก ChatGPT Work และ Codex ไว้ด้วยกัน
ต่อไปนี้คือวิธีที่ผู้ดูแลระบบสามารถใช้เครื่องมือเหล่านี้เพื่อทำความเข้าใจการนำไปใช้ สนับสนุนทีม และประเมินคุณค่าทางธุรกิจ
ข้อมูลวิเคราะห์การใช้งานช่วยให้เห็นว่าการนำ AI ไปใช้กำลังเติบโตในส่วนใดและค่าใช้จ่ายกระจุกตัวอยู่ที่ไหน ทำให้ผู้ดูแลระบบสามารถมุ่งให้ความช่วยเหลือได้ตรงจุด ตรวจสอบค่าใช้จ่าย และประเมินคำขอเพิ่มขีดความสามารถได้ มุมมองการใช้งานรวบรวมข้อมูลผู้ใช้ที่ใช้งานอยู่ เครดิต และการใช้โทเค็นจากทั้ง ChatGPT Work และ Codex ไว้ในที่เดียว ตัวอย่างเช่น การกรองตามกลุ่มหรือผู้ใช้อาจช่วยให้เห็นว่าส่วนใดมีการนำ AI ไปใช้น้อย ทำให้ผู้ดูแลระบบสามารถทบทวนขั้นตอนการทำงานเบื้องต้นและความต้องการด้านการฝึกอบรมร่วมกับผู้รับผิดชอบทีมได้
ภาพรวมการใช้งานแสดงผู้ใช้ที่ใช้งานอยู่และแนวโน้มเครดิตใน ChatGPT Work และ Codex ภาพหน้าจอทั้งหมดใช้ข้อมูลสาธิตที่จัดทำขึ้นเพื่อเป็นตัวอย่าง
ตัวจำแนกประเภทงานในข้อมูลเชิงลึก ช่วยให้ผู้ดูแลระบบเข้าใจว่า AI สนับสนุนงานประเภทใดบ้าง โดยนำตัวอย่างข้อความมาจัดกลุ่มตามกรณีการใช้งานและประเภทงาน ตัวอย่างเช่น งานวิศวกรรมซอฟต์แวร์ครอบคลุมการพัฒนาฟีเจอร์และการบำรุงรักษาโค้ด ส่วนงานด้านการขายและรายได้ครอบคลุมการค้นคว้าข้อมูลลูกค้าเป้าหมายและการวางแผน แท็บภาพรวมช่วยให้เห็นภาพรวมของงานประเภทต่างๆ ได้อย่างรวดเร็ว ส่วนแท็บกรณีการใช้งานแสดงตารางโดยละเอียดที่แจกแจงตามประเภทงาน ผู้ดูแลระบบสามารถกรองข้อมูลตามกลุ่มเพื่อดูว่าแต่ละทีมใช้ AI อย่างไร จากนั้นทำงานร่วมกับเจ้าของธุรกิจเพื่อตัดสินใจว่าควรประเมินขั้นตอนการทำงานและผลลัพธ์ใดบ้าง
ภาพรวมข้อมูลเชิงลึกแสดงการกระจายการใช้เครดิตในงานประเภทต่างๆ ตั้งแต่การพัฒนาฟีเจอร์ไปจนถึงการค้นคว้าข้อมูลลูกค้าเป้าหมาย
สำหรับทีมฝ่ายขายที่แสดงด้านล่าง การค้นคว้าข้อมูลและวางแผนสำหรับลูกค้าเป้าหมายเป็นงานที่ใช้เครดิตมากที่สุด ซึ่งเป็นจุดเริ่มต้นที่ดีในการหารือว่า AI เปลี่ยนวิธีเตรียมความพร้อมก่อนเข้าพบลูกค้าอย่างไร
ตารางกรณีการใช้งานแสดงรายละเอียดงานของทีมโดยแยกตามประเภทงาน พร้อมข้อมูลเครดิต จำนวนข้อความ และจำนวนผู้ใช้ที่ใช้งานอยู่
ในรายละเอียดของงานส่วนโมเดล การให้เหตุผล และความเร็ว จะแสดงสัดส่วนการใช้เครดิตของแต่ละการตั้งค่าสำหรับงานนั้น ข้อมูลนี้ช่วยให้ผู้ดูแลระบบประเมินได้ว่าการตั้งค่าที่ใช้อยู่เหมาะกับงานหรือไม่ และระบุว่าทีมควรได้รับการฝึกอบรมเรื่องการเลือกโมเดลในด้านใด ตัวอย่างเช่น งานจัดทำข้อมูลสรุปทั่วไปอาจทดลองใช้การตั้งค่าที่เร็วขึ้นหรือมีต้นทุนต่ำลง แล้วเปรียบเทียบคุณภาพ รวมถึงเวลาที่ใช้ตรวจสอบและแก้ไขผลลัพธ์
มุมมองอันดับการใช้งานปลั๊กอิน และทักษะแสดงให้เห็นว่าเครื่องมือใดช่วยสนับสนุนงานแต่ละประเภท ผู้ดูแลระบบจึงสามารถวางแผนการฝึกอบรมและพิจารณาว่าขั้นตอนการทำงานใดควรได้รับการดูแลหรือแชร์ให้ทีมอื่น หากปลั๊กอินที่เหมาะกับงานมีการใช้งานต่ำ อาจหมายถึงทีมยังเข้าใช้งานไม่ได้หรือต้องการการฝึกอบรม ส่วนสกิลที่ใช้บ่อยควรกำหนดผู้รับผิดชอบให้ชัดเจนและอัปเดตอย่างสม่ำเสมอ
มุมมองผลลัพธ์แสดงการมีส่วนร่วมของ Codex ในคอมมิตที่รวมเข้ากับโค้ดหลักแล้วและจำนวนบรรทัดของโค้ด พร้อมข้อมูลกิจกรรมการตรวจสอบโค้ด แนวโน้มและตัวกรองที่มีให้ตามกลุ่ม ผู้ใช้ หรือ Repository ช่วยให้ผู้ดูแลระบบและผู้นำด้านวิศวกรรมเข้าใจระดับการนำ Codex ไปใช้ และตัดสินใจได้ว่าควรขยายสิทธิ์การเข้าถึงหรือให้การสนับสนุนทีมในส่วนใด
หากสัดส่วนของโค้ดที่ Codex มีส่วนช่วยและได้รับการรวมเข้ากับโค้ดหลักเพิ่มขึ้น ผู้นำด้านวิศวกรรมสามารถเปรียบเทียบแนวโน้มนี้กับเวลาในการตรวจสอบโค้ด ข้อบกพร่อง และปริมาณงานที่ต้องแก้ใหม่ เพื่อดูว่า Codex ช่วยให้ทีมส่งมอบซอฟต์แวร์ได้มีประสิทธิภาพยิ่งขึ้นหรือไม่
มุมมองผลลัพธ์ ติดตามสัดส่วนคอมมิตที่ผสานแล้วและจำนวนบรรทัดโค้ดที่ Codex มีส่วนร่วมในแต่ละช่วงเวลา
ปลั๊กอินผู้ดูแลระบบใน ChatGPT Work ช่วยให้ผู้ดูแลระบบเปรียบเทียบการนำไปใช้ ค่าใช้จ่าย และงานต่างๆ แล้วนำข้อค้นพบมาจัดทำรายงานเพื่อประกอบการตัดสินใจด้านงบประมาณและการเปิดตัว ปลั๊กอินยังสร้างชิ้นงานที่พร้อมใช้ได้ เช่น ชุดสไลด์สำหรับผู้บริหารที่มีแผนภูมิ ข้อค้นพบสำคัญ และคำแนะนำสำหรับขั้นตอนถัดไป พร้อมแชร์กับผู้มีส่วนได้ส่วนเสียจากหลายฝ่าย
ทีมสามารถใช้ Admin API เพื่อสร้างรายงานอัตโนมัติในแดชบอร์ดของตนเอง และนำข้อมูลวิเคราะห์มารวมกับข้อมูลจากระบบธุรกิจได้ ตัวอย่างเช่น แดชบอร์ดของฝ่ายช่วยเหลือลูกค้าอาจแสดงการใช้เครดิตควบคู่กับระยะเวลาที่ใช้แก้ไขปัญหาในแต่ละคำขอ
ปลั๊กอินผู้ดูแลระบบเปรียบเทียบแนวโน้มเครดิตของทีมและสรุปการเปลี่ยนแปลงสำหรับการทบทวนการเปิดตัวประจำเดือน
ข้อมูลการใช้งานและข้อมูลงานเป็นจุดเริ่มต้นที่ช่วยให้ผู้ดูแลระบบทำงานร่วมกับเจ้าของธุรกิจเพื่อประเมินคุณค่าที่เกิดขึ้น โดยเจ้าของธุรกิจจะช่วยเติมบริบทที่จำเป็น เช่น ขั้นตอนการทำงานเปลี่ยนแปลงไปอย่างไร ผลลัพธ์ดีขึ้นหรือไม่ และการปรับปรุงนั้นสร้างคุณค่าได้มากเพียงใด เมื่อนำข้อมูลเหล่านี้มาพิจารณาร่วมกัน ก็จะสามารถเชื่อมโยงการใช้งานผลิตภัณฑ์กับผลลัพธ์ต่างๆ เช่น ระยะเวลาในการส่งมอบ คุณภาพ หรือความสามารถในการทำกำไร
สมมติว่าตัวจำแนกงานในคอนโซลผู้ดูแลระบบแสดงว่ากลุ่มฝ่ายขายทำการวิจัยลูกค้าองค์กรเป็นประจำ ผู้ดูแลระบบอาจตรวจสอบว่าโมเดลที่ทีมเลือกใช้เหมาะกับงานหรือไม่ จัดการฝึกอบรมหากพบว่ายังใช้ปลั๊กอิน CRM ไม่เต็มประสิทธิภาพ และแชร์ทักษะเพื่อช่วยให้ทีมจัดทำแผนสำหรับลูกค้าเป้าหมายได้อย่างสม่ำเสมอ จากนั้น ผู้รับผิดชอบฝ่ายขายจะเปรียบเทียบเวลาที่ใช้เตรียมงานและคุณภาพของแผนกับค่าพื้นฐานของทีม หากประหยัดเวลาได้ ก็จะติดตามว่าเวลาที่ประหยัดได้นั้นถูกนำไปใช้พูดคุยกับลูกค้ามากน้อยเพียงใด การพูดคุยเหล่านั้นนำไปสู่โอกาสทางการขายที่ผ่านเกณฑ์กี่ครั้ง และมีกี่โอกาสที่เปลี่ยนเป็นยอดขาย รายได้และกำไรส่วนเพิ่มจากธุรกิจที่เกิดขึ้นจะช่วยให้เห็นว่ากำลังการทำงานที่เพิ่มขึ้นสร้างประโยชน์ทางการเงินได้จริงหรือไม่
หากต้องการประเมินคุณค่าของขั้นตอนการทำงาน ให้เริ่มจากคำถามต่อไปนี้:
คุณต้องการปรับปรุงอะไร เลือกผลลัพธ์ที่สำคัญต่อทีม เช่น เตรียมงานได้เร็วขึ้น งานมีคุณภาพดีขึ้น ต้นทุนลดลง หรือยอดขายเพิ่มขึ้น
กระบวนการในปัจจุบันเป็นอย่างไร กำหนดจุดเริ่มต้น ได้แก่ ทีมทำงานนี้บ่อยเพียงใด ใช้เวลานานเท่าใด และผลลัพธ์ที่ดีควรเป็นอย่างไร
AI ทำให้อะไรเปลี่ยนไป เปรียบเทียบผลลัพธ์ในช่วงเวลาที่กำหนด รวมเวลาที่ใช้ตรวจสอบและแก้ไขงานด้วย เพื่อให้มั่นใจว่าแม้จะทำงานเสร็จเร็วขึ้น แต่ยังคงเป็นไปตามมาตรฐานคุณภาพของทีม
สิ่งนี้ช่วยให้ทีมทำอะไรได้บ้าง เวลาที่ประหยัดได้อาจทำให้มีเวลาสนทนากับลูกค้ามากขึ้น งานที่มีคุณภาพดีขึ้นอาจช่วยลดจำนวนครั้งที่ต้องแก้ไข พูดคุยกับทีมเพื่อทำความเข้าใจว่าการปรับปรุงเหล่านั้นมีความสำคัญที่สุดในด้านใด
ประโยชน์ที่ได้รับคุ้มค่ากับการลงทุนหรือไม่ เปรียบเทียบสิ่งที่ทีมได้รับกับค่าใช้จ่ายด้าน AI การตั้งค่า และการสนับสนุนอย่างต่อเนื่อง ข้อมูลนี้จะช่วยให้คุณตัดสินใจได้ว่าควรขยายส่วนใดและทีมต้องการความช่วยเหลือเพิ่มเติมในด้านใด
ตัวอย่าง ROI รายปี: การวิจัยลูกค้าองค์กรสำหรับงานขาย
ลองนึกภาพทีมฝ่ายขายที่พนักงานขายแต่ละคนต้องจัดทำข้อมูลสรุปเกี่ยวกับลูกค้าเป้าหมายสัปดาห์ละ 2 ชุด โดยแต่ละชุดจะรวบรวมทั้งประวัติของลูกค้าเป้าหมาย ข้อมูลจากการศึกษาภาคอุตสาหกรรม และมุมมองหรือประเด็นที่จะใช้ในการพูดคุยครั้งถัดไป
AI เข้ามาเปลี่ยนแปลงอะไรบ้าง
ทั้งหมดนี้รวมกันเป็นเท่าใด
เวลาที่ประหยัดได้ต่อปี
ผู้ขาย 20 คน × สรุป 2 ฉบับต่อสัปดาห์ × ประหยัด 3 ชั่วโมง × 46 สัปดาห์ = 5,520 ชั่วโมง
มูลค่ากำลังการทำงานต่อปีโดยประมาณ
สมมติว่าทีมนำเวลา 50% ไปใช้กับงานที่ก่อให้เกิดผลผลิต โดยคิดมูลค่าจากต้นทุนพนักงานรวมทั้งหมด 75 ดอลลาร์ต่อชั่วโมง ผู้ขายสามารถใช้เวลาดังกล่าวเพื่อติดต่อผู้มีโอกาสเป็นลูกค้ารายใหม่ ติดตามโอกาสทางการขาย และใช้เวลากับลูกค้ามากขึ้น
5,520 ชั่วโมง × 50% × 75 ดอลลาร์ = 207,000 ดอลลาร์
ต้นทุนรวมในปีแรก
สมมติว่ามีค่าใช้จ่าย 60,000 ดอลลาร์สำหรับ AI การตั้งค่าระบบ การฝึกอบรม และการสนับสนุนอย่างต่อเนื่อง
(207,000 ดอลลาร์ − 60,000 ดอลลาร์) ÷ 60,000 ดอลลาร์ = ROI ตัวอย่าง 245%
คุณค่าที่เกิดจากขั้นตอนการทำงานอาจมีมากกว่าการช่วยให้ทำงานได้อย่างมีประสิทธิภาพ สำหรับงานขาย การค้นคว้าข้อมูลลูกค้าเป้าหมายอย่างมีคุณภาพและการสร้างความเข้าใจเกี่ยวกับลูกค้าร่วมกันในทีม สามารถนำไปสู่การสนทนาที่มีคุณภาพมากขึ้น ความสัมพันธ์ที่แน่นแฟ้นขึ้น และโอกาสทางธุรกิจใหม่ๆ ทีมจึงสามารถประเมินต่อได้ว่าสิ่งเหล่านี้ช่วยสร้างผลลัพธ์ทางธุรกิจเพิ่มเติมหรือไม่ เช่น ลดระยะเวลาในการปิดดีลหรือเพิ่มอัตราการชนะดีล
ตัวเลขทั้งหมดเป็นเพียงตัวเลขสมมติ ROI คำนวณจากมูลค่ากำลังการทำงานที่เพิ่มขึ้นโดยประมาณ และไม่รวมผลประโยชน์ที่อาจได้รับจากอัตราการปิดการขายที่สูงขึ้น ขนาดดีลที่ใหญ่ขึ้น หรือผลลัพธ์ทางการขายด้านอื่นๆ
ตั้งแต่การพัฒนาซอฟต์แวร์ไปจนถึงการจัดอีเวนต์ ลูกค้ากำลังนำ AI มาใช้กับงานที่มีความสำคัญต่อธุรกิจของตน เช่น:
1Password ใช้ Codex เพื่อพัฒนา ตรวจสอบ และทดสอบซอฟต์แวร์ ช่วยให้วิศวกรนำฟีเจอร์ออกสู่ผู้ใช้ได้เร็วขึ้น โดยบริษัทประเมินว่ามีผลตอบแทนจากการลงทุน 553% และสร้างมูลค่าจากกำลังการทำงานด้านวิศวกรรมที่เพิ่มขึ้น 0.8 ล้านดอลลาร์ต่อปี Codex ช่วยให้ทีมพัฒนาฟีเจอร์ที่พร้อมใช้งานจริงและเครื่องมือภายในได้รวดเร็วยิ่งขึ้น พร้อมรักษานโยบายด้านความปลอดภัยที่เข้มงวด
ATV Big Air Tour ใช้ ChatGPT Work เพื่อตรวจสอบข้อมูลอีเวนต์ วางแผนสินค้าคงคลัง และเพิ่มการมองเห็นของเว็บไซต์ จากเดิมที่ต้องใช้เวลาตรวจสอบข้อมูลอีเวนต์ 8 ชั่วโมงต่อสัปดาห์ ตอนนี้เหลือเพียง 1 ชั่วโมง ส่วนงานด้านสินค้าคงคลังที่เคยใช้เวลา 2 ถึง 3 วัน ก็ลดเหลือเพียง 2 ถึง 3 ชั่วโมง ทำให้ทีมมีเวลามากขึ้นสำหรับการจัดทัวร์และดูแลลูกค้า
Playco ใช้ GPT‑6 Astra ผ่าน API ของ OpenAI เพื่อสร้างและทดสอบต้นแบบเกมที่สามารถเล่นได้ ทีมสร้างต้นแบบ 3 รูปแบบที่มีธีมแตกต่างกันโดยใช้โครงสร้างพื้นฐานเดียวกัน และรายงานว่าต้องแก้ไขด้วยตนเองน้อยลง 50% เมื่อเทียบกับโมเดลก่อนหน้า ช่วยให้นักพัฒนาสามารถทดลองและเปรียบเทียบแนวคิดต่างๆ ได้มากขึ้น
เปิดข้อมูลเชิงลึกในคอลโซลผู้ดูแลระบบ แล้วเลือกงานที่ทำเป็นประจำและสนับสนุนเป้าหมายสำคัญทางธุรกิจ จากนั้นทบทวนงานดังกล่าวร่วมกับเจ้าของธุรกิจ ตกลงค่าพื้นฐานและผลลัพธ์ที่ต้องการวัด พร้อมกำหนดวันที่จะกลับมาทบทวนความคืบหน้า ใช้ผลที่ได้เพื่อตัดสินใจว่าจะขยายการใช้ขั้นตอนการทำงานนี้ ปรับปรุงวิธีที่ทีมใช้งาน หรือทดลองแนวทางอื่น ดูข้อมูลเพิ่มเติม(เปิดในหน้าต่างใหม่)ในเอกสารของเรา
การรักษาความเป็นส่วนตัวของข้อมูล เราไม่นำข้อมูลทางธุรกิจขององค์กรคุณไปใช้ฝึกโมเดลของเราโดยค่าเริ่มต้น
