OpenAI B2B Signals

Bugün, OpenAI Signals⁠'ın iş dünyası odaklı uzantısı olan ve yapay zekanın kuruluşlar genelinde nasıl yayıldığını düzenli olarak ölçen bir analiz olan B2B Signals'ı tanıtıyoruz. İlk sinyal çok net: Öncü şirketler yalnızca yapay zekaya erişimleri olduğu için değil, onu iş süreçlerinde daha derin çapta kullandıkları için öne geçiyor.

B2B Signals, kurumsal yapay zeka kullanımına dair büyük ölçekli, gizliliği koruyan analizlere dayanan ve düzenli olarak yayınlanacak bir ölçümler bütünüdür. Şirketlerin yapay zeka kapasitesini iş değerine nasıl dönüştürebileceğini anlamasına yardımcı olabilecek davranışları ve kullanım kalıplarını takip eder.

Yapay zeka kullanımında yüzde 95'lik dilimde yer alan öncü şirketler; çalışan başına daha fazla yapay zeka kapasitesi kullanıyor, gelişmiş araçları daha yoğun benimsiyor ve yapay zekayı iş akışlarına daha derinlemesine entegre ediyor. Bazı şirketler için fark giderek katlanarak büyüyor ve avantajın kaynağı artık giderek daha fazla kullanım derinliği oluyor.

Öne Çıkanlar

• Öncü olmanın sağladığı avantaj katlanarak büyümeye başlıyor: Öncü şirketler, tipik şirketlere kıyasla artık çalışan başına 3,5 kat daha fazla yapay zeka kapasitesi kullanıyor. Geçen yıl bu oran 2 kattı.
• Öncü şirketler, yapay zekayı yalnızca daha sık değil, daha derin çapta da kullanıyor: Mesaj hacmi, öncü şirketlerle tipik şirketler arasındaki farkın yalnızca %36'sını açıklıyor. Öncü şirket avantajının büyük kısmı, daha derin çaplı kullanımdan kaynaklanıyor.
• Ajan tabanlı iş akışları, öncü benimsemenin ayırt edici göstergesi haline geliyor: En büyük fark, ileri düzey ajan tabanlı araçlarda görülüyor. Öncü şirketler, tipik şirketlere kıyasla 16 kat daha fazla Codex mesajı gönderiyor.
• Şirketler, organizasyonel dönüşümle bu farkı kapatabilir: Arayı kapatmak için şirketlerin kullanım derinliğini ölçmesi, yönetişime öncelik vermesi, yetkinlik geliştirmeye yatırım yapması, işe yarayan uygulamaları ölçeklemesi ve sohbet tabanlı destekten, ajanlara devredilen iş akışlarına geçmesi gerekiyor.

Öncü olmanın sağladığı avantaj katlanarak büyümeye başlıyor ve yapay zekayı en derin şekilde kullanan şirketler arayı giderek açıyor

Lisans dağıtımı, şirketler için yalnızca başlangıç noktasıdır. Asıl önemli gösterge, çalışanların yapay zekayı daha derin çaplı ve daha karmaşık işler için kullanıp kullanmadığıdır. Bu grafik, öncü şirketlerde çalışan başına üretilen token miktarını (yüzde 95'lik dilim) tipik şirketlerle (yüzde 50'lik dilim) karşılaştırıyor.

Token'lar iş değerinin kusursuz bir ölçüsü değildir. Kısa bir yanıt çok yüksek değer yaratabilirken, uzun bir yanıt düşük değerli olabilir. Ancak token hacmi, çalışanların yapay zekadan ne kadar iş yapmasını istediğini gösterir. Bu nedenle yapay zeka kullanımının derinliğini ve çalışanların yapay zekadan talep ettiği "zeka kapasitesini" anlamak için yararlı bir gösterge sunar.

Öncü şirketler, çalışan başına tipik şirketlere kıyasla 3,5 kat daha fazla yapay zeka kapasitesi talep ediyor. Bu fark, Nisan 2025'teki 2 kat seviyesinden artmış durumda. Bu da yapay zekayı en derin kullanan şirketlerin arayı açtığını ve yeni yapay zeka yeteneklerini daha derin çaplı, daha karmaşık işlere dönüştürmek için daha avantajlı konumda olduğunu gösteriyor.

Öncü şirket avantajının büyük kısmı, daha yüksek mesaj hacminden değil, daha derin çaplı kullanımdan kaynaklanıyor.

Öncü şirketler, çalışan başına tipik şirketlere kıyasla çok daha fazla yapay zeka kapasitesi talep ediyor. Ancak bu farkın büyük kısmı yalnızca mesaj hacmiyle açıklanamıyor. Bu grafik, 3,5 katlık öncü şirket avantajını bileşenlerine ayırıyor ve tipik bir şirket, öncü şirketlerle aynı sıklıkta mesaj gönderse bile farkın yalnızca %36'sını kapatabileceğini gösteriyor.

Kalan fark, daha derin çaplı kullanımla ilişkili. Öncü şirketlerdeki çalışanlar, yapay zekadan daha karmaşık işler üstlenmesini istiyor, modellere daha zengin bağlam sağlıyor ve daha kapsamlı çıktılar üretiyor.

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.

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.

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.

Kuruluşlar, API kullanımını üretim iş akışlarına ve müşteriyle doğrudan temas eden uygulamalara taşıyor

Şirketler, modelleri doğrudan ürünlere, hizmetlere ve şirket içi sistemlere entegre etmek için API'yi giderek daha fazla kullanıyor. Yaygın canlı kullanım senaryoları arasında uygulama içi asistanlar, kodlama ve geliştirici araçları, müşteri desteği, araştırma iş akışları ve iş akışı otomasyonu yer alıyor.

Bu devreye alımlar, kurumsal yapay zekanın deneme aşamasını aşarak ölçülebilir operasyonel etki yaratan, tekrar edilebilir iş akışlarına geçtiğini gösteriyor. Farklı müşteri örneklerinde şirketler; bilgi işlerini hızlandırmak, mühendislik verimliliğini artırmak ve müşteriler ile çalışanlar için yapay zeka destekli deneyimler oluşturmak amacıyla OpenAI modellerini kullanıyor.

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.

1. 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.
2. 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.
3. 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. 
4. 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. 
5. 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.

If you’d like to explore the full findings or learn how to bring AI into your organization responsibly, we’d love to connect⁠.