OpenAI B2B Signals
Перевага передових компаній починає примножуватися.
Сьогодні ми представляємо B2B Signals — бізнес-розширення OpenAI Signals, яке дає змогу відстежувати, як ШІ поширюється та впроваджується в організаціях. Перші сигнали вже очевидні: передові компанії виходять уперед не лише завдяки доступу до ШІ, а й тому, що значно глибше інтегрують його у повсякденну роботу.
B2B Signals — це регулярний набір показників, сформований на основі масштабного аналізу корпоративного використання ШІ із дотриманням принципів конфіденційності. B2B Signals відстежує поведінкові моделі та закономірності, які допомагають організаціям зрозуміти, як перетворювати інтелектуальні можливості ШІ на реальну бізнес-цінність.
Передові компанії, тобто ті, що входять до 95-го перцентиля за рівнем використання ШІ, забезпечують працівників більшим обсягом інтелектуальних можливостей, інтенсивніше використовують передові інструменти та глибше інтегрують ШІ у робочі процеси. Для частини компаній цей розрив уже починає стрімко зростати, і ключову роль у цьому дедалі частіше відіграє саме глибина інтеграції ШІ.
Ключові висновки
- Перевага передових компаній починає примножуватися: наразі передові компанії використовують у 3,5 раза більше інтелектуальних можливостей на одного працівника порівняно з середньостатистичними компаніями. Для порівняння: рік тому ця перевага становила 2 рази.
- Передові компанії використовують ШІ глибше й масштабніше, а не просто частіше: обсяг повідомлень пояснює лише 36% розриву між передовими та типовими компаніями. Основна частина переваги лідерів зумовлена глибшим використанням.
- Агентні робочі процеси стають ознакою передового рівня впровадження ШІ: найбільша різниця помітна у використанні сучасних агентних інструментів, де передові компанії надсилають у 16 разів більше повідомлень у Codex порівняно з середньостатистичними компаніями.
- Компанії можуть подолати розрив завдяки організаційним змінам: щоб наздогнати лідерів галузі, компаніям потрібно вимірювати глибину використання, надавати пріоритет управлінню, інвестувати в забезпечення впровадження, масштабувати те, що працює, і переходити від елементарної допомоги на базі чату до делегованої роботи з агентами.
Глибина
Перевага передових компаній починає примножуватися, а ті, хто найглибше інтегрує ШІ у свою діяльність, дедалі активніше збільшують відрив від конкурентів
Розгортання ліцензій — лише відправна точка для підприємств. Чіткішим показником є те, чи використовують співробітники ШІ для глибшої та складнішої роботи. Ця діаграма порівнює кількість токенів, згенерованих на одного працівника в передових компаніях, визначених як 95-й процентиль, із типовою компанією, визначеною як 50-й процентиль.
Токени — недосконалий показник бізнес-цінності. Коротка відповідь може бути дуже цінною, а довга — мати низьку цінність. Але обсяг токенів допомагає виміряти, скільки загалом роботи співробітники доручають ШІ, що робить цю метрику корисним опосередкованим показником глибини використання ШІ та обсягу інтелектуальних можливостей, яких співробітники очікують від ШІ.
Провідна компанія потребує у 3,5 раза більше інтелекту на одного працівника, ніж типова компанія. Попередній показник становив 2x у квітні 2025 року. Збільшення розриву свідчить про те, що компанії, які найглибше використовують ШІ, збільшують свою перевагу та мають кращі позиції для впровадження нових можливостей ШІ у глибшу й складнішу роботу.
Основна частина переваг передових технологій зумовлена не більшим обсягом повідомлень, а глибшим використанням
Провідна компанія потребує значно більше інтелекту на одного працівника, ніж типова, але більша частина цього розриву не пояснюється лише обсягом повідомлень. Ця діаграма розкладає на складові 3,5-кратну перевагу передових компаній і показує, що якби типова компанія надсилала повідомлення з такою самою частотою, як передові компанії, вона скоротила б лише 36% 3,5-кратного розриву.
Залишковий розрив пов’язаний із глибшим використанням. Передові працівники доручають ШІ виконувати складнішу роботу, надають моделям багатший контекст і отримують змістовніші результати.
Широта
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.
Усунення «розриву можливостей» потребує забезпечення можливості користування, а не лише надання доступу. Корпоративні ресурси OpenAI та Академія OpenAI надають практичні посібники, навчальні матеріали та ресурси для розгортання, які допомагають командам впевнено впроваджувати ШІ.
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.
Тип завдання відповідно до бізнес-контексту
| Бізнес-контекст | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Завдання для ChatGPT | ||||||||||||
| Письмо та комунікація | ||||||||||||
| Інструкції та процедурні рекомендації | ||||||||||||
| Інформація | ||||||||||||
| Аналіз і розрахунки | ||||||||||||
| Поради | ||||||||||||
| Креативні медіа | ||||||||||||
| Комерція | ||||||||||||
| Програмування | ||||||||||||
| Освіта й навчання | ||||||||||||
Охоплення
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.
Ранжування галузей за показником впровадження ШІ
| Індустрії | ||||
|---|---|---|---|---|
| Фінансові послуги та страхування | 1+1 | 10-4 | 30 | 60 |
| Інформація | 2-1 | 20 | 20 | 4-1 |
| Професійні, наукові та технічні послуги | 30 | 10 | 10 | 10 |
| Мистецтво, розваги та дозвілля | 40 | 4-1 | 50 | 3+1 |
| Комунальні послуги | 50 | 80 | 90 | 90 |
| Будівництво | 6-1 | 50 | 10-1 | 10-1 |
| Нерухомість, оренда та лізинг | 7-1 | 7+1 | 11-1 | 80 |
| Виробництво | 8-1 | 3+1 | 40 | 70 |
| Охорона здоров’я та соціальна допомога | 90 | 90 | 6+1 | 50 |
| Роздрібна торгівля | 10-2 | 11-1 | 7-1 | 20 |
| Державне управління | 11-1 | 6+1 | 80 | 11-1 |
Підприємства впроваджують використання API в робочі процеси у виробничому середовищі та клієнтські застосунки
Компанії дедалі частіше використовують API, аби безпосередньо інтегрувати моделі в продукти, сервіси та внутрішні системи. Поширені комерційні сценарії використання включають помічників у застосунках, інструменти для кодування та розробників, підтримку клієнтів, дослідницькі процеси й автоматизацію робочих процесів.
Ці впровадження демонструють, як корпоративний ШІ переходить від експериментів до повторюваних робочих процесів із чітким впливом на операційну діяльність. На прикладах клієнтів видно, як компанії використовують моделі OpenAI для прискорення роботи з інформацією, підвищення пропускної здатності інженерних процесів і створення рішень на основі ШІ для клієнтів і працівників.
Найпопулярніші сценарії використання API за галузями
Професійні послуги
Асистенти для роботи зі знаннями та пошуку (наприклад, інструменти для запитань і відповідей, асистенти для досліджень, внутрішні асистенти для роботи з даними)
Підтримка клієнтів і продажів (наприклад, служба підтримки клієнтів, голосові та чат-агенти, допомога з продажами)
Аналіз даних, узагальнення та отримання необхідної інформації (наприклад, аналіз корпоративних даних, ринкова аналітика, маркування та звірка транзакцій)
Програмування та інструменти для розробників (наприклад, інструменти оцінювання моделей, асистенти з програмування, інструменти автоматизації робочих процесів)
Фінанси та страхування
Аналіз даних, узагальнення та вилучення (наприклад, вилучення даних, аналіз чеків і витрат, інвестиційні дослідження)
Генерація документів і робочих процесів (наприклад, автоматизоване керування витратами, генерація дослідницьких зведень, оптимізація робочих процесів)
Асистенти для роботи зі знаннями та пошук (наприклад, асистенти з інвестиційної стратегії, пошук політик, асистенти для конкретних ролей)
Підтримка клієнтів і сервісна підтримка (наприклад, голосові та чат-агенти служби підтримки клієнтів, персональні банківські асистенти, класифікація настроїв)
Інформація
Програмування та інструменти для розробників (наприклад, асистенти для програмування, інструменти для тестування програмного забезпечення, інструменти вебавтоматизації)
Асистенти для роботи зі знаннями та пошуку (наприклад, вбудовані асистенти, інструменти внутрішнього пошуку, асистенти з документації)
Підтримка клієнтів і сервісна підтримка (наприклад, голосові агенти та чат-боти для підтримки клієнтів, багатоканальна автоматизація обслуговування)
Генерація контенту, медіа та дизайну (наприклад, створення брендових ресурсів, маркетингові інструменти)
Cisco використовує Codex для прискорення складної роботи над програмним забезпеченням у масштабній корпоративній інженерній організації. У виробничих робочих процесах Codex допоміг скоротити час збірки приблизно на 20%, заощадити понад 1 500 годин розробки на місяць і збільшити пропускну здатність усунення дефектів у 10–15 разів. За словами команди Cisco, найбільшого успіху вдалося досягти, коли вони почали ставитися до Codex як до «частини команди».
Rakuten розгорнула Codex у межах операцій із розробки й постачання програмного забезпечення, скоротивши середній час до відновлення приблизно на 50% і дозволивши командам вирішувати проблеми у виробничому середовищі вдвічі швидше. Rakuten також використовує Codex для автоматизованої перевірки коду та перевірок на вразливості відповідно до внутрішніх стандартів, що сприяє прискоренню випуску нових версій без шкоди для безпеки. У складних проєктах Codex може перетворювати часткові вимоги на робочі повностекові реалізації, скорочуючи терміни з кількох кварталів до кількох тижнів.
Balyasny Asset Management використовує OpenAI для прискорення інвестиційних досліджень у великій спеціалізованій організації, що виконує інтелектуальну роботу. Власною дослідницькою ШІ-платформою компанії користуються приблизно 95% інвестиційних команд: вона допомагає скорочувати дослідницькі робочі процеси з кількох днів до годин. Наприклад, робочий процес аналізу заяв центрального банку, який раніше займав два дні, тепер займає близько 30 хвилин, що дає аналітикам змогу швидше аналізувати регуляторні звіти, стенограми, аналітичні звіти та ринкові дані.
Більше реальних прикладів ви знайдете на нашій сторінці з історіями клієнтів.
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.
- 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. - 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. - 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. - 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. - 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.
Усі аналізи в цьому звіті базуються на деідентифікованих і агрегованих даних про використання в корпоративному середовищі. Вміст повідомлень класифікували за допомогою автоматизованих систем, і жоден співробітник OpenAI не переглядав окремі дані клієнтів Enterprise, Business або API у межах цього аналізу.
If you’d like to explore the full findings or learn how to bring AI into your organization responsibly, we’d love to connect.
Дізнатися більше
Дослідження та аналіз
Дослідження та аналіз впровадження ШІ та його впливу на економіку та суспільство.