OpenAI B2B Signals

วันนี้เราได้เปิดตัว B2B Signals ซึ่งเป็นส่วนขยายเชิงธุรกิจของ OpenAI Signals⁠ และเป็นเครื่องชี้วัดว่า AI กำลังแพร่หลายไปในองค์กรต่างๆ อย่างไร สัญญาณเริ่มต้นบ่งชี้ชัดเจนว่า บริษัทแนวหน้ากำลังทิ้งห่างคู่แข่ง ไม่ใช่เพียงเพราะพวกเขาเข้าถึง AI ได้ก่อนใคร แต่เป็นเพราะพวกเขานำ AI มาปรับใช้ในกระบวนการทำงานอย่างลึกซึ้งยิ่งกว่า

B2B Signals คือชุดดัชนีชี้วัดที่จัดทำขึ้นอย่างต่อเนื่อง โดยวิเคราะห์ข้อมูลภาพรวมจากการใช้งาน AI ในภาคธุรกิจขนาดใหญ่ภายใต้มาตรฐานการคุ้มครองความเป็นส่วนตัว ระบบนี้ติดตามพฤติกรรมและรูปแบบที่ช่วยให้องค์กรเข้าใจว่าจะเปลี่ยนข้อมูลเชิงลึกให้เป็นมูลค่าทางธุรกิจได้อย่างไร

กลุ่มบริษัทระดับแนวหน้าที่ใช้งาน AI ในระดับเปอร์เซ็นไทล์ที่ 95 เน้นการใช้ศักยภาพของเทคโนโลยีต่อหัวพนักงานในปริมาณที่มากกว่า มีการประยุกต์ใช้เครื่องมือขั้นสูงอย่างเข้มข้นกว่า และบูรณาการ AI เข้าเป็นส่วนหนึ่งของขั้นตอนการทำงานอย่างเหนียวแน่น เราเริ่มเห็นช่องว่างที่ทิ้งห่างกันอย่างก้าวกระโดดในบางกลุ่มบริษัท ซึ่งหัวใจสำคัญที่ทำให้เกิดความต่างนี้คือการเข้าถึงศักยภาพของ AI ในระดับที่ลึกซึ้งขึ้น

ประเด็นสำคัญ

• ความได้เปรียบของบริษัทระดับแนวหน้าเริ่มส่งผลแบบทวีคูณ: ในปัจจุบันบริษัทระดับแนวหน้าใช้ความฉลาดของ AI ต่อพนักงานหนึ่งคนมากกว่าบริษัททั่วไป 3.5 เท่า ซึ่งเพิ่มขึ้นจาก 2 เท่าเมื่อปีที่แล้ว 
• องค์กรชั้นนำเน้นการใช้งาน AI ในเชิงลึก ไม่ใช่แค่บ่อยกว่า โดยปริมาณข้อความสามารถอธิบายช่องว่างระหว่างบริษัทระดับแนวหน้ากับบริษัททั่วไปได้เพียง 36% เท่านั้น ข้อได้เปรียบระดับแนวหน้าส่วนใหญ่มาจากการใช้งานในเชิงลึก 
• เวิร์กโฟลว์เชิงเอเจนต์กำลังกลายเป็นตัวชี้วัดของการประยุกต์ใช้ในระดับแนวหน้า: โดยช่องว่างความเหลื่อมล้ำนั้นปรากฏชัดที่สุดในกลุ่มเครื่องมือเอเจนต์ขั้นสูง ซึ่งบริษัทระดับแนวหน้ามีการส่งข้อความผ่าน Codex มากกว่าบริษัททั่วไปถึง 16 เท่า 
• บริษัทต่างๆ สามารถปิดช่องว่างความเหลื่อมล้ำผ่านการเปลี่ยนแปลงองค์กร หากต้องการไล่ตามให้ทัน บริษัทต่างๆ จำเป็นต้องวัดความลึกในการใช้งาน จัดลำดับความสำคัญให้กับการกำกับดูแล ลงทุนในด้านการส่งเสริมศักยภาพ ขยายผลสิ่งที่ใช้ได้จริง และเปลี่ยนผ่านจากการใช้ระบบแชตช่วยเหลือไปสู่การมอบหมายงานให้เอเจนต์ปฏิบัติงานแทน

ความได้เปรียบของบริษัทระดับแนวหน้าเริ่มส่งผลแบบทวีคูณ และกลุ่มบริษัทที่นำ AI มาประยุกต์ใช้อย่างจริงจังในระดับลึกกำลังทิ้งห่างคู่แข่งไปอีกขั้น

การจัดสรรสิทธิการเข้าถึงเป็นเพียงก้าวแรกของบริษัทในการนำเทคโนโลยีมาใช้ สัญญาณที่ชัดเจนกว่าคือการที่พนักงานใช้ AI สำหรับงานที่ลึกซึ้งและมีความซับซ้อนมากขึ้นหรือไม่ แผนภูมินี้เปรียบเทียบจำนวนโทเค็นที่พนักงานแต่ละคนสร้างขึ้นระหว่างบริษัทระดับแนวหน้า (กลุ่มเปอร์เซ็นไทล์ที่ 95) กับบริษัททั่วไป (กลุ่มเปอร์เซ็นไทล์ที่ 50)

โทเค็นเป็นมาตรวัดมูลค่าทางธุรกิจที่ยังไม่สมบูรณ์นัก คำตอบที่สั้นอาจมีคุณค่าสูงมาก ในขณะที่คำตอบที่ยาวอาจมีคุณค่าน้อยก็ได้ แต่ปริมาณโทเค็นช่วยวัดได้ว่าพนักงานมอบหมายงานให้ AI ทำมากน้อยเพียงใด จึงถือเป็นตัวแทนที่มีประโยชน์ในการประเมินความลึกของการใช้งาน และระดับความชาญฉลาดที่พนักงานเรียกใช้จากระบบ AI

บริษัทระดับแนวหน้ามีความต้องการความฉลาดจาก AI ต่อพนักงานหนึ่งคนสูงกว่าบริษัททั่วไปถึง 3.5 เท่า ช่องว่างนี้ขยับเพิ่มจาก 2 เท่าในเดือนเมษายน 2568 ซึ่งส่อให้เห็นว่าองค์กรที่ใช้ AI ในระดับลึกกำลังทิ้งห่างคู่แข่งมากขึ้นเรื่อยๆ และมีความได้เปรียบในการเปลี่ยนความสามารถล่าสุดของ AI ให้เป็นกระบวนการทำงานที่ซับซ้อนและมีคุณภาพยิ่งกว่าเดิม

ความได้เปรียบส่วนใหญ่เกิดจากการใช้งานที่ลึกซึ้งยิ่งขึ้น มากกว่าที่จะมาจากปริมาณการส่งข้อความที่สูงขึ้น

บริษัทระดับแนวหน้ามีความต้องการใช้ความฉลาดของระบบต่อพนักงานหนึ่งคนมากกว่าบริษัททั่วไปอย่างมาก แต่ช่องว่างส่วนใหญ่นั้นไม่สามารถอธิบายได้ด้วยปริมาณข้อความเพียงอย่างเดียว แผนภูมินี้แยกส่วนประกอบความได้เปรียบ 3.5 เท่าของบริษัทระดับแนวหน้า และพบว่าหากบริษัททั่วไปส่งข้อความในอัตราส่วนเดียวกับบริษัทระดับแนวหน้า ก็จะสามารถลดช่องว่าง 3.5 เท่านี้ได้เพียง 36% เท่านั้น

ช่องว่างที่เหลือนั้นมีความเกี่ยวข้องกับการใช้งานที่ลึกซึ้งยิ่งขึ้น พนักงานในบริษัทระดับแนวหน้ามอบหมายงานที่มีความซับซ้อนมากขึ้นให้ AI ทำ โดยมีการให้บริบทที่ละเอียดครบถ้วนแก่โมเดล และสร้างผลลัพธ์ที่มีเนื้อหาสาระสำคัญมากขึ้น

ความได้เปรียบระดับแนวหน้าปรากฏให้เห็นในการใช้เครื่องมือระดับสูงและเครื่องมือแบบเอเจนต์ โดยมีการใช้งาน Codex ที่สูงกว่า 16 เท่าเป็นตัวนำ

ข้อได้เปรียบจากความเป็นระดับแนวหน้ามีมากที่สุดสำหรับเครื่องมือที่รองรับกระบวนการทำงานขั้นสูงกว่า Codex แสดงให้เห็นถึงช่องว่างที่กว้างที่สุด โดยบริษัทระดับแนวหน้ามีการส่งข้อความต่อพนักงานมากกว่าบริษัททั่วไปถึง 16 เท่า เอเจนต์ ChatGPT, แอปใน ChatGPT, การค้นคว้าข้อมูลเชิงลึก และ GPTs แสดงให้เห็นแสดงให้เห็นถึงช่องว่างที่ค่อนข้างกว้างเช่นกัน ซึ่งชี้ให้เห็นว่าบริษัทชั้นนำสามารถนำเครื่องมือมาประยุกต์ใช้ได้ดีกว่า เพื่อช่วยให้พนักงานเขียนโค้ด มอบหมายงานที่มีหลายขั้นตอน นำบริบทขององค์กรมาปรับใช้ และทำการวิจัยที่ซับซ้อนยิ่งขึ้น

ในทางกลับกัน เครื่องมือทั่วไปที่ใช้งานได้สะดวก เช่น การอัปโหลดข้อมูล การค้นหา และการวิเคราะห์ข้อมูล มีช่องว่างความต่างระหว่างกลุ่มระดับแนวหน้ากับกลุ่มทั่วไปไม่มากนัก เครื่องมือเหล่านี้ใช้งานได้ง่ายขึ้นสำหรับบริษัทส่วนใหญ่ เพราะช่วยต่อยอดเวิร์กโฟลว์ที่คุ้นเคยอยู่แล้ว ความได้เปรียบระดับแนวหน้าเด่นชัดที่สุดในเครื่องมือขั้นสูงและเครื่องมือแบบเอเจนต์ ซึ่งการนำมาใช้ต้องอาศัยความเชี่ยวชาญที่มากขึ้น การเชื่อมโยงกับความรู้และเครื่องมือในที่ทำงาน รวมถึงความมั่นใจที่มากขึ้นในการมอบหมายงานให้ AI

ประโยชน์สูงสุดที่กลุ่มแนวหน้าได้รับคือด้านการศึกษาและการเรียนรู้

กลุ่มบริษัทระดับแนวหน้ามีข้อได้เปรียบสูงสุดในด้านการศึกษาและการเรียนรู้ โดยมีการส่งข้อความสูงกว่าบริษัททั่วไปถึง 7 เท่า บริษัทระดับแนวหน้าใช้ AI เพื่อช่วยให้พนักงานเสริมสร้างทักษะและเรียนรู้หัวข้อใหม่ๆ พวกเขายังใช้ AI เพื่อเสริมความเข้าใจเกี่ยวกับตัว AI เองด้วย ทั้งในด้านขีดความสามารถ วิธีการใช้งานให้เกิดประสิทธิภาพสูงสุด และจุดที่ AI จะสามารถเข้าไปแทรกอยู่ในเวิร์กโฟลว์เดิมที่มีอยู่ได้ ขนาดของช่องว่างดังกล่าวชี้ให้เห็นว่า บริษัททั่วไปอาจยังใช้งาน AI ในฐานะเครื่องมือสำหรับการเรียนรู้และพัฒนาบุคลากรน้อยกว่าที่ควรจะเป็น

ด้านการเขียนโค้ดก็แสดงให้เห็นช่องว่างที่ห่างกันถึง 4 เท่า ซึ่งสอดคล้องกับภาพรวมของความแตกต่างในการใช้เครื่องมือขั้นสูงและเครื่องมือแบบเอเจนต์ การให้คำแนะนำขั้นตอนการทำงาน รวมถึงงานเขียนและการสื่อสาร มีช่องว่างความแตกต่างน้อยที่สุด ซึ่งน่าจะเป็นเพราะงานเหล่านี้เป็นรูปแบบการใช้งาน AI ที่เข้าถึงง่ายและมีความคุ้นเคยมากกว่า

การใช้งาน AI แพร่หลายที่สุดในงานเขียน แต่การใช้งานเฉพาะสายงานก็กำลังเติบโตขึ้นเช่นกัน

การเขียนและการสื่อสารยังคงเป็นรูปแบบการใช้งาน ChatGPT ที่มีการใช้บ่อยที่สุด อย่างไรก็ตามรูปแบบการใช้งานมีความแตกต่างกันอย่างมีนัยสำคัญตามสายงาน 60% ของข้อความในกลุ่มงานไอทีและรักษาความปลอดภัย กระจุกตัวอยู่กับการสอบถามวิธีการและคำแนะนำด้านขั้นตอนการทำงาน ส่วนเกือบครึ่งหนึ่งของข้อความในด้านการพัฒนาซอฟต์แวร์และวิทยาการข้อมูลและวิศวกรรมนั้นเกี่ยวข้องกับการเขียนโค้ด และหนึ่งในสิบของงานด้านการเงินเป็นการใช้งานเพื่อการวิเคราะห์และหาค่าทางสถิติ

รูปแบบเหล่านี้สอดคล้องกับหลักฐานในภาพรวมที่แสดงให้เห็นว่า โมเดลระดับแนวหน้ากำลังพัฒนาขีดความสามารถในงานที่สร้างมูลค่าทางเศรษฐกิจในที่ทำงาน GDPval⁠ เป็นการประเมินผลการทำงานที่ใช้ความรู้ในโลกแห่งความเป็นจริงครอบคลุม 44 สายอาชีพ ทำหน้าที่วัดประสิทธิภาพในการปฏิบัติงานที่สร้างผลผลิตจากการทำงานจริง เช่น เอกสาร สเปรดชีต สไลด์นำเสนอ แผนภาพ และสื่อมัลติมีเดีย เมื่อ AI มีความสามารถมากขึ้น การใช้งานในระดับองค์กรก็ดูเหมือนจะขยายขอบเขตไปสู่งานที่เกี่ยวข้องกับงานหลักของแต่ละสายงานอย่างใกล้ชิดยิ่งขึ้น

ความเป็นผู้นำในอุตสาหกรรมไม่ได้มีเพียงมิติเดียว เพราะแต่ละภาคส่วนมีความโดดเด่นที่แตกต่างกันไป ทั้งในการใช้ ChatGPT, Codex และการเชื่อมต่อผ่าน API

ไม่มีมาตรวัดความสำเร็จในการประยุกต์ใช้ AI ที่เป็นมาตรฐานเดียว การจัดอันดับในอุตสาหกรรมจะแตกต่างกันไปขึ้นอยู่กับตัวชี้วัดที่ใช้ กลุ่มธุรกิจบริการด้านวิชาชีพ วิทยาศาสตร์ และเทคนิค จัดอยู่ในอันดับที่หนึ่งทั้งในมิติของการประยุกต์ใช้ Codex และระดับความเข้มข้นของการใช้งาน API ซึ่งบ่งชี้ถึงระดับการใช้งานขั้นสูงในขั้นตอนการปฏิบัติงานของนักพัฒนาและการบูรณาการระบบเข้ากับผลิตภัณฑ์ ภาคการเงินและการประกันภัยเป็นผู้นำด้านการนำ ChatGPT มาใช้ เนื่องจากมีการนำไปใช้งานในสเกลที่ใหญ่ ในขณะที่ภาคบริการการศึกษามีระดับความเข้มข้นของปริมาณข้อความสูงสุด ซึ่งบ่งชี้ถึงอัตราการใช้งานเชิงลึกต่อบุคคลที่สูงกว่า ภาคการค้าปลีกและสาธารณสุขครองลำดับต้น ๆ ในด้านความถี่การเรียกใช้ API แม้ว่ามาตรวัดด้านอื่นจะไม่ได้อยู่ในระดับสูงเท่าใดนัก

ความแตกต่างเหล่านี้ชี้ให้เห็นว่าความเป็นผู้นำในอุตสาหกรรมไม่ได้มีเพียงมิติเดียว บางภาคส่วนเลือกใช้ AI ผ่านกระบวนการทำงานด้านเทคนิคและระบบของนักพัฒนา ในขณะที่ภาคส่วนอื่นเน้นการขยายผลผ่านการปรับใช้ ChatGPT ในวงกว้าง หรือการส่งเสริมให้ผู้ใช้งานทั่วไปใช้งานอย่างเข้มข้นขึ้น

องค์กรต่าง ๆ กำลังนำ API ไปใช้ในเวิร์กโฟลว์สำหรับการใช้งานจริงและแอปพลิเคชันสำหรับลูกค้าโดยตรง

บริษัทต่างๆ กำลังใช้ API กันมากขึ้นเพื่อผสานโมเดลเข้ากับผลิตภัณฑ์ บริการ และระบบภายในโดยตรง รูปแบบการใช้งานจริงที่พบได้ทั่วไป ได้แก่ ผู้ช่วยภายในแอปพลิเคชัน เครื่องมือสำหรับนักพัฒนาและการเขียนโค้ด ฝ่ายสนับสนุนลูกค้า กระบวนการทำงานด้านการวิจัย และระบบอัตโนมัติในการทำงาน

การนำไปใช้งานจริงเหล่านี้แสดงให้เห็นว่า AI สำหรับองค์กรกำลังก้าวข้ามขั้นของการทดลอง ไปสู่ขั้นตอนการทำงานที่ทำซ้ำได้และสร้างผลลัพธ์ทางปฏิบัติที่วัดผลได้จริง หากดูจากกรณีศึกษาของลูกค้า จะเห็นว่าองค์กรต่าง ๆ นำโมเดล OpenAI มาใช้เพื่อเสริมความคล่องตัวให้งานที่ต้องใช้ทักษะความรู้ เพิ่มขีดความสามารถในการผลิตของทีมวิศวกร และพัฒนาฟีเจอร์ AI ที่สร้างความพึงพอใจให้กับทั้งผู้ใช้และคนในองค์กร

สิ่งที่องค์กรทำได้เพื่อก้าวสู่ระดับแนวหน้า

OpenAI ทำงานร่วมกับองค์กรธุรกิจในหลากหลายอุตสาหกรรม สายงาน และระดับความพร้อมด้าน AI ซึ่งทำให้เราเห็นภาพว่าการนำ AI ไปใช้นั้นมีพัฒนาการตั้งแต่ระยะทดลองไปจนถึงการใช้งานจริงได้อย่างไร ท่ามกลางการปรับใช้ในรูปแบบต่าง ๆ องค์กรที่รุดหน้าไปไกลที่สุดมักไม่ได้มองแค่เรื่องการเปิดให้เข้าถึงเครื่องมือเท่านั้น แต่ให้ความสำคัญกับระบบโครงสร้างที่ช่วยให้ใช้ AI ได้อย่างลึกซึ้ง ไม่ว่าจะเป็นด้านการประเมินผล การกำกับดูแล การส่งเสริมการใช้งาน การสร้างผลลัพธ์ในวงกว้าง และการนำ AI มาใช้เป็นผู้ช่วยปฏิบัติงานอัตโนมัติ

มี 5 วิธีปฏิบัติเด่นๆ ที่ทำได้จริง และทุกองค์กรสามารถริเริ่มดำเนินการได้ในปัจจุบัน เพื่อเสริมสร้างการบูรณาการ AI ในเชิงลึก

1. วัดผลความลึกของการใช้งาน นอกเหนือไปจากการวัดแค่สิทธิ์การเข้าถึง
   ตัวชี้วัดที่เกี่ยวข้องไม่ได้มีเพียงแค่ว่ามีพนักงานกี่คนที่มีบัญชี AI แต่ยังรวมถึงว่าทีมต่างๆ ใช้ AI ในเชิงที่มีสาระสำคัญมากขึ้นเมื่อเวลาผ่านไปหรือไม่ องค์กรควรติดตามว่าการใช้งาน AI เกิดขึ้นบ่อยครั้งขึ้น มีความซับซ้อนมากขึ้น และเชื่อมโยงกับกระบวนการทำงานที่สร้างมูลค่าได้มากยิ่งขึ้นหรือไม่
2. สร้างการกำกับดูแลที่ช่วยให้ใช้งานจริงในระบบโปรดักชันได้
   บริษัทชั้นนำไม่ได้หลีกเลี่ยงการวางระบบกำกับดูแล พวกเขากำลังใช้แนวทางนี้เพื่อทำให้ AI แบบเอเจนต์นำไปปรับใช้ได้ง่ายยิ่งขึ้น บริษัทจำเป็นต้องมีกฎเกณฑ์ที่ชัดเจนว่าเอเจนต์สามารถทำงานในส่วนไหนได้บ้าง สามารถใช้ข้อมูลอะไรได้บ้าง เมื่อใดที่ควรทำหน้าที่เพียงให้คำแนะนำแทนการลงมือทำ และมนุษย์จะมีขั้นตอนตรวจสอบการตัดสินใจที่มีความเสี่ยงสูงอย่างไร บริษัทระดับแนวหน้ากำลังกำหนดมาตรฐานเหล่านี้ในฐานะส่วนหนึ่งของกระบวนการปรับใช้ระบบ ทำให้การกำกับดูแลกลายเป็นแนวทางในการขยายการนำมาใช้งานอย่างปลอดภัย แทนที่จะเป็นสิ่งที่ชะลอการนำมาใช้งาน
3. ให้มองการสร้างความพร้อมเป็นโครงสร้างพื้นฐานหลัก ไม่ใช่โครงการเสริม
   เมื่อขีดความสามารถด้าน AI พัฒนาขึ้น ทั้งคนทำงานและองค์กรต่างก็ต้องการระบบที่ช่วยให้พวกเขาก้าวให้ทัน บริษัทระดับแนวหน้าไม่ได้มองว่าการเสริมศักยภาพเป็นการผลักดันการฝึกอบรมเพียงครั้งเดียว พวกเขาผนวกการเรียนรู้อย่างต่อเนื่องไว้ในกระบวนการนำไปใช้งาน ผ่านการฝึกอบรมเฉพาะบทบาท เวิร์กช็อปด้านกรณีการใช้งาน การจัดกิจกรรม Hackathon การสร้างเครือข่ายผู้นำการเปลี่ยนแปลงภายใน จัดสรรเวลาสำหรับการทดลองโดยเฉพาะ และการจัดทำฐานข้อมูลเวิร์กโฟลว์ วิธีการปฏิบัติงานที่ได้ผลดี และทักษะต่างๆ เพื่อใช้ร่วมกัน 
4. เฟ้นหาทีมระดับแนวหน้าของคุณและขยายผลลัพธ์ที่พวกเขาสร้างให้ครอบคลุมทั่วทั้งองค์กร
   ในหลายองค์กรการใช้งานขั้นสูงที่สุดมักกระจุกตัวอยู่ในทีมเพียงไม่กี่ทีม ทีมเหล่านี้สามารถสะท้อนให้เห็นว่าเวิร์กโฟลว์ นิสัยการทำงาน และรูปแบบการดำเนินงานแบบใดที่ใช้ได้ผลจริง ผู้บริหารควรเฟ้นหาทีมกลุ่มนี้เพื่อศึกษารูปแบบความสำเร็จและนำไปต่อยอดในวงกว้าง พร้อมส่งเสริมการถ่ายทอดประสบการณ์และตัวอย่างการใช้ AI ระดับสูงให้กระจายไปทั่วทั้งองค์กร 
5. ก้าวข้ามจากใช้แชตทั่วไปสู่การส่งต่องานให้ AI ทำแทน
   AI ระดับองค์กรกำลังเปลี่ยนผ่านจากผู้ช่วยในรูปแบบแชต ไปสู่งานที่สามารถมอบหมายให้เอเจนต์ดำเนินการแทนได้ แม้ว่าสายงานวิศวกรรมซอฟต์แวร์จะเป็นตัวอย่างที่เห็นภาพชัดที่สุด แต่ปัจจุบันการส่งต่องานให้เอเจนต์จัดการแทนเริ่มกระจายตัวไปในทุกแผนกแล้ว ระบบ Codex ช่วยให้วิศวกรสามารถมอบหมายภาระงานที่มีความชัดเจน โดยป้อนบริบทที่จำเป็นให้แก่เอเจนต์ และปล่อยให้ระบบดำเนินการข้ามไฟล์ ฐานข้อมูลโค้ด และเครื่องมือต่างๆ ได้โดยอิสระ หลังจากนั้นจึงทำการประเมินผลลัพธ์และพัฒนาขั้นตอนการทำงานผ่านการให้ข้อเสนอแนะ บริษัทระดับแนวหน้ากำลังสนับสนุนให้พนักงานมอบหมายงานให้ AI ทำแทน มากกว่าที่จะใช้ AI เป็นเพียงผู้ช่วยที่คอยตอบคำถามอยู่กับที่

หากคุณต้องการศึกษาผลการวิจัยฉบับเต็ม หรือเรียนรู้วิธีนำ AI มาใช้ในองค์กรอย่างมีความรับผิดชอบ [โปรดติดต่อเรา⁠]