แนวโน้มการใช้ AI ในองค์กร: สิ่งที่บริษัทแนวหน้าทำแตกต่างจากบริษัททั่วไป
ข้อมูลล่าสุดชี้ให้เห็นว่าช่องว่างระหว่างบริษัทแนวหน้ากับบริษัททั่วไปกำลังกว้างขึ้น และบริษัทแนวหน้ากำลังเปลี่ยนจากการใช้ AI เพื่อช่วยงานมาเป็นการมอบหมายให้ AI ลงมือทำงาน
การใช้ AI ในองค์กรกำลังก้าวเข้าสู่ระยะใหม่ โดยองค์กรต่างๆ มอบหมายงานให้เอเจนต์มากขึ้น และองค์กรที่ก้าวหน้าไปไกลที่สุดกำลังทิ้งห่างองค์กรอื่น บริษัทระดับแนวหน้ามีสิทธิ์เข้าถึงโมเดล AI ไม่ต่างจากบริษัททั่วไป แต่กลับยกระดับการนำ AI มาใช้ได้รวดเร็วกว่ามาก บริษัทเหล่านี้แตกต่างจากองค์กรอื่นตรงวิธีใช้โมเดล โดยมอบหมายงานให้ AI แทนการใช้เพียงเพื่อช่วยเหลือ ให้เอเจนต์เข้าถึงบริบทและเครื่องมือสำหรับทำงานที่ซับซ้อน และเร่งการใช้ AI แบบเอเจนต์ในสายงานอื่นนอกเหนือจากการพัฒนาซอฟต์แวร์
งานวิจัยของเราเกี่ยวกับวิธีที่เอเจนต์กำลังพลิกโฉมการทำงานที่ OpenAI เป็นสัญญาณบ่งชี้ล่วงหน้าว่าการเปลี่ยนแปลงนี้อาจเกิดขึ้นในองค์กรที่ใช้ AI เป็นรากฐานได้อย่างไร Enterprise Signals พิจารณาภาพที่กว้างขึ้นจากฐานลูกค้าองค์กรของ OpenAI ทั่วโลก เพื่อสำรวจว่าการทำงานด้วยเอเจนต์กำลังแพร่กระจายไปในองค์กรอย่างไร และอะไรที่ทำให้องค์กรระดับแนวหน้าแตกต่างจากองค์กรอื่น
ใน Enterprise Signals ฉบับนี้ เราแสดงให้เห็นว่าบริษัทระดับแนวหน้า ซึ่งเป็นบริษัทที่อยู่ใน 10% แรกของการใช้งาน AI ในแต่ละเดือน กำลังทิ้งห่างบริษัททั่วไป ซึ่งเป็นบริษัทที่อยู่ในกลุ่ม 10% ตรงกลางมากขึ้นเรื่อยๆ เราจะสำรวจว่าบริษัทระดับแนวหน้าทำอะไรแตกต่างออกไป และบริษัทอื่นๆ จะทำอย่างไรเพื่อลดช่องว่างนี้
ประเด็นสำคัญ:
- องค์กรกำลังใช้ AI แบบเอเจนต์มากขึ้น ณ เดือนมิถุนายน Codex สร้างโทเค็นเอาต์พุตคิดเป็น 64% ของโทเค็นเอาต์พุตรวมจาก Codex และ ChatGPT ในกลุ่มลูกค้าองค์กร ซึ่งบ่งชี้ว่าเอเจนต์กำลังช่วยขับเคลื่อนการเปลี่ยนผ่านไปสู่การมอบหมายงานสำคัญให้ AI ดำเนินการมากขึ้น
- ช่องว่างระดับแนวหน้ากำลังกว้างขึ้นปัจจุบันบริษัทระดับแนวหน้า ซึ่งเป็นบริษัทที่มีการใช้ AI อยู่ในกลุ่ม 10% แรกของแต่ละเดือน สร้างโทเค็นเอาต์พุตต่อผู้ใช้งานมากกว่าองค์กรทั่วไป 8.3 เท่า โดยเพิ่มขึ้นจาก 2.6 เท่าในเดือนมกราคม
- บริษัทระดับแนวหน้าใช้ความสามารถขั้นสูงบ่อยกว่าในแต่ละสัปดาห์ ผู้ใช้งานที่ใช้งานอยู่ 21% ในบริษัทระดับแนวหน้าใช้ปลั๊กอิน เทียบกับ 9% ในบริษัททั่วไป ที่ OpenAI พนักงาน 95% ใช้ปลั๊กอินทุกสัปดาห์ ซึ่งสะท้อนให้เห็นถึงศักยภาพในการนำไปใช้ได้ลึกซึ้งยิ่งขึ้น
- การใช้เอเจนต์กำลังขยายตัวในสายงานที่ใช้ความรู้นับตั้งแต่เดือนกุมภาพันธ์ จำนวนผู้ใช้ Codex ระดับองค์กรที่ใช้งานรายสัปดาห์เพิ่มขึ้น 108 เท่าในสายงานกฎหมาย 41 เท่าในงานขาย 41 เท่าในงานสรรหาบุคลากร และ 26 เท่าในงานการตลาด เทียบกับ 5 เท่าในงานวิศวกรรม
- พนักงานที่เพิ่งเริ่มต้นอาชีพใช้ AI มากกว่า: กลุ่มพนักงานช่วงเริ่มต้นอาชีพมีการใช้งานสูงที่สุด ขณะที่การใช้งานลดลงตามระดับประสบการณ์ที่เพิ่มขึ้น สะท้อนว่ากลุ่มนี้อาจได้เปรียบในการใช้ AI
เอเจนต์เข้ามามีบทบาทสำคัญในการใช้งานระดับองค์กรมากขึ้นเรื่อยๆ
AI สำหรับองค์กรกำลังเปลี่ยนจากการตอบคำถามไปสู่การลงมือทำงาน การเปลี่ยนแปลงนี้เริ่มเป็นรูปเป็นร่างอย่างชัดเจนเป็นครั้งแรกในแวดวงวิศวกรรมซอฟต์แวร์ด้วย Codex ปัจจุบัน ChatGPT Work กำลังขยายการใช้ Agentic AI ให้ครอบคลุมมากกว่านักพัฒนา ช่วยให้พนักงานทั่วทั้งองค์กรเปลี่ยนจากการขอความช่วยเหลือมาเป็นการมอบหมายงานสำคัญให้ AI ดำเนินการ
ณ เดือนมิถุนายน 2569 การใช้ Agentic AI ซึ่งวัดจากโทเค็นของ Codex คิดเป็น 64% ของโทเค็นเอาต์พุตจาก Codex และ ChatGPT รวมกันในกลุ่มลูกค้าองค์กร ทั้ง ChatGPT และ Agentic AI ใช้โมเดลระดับแนวหน้าเดียวกัน แต่สิ่งที่แตกต่างคือวิธีนำความสามารถของโมเดลเหล่านั้นไปใช้ทำงาน
ChatGPT ช่วยให้ผู้คนถามคำถาม พัฒนาไอเดีย และแก้ไขปัญหา Agentic AI (เช่น Codex และ ChatGPT Work) มอบเครื่องมือให้โมเดลทำงานกับคอมพิวเตอร์ของคุณได้ ทำให้สามารถค้นหาข้อมูล แก้ไขไฟล์ และดำเนินงานหลายขั้นตอนได้ทั้งแบบอัตโนมัติหรือภายใต้การกำกับดูแล การทำงานที่ซับซ้อนและใช้เวลานานให้เสร็จสิ้นอาจต้องใช้ทรัพยากรในการประมวลผลมากกว่ามาก ซึ่งช่วยอธิบายว่าเหตุใดการใช้โทเค็นของ AI แบบเอเจนต์จึงเพิ่มขึ้นอย่างรวดเร็ว
ช่องว่างระดับแนวหน้ากำลังกว้างขึ้น
ในแต่ละเดือน เราจัดอันดับลูกค้าองค์กรตามจำนวนโทเค็นเอาต์พุตต่อผู้ใช้งาน บริษัทแนวหน้าคือองค์กรที่อยู่ในกลุ่ม 10% แรกของเดือนนั้น ส่วนบริษัททั่วไปอยู่ระหว่างเปอร์เซ็นไทล์ที่ 45 ถึง 55 ณ เดือนมิถุนายน บริษัทแนวหน้าสร้างโทเค็นเอาต์พุตต่อผู้ใช้งานเป็น 8.3 เท่าของบริษัททั่วไป โดยช่องว่างนี้เพิ่มขึ้นราวสามเท่าจากระดับ 2.6 เท่าในเดือนมกราคม
ช่องว่างระหว่างบริษัทแนวหน้ากับบริษัททั่วไปยังพบได้ในทุกอุตสาหกรรม โดยอุตสาหกรรมสารสนเทศและเทคโนโลยีมีช่องว่างด้านการใช้โทเค็นมากที่สุดที่ 11.7 เท่า ส่วนภาคการผลิตมีช่องว่างน้อยที่สุดที่ 5.3 เท่า ในทางตรงกันข้าม องค์กรทั่วไปมีการใช้โทเค็นใกล้เคียงกันในแต่ละอุตสาหกรรม และมีการเติบโตค่อนข้างน้อยในช่วงปีที่ผ่านมา โดยเพิ่มขึ้นระหว่าง 1.9 ถึง 2.8 เท่า สิ่งนี้สะท้อนให้เห็นว่าหลายองค์กรยังใช้ AI เป็นเพียงผู้ช่วยแชตทั่วไป และยังสามารถยกระดับการนำ AI มาใช้พร้อมมอบหมายงานที่ซับซ้อนมากขึ้นให้เอเจนต์ได้อีกมาก
การใช้จำนวนโทเค็นวัดคุณค่าทางธุรกิจมีข้อจำกัด คำตอบสั้นอาจมีประโยชน์อย่างยิ่ง ส่วนคำตอบยาวอาจเพิ่มคุณค่าเพียงเล็กน้อย แต่ปริมาณโทเค็นช่วยสะท้อนระดับความลึกของการใช้ AI และปริมาณงานที่พนักงานขอให้ AI ดำเนินการได้ในระดับหนึ่ง
บริษัทชั้นนำกำลังนำ AI มาใช้งานจริงในอุตสาหกรรมของตน
บริษัทชั้นนำใช้ AI ได้อย่างลึกซึ้งมากขึ้น เนื่องจากนำ AI ไปประยุกต์ใช้กับปัญหาที่ชัดเจนภายในองค์กรและในอุตสาหกรรมของตน
การประยุกต์ใช้ AI ในองค์กรช่วงแรกเริ่มจากงานภายใน โดยช่วยให้พนักงานค้นหาข้อมูล จัดทำร่างเอกสาร วิเคราะห์ข้อมูล เขียนโค้ด และทำงานประจำให้เป็นอัตโนมัติ บริษัทชั้นนำกำลังขยายการใช้ AI จากการเพิ่มประสิทธิภาพภายใน ไปสู่ผลิตภัณฑ์ บริการ และประสบการณ์ที่ลูกค้าใช้งานโดยตรงมากขึ้น
บริษัทระดับแนวหน้าใช้ความสามารถขั้นสูงบ่อยกว่า
เอเจนต์ AI จำเป็นต้องเข้าถึงบริบทและเครื่องมือที่เหมาะสม เพื่อให้ทำงานได้อย่างมีประสิทธิภาพ ปลั๊กอิน(เปิดในหน้าต่างใหม่)รวมความสามารถที่ช่วยให้เอเจนต์ทำเวิร์กโฟลว์เฉพาะให้เสร็จสมบูรณ์ ปลั๊กอินสามารถผสานทักษะซึ่งประกอบด้วยชุดคำสั่งที่ใช้ซ้ำได้เข้ากับแอปที่เชื่อมโยงกับข้อมูล เครื่องมือ และการดำเนินการขององค์กร ตัวอย่างเช่น ปลั๊กอินสำหรับงานขายสามารถนำแนวทางการทำงานของทีมมาใช้ร่วมกับการเข้าถึงระบบ CRM ทำให้เอเจนต์ใช้ข้อมูลลูกค้าล่าสุดและข้อเสนอที่ผ่านมาเพื่อเตรียมคำตอบที่ปรับให้เหมาะกับลูกค้าแต่ละรายสำหรับนำไปตรวจสอบ
บริษัทระดับแนวหน้ามีความเป็นผู้นำอย่างชัดเจนในด้านความสามารถขั้นสูง ในกลุ่มผู้ใช้ที่ใช้งานในแต่ละสัปดาห์ของบริษัทระดับแนวหน้า 21% ใช้ปลั๊กอินและ 19% ใช้ฟีเจอร์ทักษะ เทียบกับบริษัททั่วไปที่มีผู้ใช้เพียง 9% และ 3% ตามลำดับ อย่างไรก็ตาม การนำความสามารถเหล่านี้มาใช้ในบริษัทแนวหน้ายังเป็นเพียงส่วนเล็กๆ ของศักยภาพที่เป็นไปได้ทั้งหมด การใช้งานภายในของ OpenAI แสดงให้เห็นถึงศักยภาพในการใช้ความสามารถเหล่านี้ได้ลึกยิ่งขึ้น โดยการใช้งานปลั๊กอินรายสัปดาห์อยู่ที่ 95% ของผู้ใช้ที่ใช้งานอยู่ งานวิจัยของเราเกี่ยวกับวิธีที่เอเจนต์กำลังพลิกโฉมการทำงาน เจาะลึกให้เห็นว่าพนักงานของ OpenAI ใช้ความสามารถขั้นสูงอย่างไร
สำรวจว่าความสามารถขั้นสูงถูกนำไปใช้ในสายงานต่างๆ อย่างไร
บริษัทระดับแนวหน้านำเอเจนต์มาใช้งานจริงอย่างไร
เอเจนต์ AI ต้องมีองค์ประกอบสามอย่างจึงจะทำงานที่มีคุณค่าให้สำเร็จ ได้แก่ บริบท เครื่องมือ และความสามารถในการทำงานอย่างต่อเนื่อง ความจำ การป้อนข้อมูลด้วยเสียง และ Appshots ช่วยให้พนักงานแชร์บริบทและข้อมูลที่จำเป็นต่อการทำงานให้สำเร็จได้อย่างง่ายดาย การใช้คอมพิวเตอร์และเบราว์เซอร์ช่วยให้เอเจนต์ไปยังเว็บไซต์ต่างๆ สร้างไฟล์ และทำงานให้เสร็จได้ด้วยตนเองหรือภายใต้การกำกับดูแล เป้าหมายและการทำงานแบบวนซ้ำช่วยให้เอเจนต์ทำงานต่อเนื่องจนกว่างานจะเสร็จ เมื่อทำงานร่วมกัน ความสามารถเหล่านี้ช่วยให้บริษัทแนวหน้าดึงศักยภาพของเอเจนต์ออกมาใช้ได้อย่างเต็มที่
การให้เอเจนต์เข้าถึงระบบของบริษัทยังก่อให้เกิดความเสี่ยงใหม่ๆ ด้วย บริษัทระดับแนวหน้ากำหนดกฎเกณฑ์ที่ชัดเจนว่าเอเจนต์สามารถทำงานในส่วนไหนได้บ้าง เข้าถึงข้อมูลอะไรได้บ้าง เมื่อใดที่สามารถดำเนินการได้ และผู้คนจะตรวจสอบการตัดสินใจที่มีความเสี่ยงสูงอย่างไร มาตรการควบคุมเหล่านี้จำเป็นต้องพัฒนาไปตามที่บริษัทเรียนรู้จากการนำไปใช้งานจริง
บริษัทระดับแนวหน้ายังทำให้การเรียนรู้อย่างต่อเนื่องและการทดลองเป็นส่วนหนึ่งของการทำงานในทุกๆ วัน เซสชันสำหรับผู้สร้างที่เน้นการลงมือปฏิบัติ ฟอรัมสำหรับแบ่งปันกรณีการใช้งานใหม่ๆ และการนำเสนอผลงานภายใน ช่วยให้แนวปฏิบัติที่ประสบความสำเร็จแพร่กระจายไปทั่วทีมและสายงานต่างๆ
ค้นพบบริบท เครื่องมือ และความมุ่งมั่นที่เอเจนต์ต้องมีเพื่อทำงานที่มีความหมายให้สำเร็จ
ให้เอเจนต์มีบริบทการทำงานอย่างครบถ้วน
ปลั๊กอิน
อธิบายปลั๊กอินโดยอิงจากงานของฉัน แสดงวิธีเชื่อมต่อเครื่องมือ และแนะนำกรณีการใช้งานจริงหนึ่งกรณี
Appshots
ช่วยอธิบายว่า Appshots คืออะไร บอกวิธีแชร์หน้าจอที่ฉันกำลังดู และแนะนำตัวอย่างที่นำไปใช้กับงานของฉันได้หนึ่งอย่าง
หน่วยความจำ
ช่วยอธิบายว่าความจำจะช่วยงานของฉันได้อย่างไร แสดงวิธีใช้งาน และแนะนำข้อมูลที่ฉันควรบันทึกไว้
การป้อนข้อมูลด้วยเสียง
ช่วยอธิบายฟีเจอร์การป้อนข้อมูลด้วยเสียง บอกวิธีเริ่มใช้งาน และแนะนำหนึ่งงานที่ฉันสามารถสั่งให้ทำด้วยเสียงได้โดยไม่ต้องใช้มือ
เอเจนต์กำลังขยายไปไกลกว่างานพัฒนาซอฟต์แวร์
นักพัฒนาซอฟต์แวร์เป็นกลุ่มแรกๆ ที่นำเอเจนต์ AI มาใช้ แต่ปัจจุบันกลุ่มที่มีการใช้งานเติบโตเร็วที่สุดคือบุคลากรสายงานความรู้ทั่วไป นับตั้งแต่เดือนกุมภาพันธ์ จำนวนผู้ใช้ Codex ระดับองค์กรที่ใช้งานรายสัปดาห์เพิ่มขึ้น 108 เท่าในสายงานกฎหมาย 41 เท่าในงานขาย 41 เท่าในงานสรรหาบุคลากร และ 26 เท่าในงานการตลาด เทียบกับ 5 เท่าในกลุ่มวิศวกร
การพัฒนาซอฟต์แวร์เป็นสายงานแรกที่ก้าวไปข้างหน้าด้วยเหตุผลที่ชัดเจน โค้ดเบสช่วยให้เอเจนต์มีบริบทที่ชัดเจน การทดสอบช่วยให้ตรวจสอบผลลัพธ์ได้ง่ายขึ้น และความก้าวหน้าด้านการเขียนโค้ดช่วยเร่งการวิจัยและพัฒนา AI ในช่วงสองปีที่ผ่านมา นักพัฒนาได้เปลี่ยนจากการใช้ AI ช่วยเขียนโค้ดทีละบรรทัด มาเป็นการให้เอเจนต์รับผิดชอบงานพัฒนาซอฟต์แวร์ทั้งงาน นักพัฒนาหลายคนเลิกเขียนโค้ดเอง และมุ่งเน้นไปที่การตั้งค่างาน ควบคุมการทำงานร่วมกันของเอเจนต์ และตรวจสอบผลลัพธ์
ในทางตรงกันข้าม ความก้าวหน้าในงานที่ใช้ความรู้ทั่วไปเกิดขึ้นช้ากว่า เพราะงานจำนวนมากมีบริบทจำกัด ระบุรายละเอียดได้ยาก และไม่มีเกณฑ์ที่ชัดเจนสำหรับตรวจสอบผลลัพธ์ อย่างไรก็ตาม การขยายขีดความสามารถอย่างต่อเนื่อง ความก้าวหน้าของการเรียนรู้แบบเสริมกำลัง และการพัฒนาประสิทธิภาพแบบเจาะจงสำหรับการประเมิน เช่น GDPval กำลังทำให้โมเดลระดับแนวหน้ารับมือกับงาน เครื่องมือ และสภาพแวดล้อมการทำงานจริงได้มากขึ้น ด้วยเหตุนี้ Agentic AI จึงสอดคล้องกับความต้องการของตลาดในกลุ่มผู้ทำงานความรู้ทั่วไปมากขึ้นเรื่อยๆ นับตั้งแต่ต้นปี
การใช้ AI ในองค์กรแตกต่างกันอย่างไรในแต่ละสายงาน
จากกลุ่มตัวอย่างข้อความกว่า 10 ล้านรายการ การใช้ AI ในองค์กรกำลังเปลี่ยนจากการช่วยพนักงานสร้างผลงาน ไปสู่การช่วยทีมลงมือดำเนินงานให้สำเร็จ แม้แต่ภายในสายงานเดียวกัน รูปแบบการใช้งานระหว่างแชตและ Agentic AI ก็ยังแตกต่างกันอย่างชัดเจน
งานเขียนยังเป็นกรณีการใช้งาน ChatGPT ที่พบมากที่สุด ขณะที่งานเขียนโค้ดและงานดำเนินการเกี่ยวกับระบบหรือเอเจนต์คิดเป็นเกือบ 75% ของข้อความที่ส่งถึง AI แบบเอเจนต์ การเปลี่ยนแปลงนี้เห็นได้ชัดเป็นพิเศษในทีมนอกสายงานเทคนิคแบบดั้งเดิม โดยฝ่ายสรรหาบุคลากร (32%) ฝ่ายขาย (26%) ฝ่ายนโยบาย (25%) และฝ่ายสื่อสาร (24%) ใช้ข้อความราวหนึ่งในสี่ถึงหนึ่งในสามไปกับการดำเนินงานของระบบและเอเจนต์ งานเทคนิคกำลังแพร่หลายไปในหลายสายงานมากขึ้น โดยในสายงานออกแบบ การเขียนโค้ดมีสัดส่วนเกือบ 60% ของข้อความแบบเอเจนต์
กรณีศึกษา: ทีมการเงินของ OpenAI ใช้ ChatGPT Work และ Codex อย่างไร
ทีมการเงินของ OpenAI แสดงให้เห็นว่าการนำ AI มาใช้ในระดับแนวหน้ามีลักษณะอย่างไรในทางปฏิบัติ ทีมใช้ ChatGPT Work และ Codex ครอบคลุมการวางแผน การคาดการณ์ การรายงาน การเงิน และงานนักลงทุนสัมพันธ์ ดูเวิร์กโฟลว์จริง 16 รายการได้ที่นี่
เพิ่มประสิทธิภาพการใช้จ่ายด้านการตลาด(เปิดในหน้าต่างใหม่) เปลี่ยนข้อมูลแคมเปญที่กระจัดกระจายมาสร้างเป็นกราฟผลตอบแทนการลงทุน พร้อมคำแนะนำทุกสัปดาห์ว่าควรใช้งบการตลาดส่วนเพิ่มตรงไหนเพื่อให้ได้ผลคุ้มค่าที่สุด
ทำให้การรายงานผลกำไรขาดทุน (P&L) สอดคล้องกัน(เปิดในหน้าต่างใหม่) เชื่อมโยงข้อมูล P&L, Sheets, แดชบอร์ด และรายงานสำหรับผู้บริหาร เพื่อให้เห็นปัจจัยขับเคลื่อนหลักและตรวจสอบผลลัพธ์
สนับสนุนการตรวจสอบข้อมูลของนักลงทุนและการระดมทุน(เปิดในหน้าต่างใหม่) เตรียมคำตอบให้นักลงทุนและเอกสารการประชุมจากแหล่งข้อมูลที่ผ่านการอนุมัติ จากนั้นนำคำตอบฉบับสมบูรณ์ไปจัดเก็บเป็นคลังความรู้ขององค์กรที่นำกลับมาใช้ได้
เรียกใช้เวิร์กโฟลว์การบริหารเงินที่เชื่อมต่อกัน(เปิดในหน้าต่างใหม่) เชื่อมอีเมลเข้ากับโครงการที่ดำเนินการร่วมกับธนาคาร แจ้งปัญหาที่ติดขัด ติดตาม KYC และการดำเนินงานต่อ แนะนำสิ่งที่ควรทำถัดไป และร่างข้อความตอบกลับ
การนำ AI มาใช้แตกต่างกันอย่างไรในแต่ละอุตสาหกรรม
การนำ AI ไปใช้ไม่สามารถจัดอันดับด้วยเกณฑ์เดียวได้ การจัดอันดับในอุตสาหกรรมจะแตกต่างกันไปขึ้นอยู่กับตัวชี้วัดที่ใช้ ในเดือนที่ผ่านมา ภาคบริการด้านวิชาชีพและวิทยาศาสตร์ครองอันดับหนึ่งทั้งในการนำ Codex ไปใช้และระดับความเข้มข้นในการใช้งาน API ภาคศิลปะ ความบันเทิง และนันทนาการมีการนำ ChatGPT มาใช้มากที่สุด ส่วนภาคการผลิตใช้ ChatGPT เข้มข้นที่สุด แม้จะรั้งอันดับสุดท้ายในการนำ Codex มาใช้และระดับการใช้ API
แต่ละภาคอุตสาหกรรมมีเส้นทางการนำ AI มาใช้แตกต่างกัน บางอุตสาหกรรมกำลังก้าวหน้าด้วยเครื่องมือสำหรับนักพัฒนาและผลิตภัณฑ์ที่เสริมศักยภาพด้วย AI ขณะที่บางอุตสาหกรรมนำ AI มาใช้ในชีวิตประจำวันอย่างแพร่หลายหรือเข้มข้นกว่า
การจัดอันดับอุตสาหกรรมตามตัวชี้วัดการนำ AI มาใช้
| อุตสาหกรรม | ||||
|---|---|---|---|---|
| ศิลปะ ความบันเทิง และนันทนาการ | 10 | 4-1 | 7-1 | 3-1 |
| การเงินและการประกันภัย | 20 | 80 | 30 | 50 |
| ข้อมูล | 3+1 | 5-1 | 20 | 40 |
| บริการด้านวิชาชีพ วิทยาศาสตร์ และเทคนิค | 4-1 | 2-1 | 10 | 10 |
| การก่อสร้าง | 50 | 3+2 | 80 | 80 |
| การผลิต | 60 | 1+1 | 40 | 70 |
| การดูแลสุขภาพและสังคมสงเคราะห์ | 70 | 60 | 6+1 | 60 |
| การค้าปลีก | 80 | 70 | 50 | 2+1 |
ความมั่นคงปลอดภัยทางไซเบอร์คือสิ่งที่ผู้นำองค์กรให้ความสำคัญเป็นอันดับต้นๆ
AI ไม่เพียงสร้างแนวทางใหม่ให้องค์กรส่งมอบสินค้าและบริการเท่านั้น แต่ยังพลิกโฉมภูมิทัศน์ด้านความปลอดภัยอีกด้วย ความมั่นคงปลอดภัยทางไซเบอร์นับเป็นหนึ่งในความเสี่ยงเร่งด่วนที่สุด โดยเฉพาะในช่วงที่ความสามารถด้านไซเบอร์ของ AI พัฒนาอย่างรวดเร็ว
AI ยังช่วยให้ฝ่ายป้องกันรับมือกับภัยคุกคามได้อีกด้วย โมเดลสามารถวิเคราะห์โค้ดเบสขนาดใหญ่ ตรวจสอบช่องโหว่ และช่วยดำเนินงานด้านความปลอดภัยที่มีหลายขั้นตอนได้ แต่การตรวจพบปัญหาได้มากขึ้นไม่ได้หมายความว่าระบบจะปลอดภัยยิ่งขึ้นโดยอัตโนมัติ อุปสรรคสำคัญที่แท้จริงคือการเปลี่ยนผลการตรวจสอบให้เป็นการดำเนินการ ตั้งแต่พิจารณาว่าช่องโหว่ใดเป็นช่องโหว่จริง จัดลำดับความสำคัญของความเสี่ยงที่ส่งผลกระทบร้ายแรงที่สุด ทดสอบแพตช์ ไปจนถึงการทำให้ทีมรักษาความปลอดภัยตรวจสอบและปรับใช้การแก้ไขได้อย่างทันท่วงที
OpenAI Daybreak ผสานโมเดลความมั่นคงปลอดภัยทางไซเบอร์ระดับแนวหน้า เครื่องมือรักษาความปลอดภัยสำหรับองค์กร และระบบนิเวศพันธมิตรเข้าด้วยกัน เพื่อช่วยให้องค์กรรับมือกับความท้าทายเหล่านี้และเสริมความแข็งแกร่งในการป้องกันภัยคุกคามรูปแบบใหม่
เกี่ยวกับ Enterprise Signals
พันธกิจของ OpenAI คือการทำให้ AI เป็นประโยชน์ต่อมวลมนุษยชาติ องค์กรต่างๆ จะมีบทบาทสำคัญในการกำหนดผลกระทบทางเศรษฐกิจของ AI ด้วยเหตุนี้ เราจึงเผยแพร่ Enterprise Signals เป็นประจำ ซึ่งเป็นชุดตัวชี้วัดที่ติดตามการนำ AI มาใช้ในองค์กร การแพร่หลาย และผลกระทบที่เกิดขึ้น บทวิเคราะห์ทั้งหมดในรายงานฉบับนี้อ้างอิงจากข้อมูลการใช้งานระดับองค์กรในภาพรวมที่ผ่านการลบข้อมูลระบุตัวตนออกแล้ว เราจำแนกเนื้อหาข้อความด้วยระบบอัตโนมัติ และไม่มีพนักงานของ OpenAI อ่านหรือตรวจสอบข้อความของลูกค้า
ลูกค้า OpenAI Enterprise ยังสามารถขอรับเกณฑ์มาตรฐานที่ปรับให้เหมาะกับองค์กรของตน เพื่อดูว่าองค์กรมีผลการเปรียบเทียบอย่างไรตามตัวชี้วัดการใช้งานและความสามารถล่าสุด
ค้นหาข้อมูลเพิ่มเติม

OpenAI Signals
ศูนย์รวมข้อมูล งานวิจัย การวิเคราะห์ และเรื่องราวจากทีมวิจัยเศรษฐกิจของ OpenAI

ข้อมูลรายบุคคลเกี่ยวกับ Signals
สำรวจข้อมูลเพื่อดูรูปแบบการใช้งาน ChatGPT ของผู้ใช้ทั่วโลก การกระจายตัวตามภูมิศาสตร์ และการใช้งานทั้งเพื่อการทำงานและเรื่องอื่นๆ

การค้นคว้าและการวิเคราะห์
งานวิจัยและการวิเคราะห์เกี่ยวกับการใช้ AI และผลกระทบต่อเศรษฐกิจและสังคม







