Как управлять инвестициями в ИИ в эпоху агентов

Цель OpenAI — сделать ИИ более доступным, производительным и экономичным с течением времени. От GPT‑4 до GPT‑5.4 цена за миллион токенов снизилась на 97%. GPT‑5.6 продолжает этот прогресс, обеспечивая лучшую производительность в Индексе агентов кодирования Artificial Analysis с сокращением выходных токенов на 54% и времени на задачу на 57%.

Однако цена токена сама по себе не показывает, создает ли ИИ ценность. Руководителям следует смотреть на полезную работу за доллар: выполненные задачи, сэкономленное время, улучшенные решения и рабочие процессы, готовые к масштабированию. По мере того как команды переходят от чатов к более длительным рабочим процессам, администраторам нужна более четкая видимость спроса, расходов и рисков. Вот пять способов инвестировать с уверенностью.

011. Повысьте прозрачность использования и расходов

Руководителям предприятий нужен четкий обзор использования ИИ: кто его использует, какие продукты или модели применяются, какой объем потребляется и какую работу поддерживает это использование. Без такой прозрачности растущий счет трудно интерпретировать. Он может отражать потери, продуктивные эксперименты или рабочий процесс, который становится критически важным для бизнеса.

ChatGPT Work поддерживает более длительные многошаговые задачи, поэтому использование может сильно варьироваться в зависимости от рабочего процесса. Администраторам необходимо видеть работу, стоящую за этим использованием, а не только потребленные кредиты. Это стало возможным благодаря единому представлению спроса в ChatGPT.

Обновленная аналитика использования и средства контроля расходов в Admin Console помогают администраторам видеть внедрение, использование кредитов и расходы по пользователям, продуктам и моделям; отслеживать тенденции с течением времени; выявлять возникающие закономерности; и понимать, когда использование отражает широкое внедрение, рабочий процесс активного пользователя или повторяющийся бизнес-процесс, который может заслуживать дополнительных инвестиций.

Инсайты на разных уровнях помогают направлять решения об инвестициях и обучении:

• Рабочее пространство: Движутся ли внедрение и расходы синхронно?
• Команда и пользователь: Где растет спрос и кому может понадобиться дополнительная поддержка?
• Продукт и модель: Где используется более дорогой интеллект и является ли этот спрос устойчивым?

Вместе эти представления помогают администраторам решать, куда инвестировать, где обучать, а где устанавливать лимиты.

022. Оценивайте эффективность модели по рентабельности результата

Самая низкая цена токена не всегда приводит к самой низкой общей стоимости. Более дешевая модель может давать сбои, требовать повторных попыток или создавать работу, нуждающуюся в исправлении. Более производительная модель может стоить дороже за токен, но достигать приемлемого результата быстрее, с меньшим количеством попыток и меньшей проверкой.

Оценивайте модели на основе работы, которую они должны выполнять. Используйте оценки, отражающие реальные задачи, включая граничные случаи, и определите «достаточно хорошо» до начала тестирования. Затем измерьте полную стоимость достижения этого стандарта: использование модели и инструментов, попытки, процент завершения, задержку и человеческую проверку.

Для приоритетных рабочих процессов отслеживайте стоимость за принятый результат. В поддержке клиентов это может быть решенный запрос. В инженерии — протестированное изменение, прошедшее проверку. Соотносите эту стоимость с бизнес-ценностью, такой как сэкономленное время, сокращение времени цикла, защищенный доход, предотвращенный риск или созданная мощность.

Выбор модели — лишь часть уравнения. Четкие инструкции, сфокусированные инструменты, повторно используемый контекст и явные условия остановки могут сократить циклы и пустые траты. Цель — сопоставить модель и рабочий процесс с задачей: использовать меньшие или более быстрые модели, когда они соответствуют планке качества, и резервировать передовой интеллект для сложных, неоднозначных или высокорисковых задач.

033. Управляйте продвинутыми рабочими процессами до их масштабирования

Руководителям предприятий следует рассматривать управление как операционный слой, определяющий, какие ИИ-процессы могут масштабироваться. Практическая работа заключается в определении того, какой контекст может использовать ChatGPT, к каким инструментам он имеет доступ, какие действия может выполнять, кто утверждает шаги с высоким риском и как предоставляется дополнительная мощность, когда команды находят ценные рабочие процессы.

Это становится более важным по мере того, как команды внедряют плагины, коннекторы, Computer Use и другие передовые возможности, которые могут работать в корпоративных системах. ChatGPT Work предоставляет администраторам централизованные средства контроля доступа, утвержденного контекста, подключенных инструментов, разрешенных действий, использования и расходов.

Средства контроля расходов, такие как настройки рабочего пространства по умолчанию, групповые лимиты, индивидуальные исключения и запросы на проверку с контекстом проекта, помогают руководителям поддерживать высокоценную работу без общего повышения лимитов.

Для приоритетных развертываний инженеры по развертыванию ИИ OpenAI могут напрямую работать с клиентами над оценками, архитектурой, задержкой, надежностью и дизайном рабочих процессов для повышения как производительности, так и экономической эффективности.

Конфиденциальность и управление должны быть частью этой работы с самого начала: конфиденциальные рабочие процессы требуют правильных средств контроля доступа, политики хранения, видимости соответствия и путей утверждения до масштабирования. Там, где это применимо, корпоративные средства контроля конфиденциальности OpenAI, включая опции Zero Data Retention, могут помочь клиентам развертывать ИИ в средах с высоким уровнем доверия.

044. Финансируйте рабочие процессы, которые могут давать сложный эффект

Руководителям предприятий следует управлять инвестициями в ИИ как портфелем: широкий доступ для повседневной производительности, функционально-специфичные рабочие процессы, улучшающие повторяющуюся работу, и небольшое количество стратегических ставок, построенных на уникальном корпоративном контексте.

Самые сильные кандидаты — это рабочие процессы, которые повторяются в значительном масштабе, имеют четкого владельца и могут быть измерены по качеству, риску и бизнес-ценности.

Финансирование должно следовать за зрелостью. Исследование должно проверять, может ли модель справиться с задачей; валидация должна тестировать репрезентативные случаи против четкой планки качества; финансирование производства должно поддерживать интеграции, средства контроля, надежность и управление изменениями, необходимые для масштабирования.

Общие возможности, такие как идентификация, доверенные коннекторы, курируемые знания, оценки, наблюдаемость, маршрутизация моделей и повторно используемые шаблоны агентов, должны финансироваться централизованно, чтобы каждый новый рабочий процесс было легче и безопаснее запускать.

055. Соотносите мощность с подтвержденным спросом

Как только рабочий процесс доказывает свою ценность, руководители должны соотнести продукт, мощность и модель поддержки с его спросом. ChatGPT Work предоставляет готовые возможности для чата, кодирования, агентских рабочих процессов, коннекторов, плагинов, Computer Use и администрирования. Компании могут расширить эту основу с помощью собственных данных, разрешений, оценок и логики рабочих процессов там, где эти элементы создают дифференцированную ценность.

Для производственных нагрузок коммерческая структура должна соответствовать моделям использования:

• Guaranteed Capacity для производственных систем и агентов, которым нужна определенность доступа.
• Scale Tier для предсказуемых высокообъемных API-нагрузок.
• Batch API, Flex processing или Prompt Caching для асинхронной работы или повторяющегося контекста.

Для более крупных стратегических развертываний OpenAI Frontier и Deployment Company могут помочь предприятиям создавать, развертывать и управлять ИИ-коллегами в корпоративных системах.

Этот подход позволяет руководителям масштабировать проверенную работу с правильным продуктом, мощностью и моделью поддержки, вместо того чтобы каждый рабочий процесс перестраивал свою собственную инфраструктуру.