Az OpenAI új adminanalitikával kötné üzleti értékhez a ChatGPT használatát

Használat, költség és feladatok egy adminfelületen

Az OpenAI leírása szerint a ChatGPT Admin Console analitikája használati és költségadatokat, feladatokra vonatkozó betekintéseket és eredménymutatókat hoz össze a ChatGPT Work és a Codex esetében. A cél az, hogy az adminisztrátorok és üzleti vezetők lássák, hol nő az adaptáció, hol koncentrálódik a költés, és hol lehet szükség további támogatásra vagy kapacitásra.

A Usage nézet aktív felhasználókat, krediteket és tokenhasználatot mutat a ChatGPT Work és a Codex környezetében. Az OpenAI példája szerint a csoport vagy felhasználó szerinti szűrés segíthet felismerni, hol alacsony a használat, ami kiindulópont lehet a munkafolyamatok és a képzési igények áttekintéséhez a csapat felelősével.

A Insights részben található feladatosztályozó egy üzenetmintát sorol felhasználási esetekbe és feladatokba. A szoftvermérnöki kategória például funkciófejlesztést és kódkarbantartást tartalmazhat, míg az értékesítés és bevétel kategóriában számlakutatás és tervezés szerepelhet. Az Overview fül gyors képet ad a munkatípusok arányáról, a Use cases fül pedig részletes táblázatban bontja le a feladatokat.

Képzési igényeket és eszközhasználatot is jelezhetnek az adatok

Az OpenAI szerint a feladatok részleteinél a Models, Reasoning és Speed bontások azt mutatják, hogy egy adott beállítás mekkora részt képvisel a kreditek felhasználásában. Ez segítheti az adminokat annak megítélésében, hogy a választott beállítás illik-e a munkához, illetve hol érdemes képzést tartani a modellválasztásról.

A vállalat példája szerint egy rutinszerű összefoglalónál érdemes lehet gyorsabb vagy alacsonyabb költségű beállítást tesztelni, miközben összehasonlítják a minőséget, valamint az ellenőrzésre és javításra fordított időt. A Plugin leaderboard és a Skills nézet azt mutatja, milyen eszközök támogatnak egy feladatot. Ha egy releváns plugin használata alacsony, az hozzáférési vagy képzési problémára utalhat, míg egy gyakran használt skill esetében világos felelősre és rendszeres frissítésre lehet szükség.

A Codex esetében az Outcomes nézet a Codex hozzájárulását mutatja az egyesített commitokhoz és kódsorokhoz, a kódellenőrzési aktivitással együtt. Az idősoros adatok, valamint a csoport, felhasználó vagy repository szerinti szűrők az OpenAI szerint abban segíthetnek a mérnöki vezetőknek, hogy megértsék az adaptációt, és eldöntsék, hol érdemes bővíteni a hozzáférést vagy támogatni a csapatokat.

Riportok, saját dashboardok és üzleti rendszerek

Az OpenAI a ChatGPT Work Admin pluginját is kiemeli, amely az adminoknak segít összevetni az adaptációt, a költést és a feladatokat, majd ezekből riportokat készíteni költségvetési és bevezetési döntésekhez. A leírás szerint a plugin kész anyagokat is létrehozhat, például vezetői prezentációt diagramokkal, fő megállapításokkal és javasolt következő lépésekkel.

Az Admin API lehetőséget ad arra, hogy a csapatok saját dashboardjaikban automatizálják a riportokat, és az analitikát üzleti rendszerek adataival kapcsolják össze. Az OpenAI példája szerint egy ügyféltámogatási dashboard megjelenítheti a kreditfelhasználást a jegymegoldási idő mellett.

A vállalat hangsúlyozza, hogy a használati és feladatadatok kiindulópontot adnak az érték vizsgálatához, de az üzleti tulajdonosok adják hozzá azt a kontextust, amelyből megítélhető, mi változott a munkafolyamatban, javultak-e az eredmények, és ez mekkora értéket képvisel. A termékaktivitást olyan mutatókhoz lehet kötni, mint a szállítási idő, a minőség vagy a nyereségesség.

Egy ROI-példa és három ügyféladat

Az OpenAI egy szemléltető éves ROI-számítást is közöl értékesítési számlakutatásra. A példa egy olyan csapatból indul ki, ahol 20 értékesítő hetente fejenként két account briefet készít, és minden briefen 3 órát takarítanak meg 46 héten át. Ez a képlet szerint 5 520 óra éves időmegtakarítást jelent.

A számítás feltételezi, hogy a csapat az idő 50%-át produktív munkára fordítja, amelyet teljes munkáltatói költséggel óránként 75 dollárra értékelnek. Így az éves becsült kapacitásérték 207 000 dollár. A teljes első éves költségre 60 000 dollárt feltételezve az OpenAI képlete 245%-os szemléltető ROI-t ad. A forrás külön jelzi, hogy minden szám hipotetikus, és a ROI becsült kapacitásértéket tükröz, nem tartalmazza például a magasabb nyerési arányból vagy nagyobb üzletméretből származó lehetséges előnyöket.

A cég ügyfélpéldákat is felsorol. Az OpenAI szerint az 1Password a Codexet szoftver építésére, ellenőrzésére és tesztelésére használja, és 553% ROI-t, valamint 0,8 millió dollár éves mérnöki kapacitásértéket becsül. Az ATV Big Air Tour a ChatGPT Worköt eseménylisták ellenőrzésére, készlettervezésre és a weboldal láthatóságának javítására használja, a listázási ellenőrzések heti nyolc óráról egy órára, a készletmunka két-három napról két-három órára csökkent. A Playco az OpenAI API-n keresztül a GPT‑6 Astra modellt használja játszható játékprototípusok építésére és tesztelésére, és három tematikus prototípust készített egy alapból, miközben 50%-kal kevesebb kézi javítást jelentett az előző modellhez képest.

Mit jelent ez a céges felhasználóknak?

A bejegyzés gyakorlati üzenete az, hogy az AI-bevezetést az OpenAI nem pusztán használati statisztikaként kezeli, hanem mérési folyamatként. Az adminok az Insights megnyitásával kiválaszthatnak egy gyakori, üzleti prioritást támogató feladatot, majd üzleti felelőssel együtt rögzíthetik a kiinduló állapotot, a mérendő eredményt és a felülvizsgálat időpontját.

A felhasználók és vezetők számára ez azt jelenti, hogy a ChatGPT Work és a Codex céges használata akkor értelmezhető jobban, ha a csapatok nemcsak azt nézik, ki mennyit használja az eszközt, hanem azt is, milyen munkában, milyen beállításokkal, milyen ellenőrzési igénnyel és milyen üzleti eredmény mellett. Az OpenAI javaslata szerint az eredmények alapján lehet dönteni a munkafolyamat bővítéséről, a használat javításáról vagy egy másik megközelítés teszteléséről.