როგორ ვმართოთ ხელოვნური ინტელექტის ინვესტიციები აგენტების ეპოქაში

OpenAI-ის მიზანია, დროთა განმავლობაში ხელოვნური ინტელექტი უფრო ხელმისაწვდომი, მრავალმხრივი შესაძლებლობების მქონე და ფინანსურად ხელსაყრელი გახადოს. GPT‑4‑დან GPT‑5.4‑მდე, მილიონ ტოკენზე ფასი 97 % -ით შემცირდა. GPT‑5.6⁠ აგრძელებს ამ პროგრესს და Artificial Analysis Coding Agent Index-ში უზრუნველყოფს უკეთეს წარმადობას 54 % -ით ნაკლები ტოკენებით და თითო დავალებაზე 57 % -ით ნაკლებ დროში.

მაგრამ მხოლოდ ტოკენის ფასი არ აჩვენებს, ქმნის თუ არა AI ღირებულებას. ხელმძღვანელებმა უნდა შეაფასონ ყოველ დოლარზე მიღებული სასარგებლო სამუშაო: შესრულებული ამოცანები, დაზოგილი დრო, გაუმჯობესებული გადაწყვეტილებები და მასშტაბირებისთვის მზად სამუშაო პროცესები.

იმ დროს, როდესაც გუნდები ჩატიდან უფრო ხანგრძლივ სამუშაო ნაკადებზე გადადიან, ადმინისტრატორებს სჭირდებათ უფრო მკაფიო ხედვა მოთხოვნის, ხარჯებისა და რისკების შესახებ. 

გთავაზობთ ხუთ გზას თავდაჯერებულად ინვესტირებისთვის.

საწარმოს ლიდერებს სჭირდებათ AI-ის გამოყენების მკაფიო ხედვა: ვინ იყენებს მას, რომელ პროდუქტებს ან მოდელებს იყენებენ, რამდენ რესურსს მოიხმარენ და რა ტიპის სამუშაოს უჭერს მხარს ეს გამოყენება. ამ ხილვადობის გარეშე, მზარდი გადასახადის გაგება რთულია. ეს შეიძლება ასახავდეს ფუჭ ხარჯვას, პროდუქტიულ ექსპერიმენტირებას ან სამუშაო პროცესს, რომელიც ბიზნესისთვის კრიტიკულად მნიშვნელოვანი ხდება.

ChatGPT Work⁠ უფრო გრძელი, მრავალსაფეხურიანი ამოცანების შესრულებას უჭერს მხარს, ამიტომ გამოყენება სამუშაო პროცესის მიხედვით შეიძლება მნიშვნელოვნად განსხვავდებოდეს. ადმინისტრატორებს სჭირდებათ დაინახონ ამ გამოყენების უკან არსებული სამუშაო, და არა მხოლოდ მოხმარებული კრედიტები. ეს შესაძლებელი ხდება ChatGPT‑ის მასშტაბით მოთხოვნის საერთო ხედვის წყალობით. განახლებული გამოყენების ანალიტიკა და ხარჯვის კონტროლი⁠ ადმინისტრატორის კონსოლში⁠(იხსნება ახალ ფანჯარაში) ეხმარება ადმინისტრატორებს, ნახონ ათვისება, კრედიტების გამოყენება და ხარჯვა მომხმარებლის, პროდუქტისა და მოდელის მიხედვით; თვალყური ადევნონ ტენდენციებს დროთა განმავლობაში; ამოიცნონ ახალი კანონზომიერებები; და გაიგონ, როდის ასახავს გამოყენება ფართო ათვისებას, მოწინავე მომხმარებლის სამუშაო პროცესს ან განმეორებად ბიზნესპროცესს, რომელიც შესაძლოა მეტ ინვესტიციას იმსახურებდეს.

სხვადასხვა დონეზე მიღებული ანალიტიკური ხედვები ხელს უწყობს საინვესტიციო და ხელშემწყობი გადაწყვეტილებების მიღებას:

• სამუშაო სივრცე: თანხვედრაშია თუ არა დანერგვა და ხარჯები?

• გუნდი და მომხმარებელი: სად იზრდება მოთხოვნა და ვის შეიძლება დასჭირდეს მეტი მხარდაჭერა?

• პროდუქტი და მოდელი: სად გამოიყენება უფრო ძვირადღირებული ინტელექტი და არის თუ არა მოთხოვნა სტაბილური?

ერთობლივად, ეს ხედვები ადმინისტრატორებს ეხმარება გადაწყვეტილების მიღებაში, თუ სად განახორციელონ ინვესტიცია, ვის გაუწიონ მენტორობა ან სად დააწესონ შეზღუდვები.

ტოკენის ყველაზე დაბალი ფასი ყოველთვის არ განაპირობებს ყველაზე დაბალ ჯამურ ხარჯს. უფრო იაფმა მოდელმა შეიძლება ვერ შეასრულოს დავალება, დასჭირდეს ხელახალი მცდელობა ან შექმნას ისეთი ნამუშევარი, რომელიც შესწორებას მოითხოვს. უფრო ძლიერი შესაძლებლობების მქონე მოდელი შეიძლება მეტი ღირდეს თითო ტოკენზე, თუმცა მისაღებ შედეგს უფრო სწრაფად მიაღწიოს ნაკლები მცდელობითა და ნაკლები გადამოწმების საჭიროებით.

შეაფასეთ მოდელები იმ სამუშაოს მიხედვით, რომლის შესრულებაც მათ უწევთ. გამოიყენეთ შეფასებები, რომლებიც რეალურ ამოცანებს ასახავს⁠, საზღვრული შემთხვევების ჩათვლით და ტესტირებამდე განსაზღვრეთ, რას ნიშნავს „საკმარისად კარგი“. შემდეგ კი გაზომეთ ამ სტანდარტის მიღწევის სრული ღირებულება: მოდელისა და ინსტრუმენტების გამოყენება, მცდელობების რაოდენობა, შესრულების კოეფიციენტი, რეაგირების დრო და ადამიანის მიერ გადამოწმების პროცესი.

პრიორიტეტული სამუშაო პროცესებისთვის, თვალყური ადევნეთ ღირებულებას თითოეული მიღებულ შედეგზე. მომხმარებელთა მხარდაჭერის მხრივ, ეს შეიძლება მოგვარებული საქმე იყოს. საინჟინრო სფეროში ეს შეიძლება იყოს შემოწმებული ცვლილება, რომელიც განხილვას წარმატებით გაივლის. დააკავშირეთ ეს ხარჯი ბიზნეს ღირებულებასთან, როგორიცაა დაზოგილი დრო, შემცირებული ციკლის დრო, დაცული შემოსავალი, თავიდან აცილებული რისკი ან შექმნილი გამტარუნარიანობა.

მოდელის არჩევა განტოლების მხოლოდ ერთი ნაწილია. მკაფიო ინსტრუქციებს, კონკრეტულ მიზანზე ორიენტირებულ ინსტრუმენტებს, მრავალჯერადად გამოყენებად კონტექსტსა და მუშაობის შეწყვეტის მკაფიო პირობებს შეუძლია შეამციროს განმეორებადი ციკლები და ფუჭი ხარჯები. მიზანია მოდელისა და სამუშაო პროცესის შესაბამისობა შესასრულებელ ამოცანასთან:გამოიყენეთ უფრო მცირე ან უფრო სწრაფი მოდელები, როცა ისინი ხარისხის მოთხოვნებს აკმაყოფილებენ, ხოლო მოწინავე ინტელექტი შეინახეთ კომპლექსური, ბუნდოვანი ან მაღალი რისკის შემცველი სამუშაოსთვის.

საწარმოთა ლიდერებმა მართვა უნდა განიხილონ, როგორც საოპერაციო შრე, რომელიც განსაზღვრავს, ხელოვნური ინტელექტის რომელ სამუშაოს აქვს მასშტაბირების პოტენციალი.. პრაქტიკული სამუშაო გულისხმობს იმის განსაზღვრას, თუ რომელი კონტექსტის გამოყენება შეუძლია ChatGPT‑ს, რომელ ინსტრუმენტებზე აქვს წვდომა, რა ქმედებების განხორციელება შეუძლია მას, ვინ ამტკიცებს მაღალი რისკის მქონე ნაბიჯებს და როგორ გამოიყოფა დამატებითი რესურსი მაშინ, როდესაც გუნდები ღირებულ სამუშაო პროცესებს აღმოაჩენენ.

ეს კიდევ უფრო მნიშვნელოვანი ხდება, როდესაც გუნდები ნერგავენ პლაგინებს, კონექტორებს, „კომპიუტერის მართვის“ ფუნქციასა და სხვა მოწინავე შესაძლებლობებს, რომლებსაც სხვადასხვა კორპორაციულ სისტემებში მუშაობა შეუძლიათ. ChatGPT Work-ი⁠ ადმინისტრატორებს აძლევს ცენტრალიზებული მართვის საშუალებებს წვდომის, დამტკიცებული კონტექსტის, დაკავშირებული ინსტრუმენტების, ნებადართული მოქმედებების, გამოყენებისა და ხარჯების სამართავად. ხარჯვის კონტროლის მექანიზმები, როგორიცაა სამუშაო სივრცის ნაგულისხმევი პარამეტრები, ჯგუფის ლიმიტები, ინდივიდუალური გამონაკლისები და პროექტის კონტექსტით განხილვის მოთხოვნები, ხელმძღვანელებს ეხმარება, მხარი დაუჭირონ მაღალი ღირებულების სამუშაოს ლიმიტების ფართოდ გაზრდის გარეშე.

პრიორიტეტული დანერგვების შემთხვევაში, OpenAI-ის AI დანერგვის ინჟინრები⁠(იხსნება ახალ ფანჯარაში) შეუძლიათ უშუალოდ ითანამშრომლონ კლიენტებთან შეფასებებზე, არქიტექტურაზე, რეაგირების დროზე, საიმედოობასა და სამუშაო ნაკადის პროექტირებაზე, რათა გააუმჯობესონ როგორც მუშაობის ეფექტურობა, ისე ხარჯების ოპტიმიზაცია. კონფიდენციალურობა და მმართველობა თავიდანვე უნდა იყოს ამ სამუშაოს ნაწილი: მგრძნობიარე სამუშაო პროცესებს სჭირდებათ სათანადო წვდომის კონტროლი, შენახვის სათანადო პოლიტიკა, შესაბამისობის ხილვადობა და დამტკიცების გზები, სანამ მათი მასშტაბირება მოხდება. საჭიროებისამებრ, OpenAI-ს კორპორატიული კონფიდენციალურობის კონტროლის მექანიზმები, მათ შორის მონაცემთა ნულოვანი შენარჩუნების⁠(იხსნება ახალ ფანჯარაში) ვარიანტები, შეუძლია დაეხმაროს კლიენტებს AI-ის დანერგვაში მაღალი ნდობის გარემოებში.

კორპორაციულმა ლიდერებმა AI-ში ინვესტიციები პორტფელის მსგავსად უნდა მართონ: ფართო წვდომა ყოველდღიური პროდუქტიულობისთვის, კონკრეტულ ფუნქციებზე მორგებული სამუშაო პროცესები, რომლებიც განმეორებად სამუშაოს აუმჯობესებს, და მცირე რაოდენობის სტრატეგიული ინიციატივები, რომლებიც კომპანიის საკუთრივ კონტექსტზეა აგებული. ყველაზე პერსპექტიული კანდიდატებია ისეთი სამუშაო ნაკადები, რომლებიც მეორდება მნიშვნელოვანი მასშტაბით, აქვთ მკაფიოდ განსაზღვრული მფლობელი და რომელთა ხარისხის, რისკისა და ბიზნეს-ღირებულების შეფასებაც მარტივად არის შესაძლებელი.

დაფინანსება სიმწიფის დონეს უნდა შეესაბამებოდეს. გამოკვლევის ეტაპმა უნდა შეამოწმოს, შეუძლია თუ არა მოდელს მოცემულ ამოცანასთან გამკლავება; ვალიდაციის ფაზამ უნდა გამოსცადოს რეპრეზენტაციული შემთხვევები ხარისხის მკაფიო სტანდარტთან მიმართებით; ხოლო საწარმოო დაფინანსებამ მხარი უნდა დაუჭიროს იმ ინტეგრაციებს, კონტროლის მექანიზმებს, საიმედოობასა და ცვლილებების მართვას, რომლებიც აუცილებელია მასშტაბირებისთვის. საერთო შესაძლებლობები, როგორიცაა იდენტობა, სანდო კონექტორები, კურირებული ცოდნა, შეფასებები, დაკვირვებადობა, მოდელების მარშრუტიზაცია და აგენტების მრავალჯერადად გამოყენებადი შაბლონები, ცენტრალიზებულად უნდა დაფინანსდეს, რათა თითოეული ახალი სამუშაო ნაკადის გაშვება უფრო მარტივი და უსაფრთხო გახდეს.

მას შემდეგ, რაც სამუშაო პროცესი თავის ღირებულებას დაამტკიცებს, ხელმძღვანელებმა უნდა პროდუქტი, სიმძლავრე და მხარდაჭერის მოდელი მასზე არსებულ მოთხოვნას შეუსაბამონ. ChatGPT Work⁠ გთავაზობთ მზა შესაძლებლობებს ჩატისთვის, კოდირებისთვის, აგენტური სამუშაო პროცესებისთვის, კონექტორებისთვის, პლაგინებისთვის, კომპიუტერის გამოყენებისთვის და ადმინისტრირებისთვის. კომპანიებს შეუძლიათ აღნიშნული საფუძველი გააფართოონ საკუთრების მონაცემებით, ნებართვებით, შეფასებებითა და სამუშაო პროცესის ლოგიკით, სადაც ეს ელემენტები ქმნიან დიფერენცირებულ ღირებულებას.

საწარმოო დატვირთვებისთვის კომერციული სტრუქტურა გამოყენების შაბლონებს უნდა შეესაბამებოდეს: Guaranteed Capacity⁠ საწარმოო სისტემებისა და აგენტებისთვის, რომლებსაც ესაჭიროებათ წვდომის გარანტია; მასშტაბირების დონე⁠ პროგნოზირებადი, მაღალი მოცულობის API დატვირთვებისთვის, და Batch API⁠(იხსნება ახალ ფანჯარაში), Flex processing⁠(იხსნება ახალ ფანჯარაში) ან Prompt Caching⁠ ასინქრონული სამუშაოსთვის ან განმეორებადი კონტექსტისთვის.

უფრო მასშტაბური სტრატეგიული დანერგვების შემთხვევაში, OpenAI Frontier⁠ და Deployment Company⁠(იხსნება ახალ ფანჯარაში) შეუძლია დაეხმაროს საწარმოებს ხელოვნური ინტელექტის თანამშრომლების შექმნაში, დანერგვასა და მართვაში საწარმოს მასშტაბით არსებულ სისტემებში. ეს მიდგომა ლიდერებს საშუალებას აძლევს, შესაბამისი პროდუქტით, სიმძლავრითა და მხარდაჭერის მოდელით აპრობირებული სამუშაოს მასშტაბირება მოახდინონ, ნაცვლად იმისა, რომ თითოეულ სამუშაო პროცესს საკუთარი ინფრასტრუქტურის თავიდან აგება დასჭირდეს.