Как связать использование AI с бизнес-ценностью
ChatGPT Work и Codex analytics помогают командам понять расходы на AI, выявить потребности в обучении и связать внедрение с бизнес-результатами.
Как связать использование AI с бизнес-ценностью
«AI нужно измерять не числом активных пользователей, а объёмом выполненной работы.» — Сара Фриар, CFO OpenAI
В 2026 году почти каждая крупная компания так или иначе использует AI. Но чем шире распространяется внедрение, тем острее встаёт вопрос: где именно AI создаёт реальную ценность, а где просто сжигает бюджет? OpenAI отвечает на этот вопрос комплексом инструментов аналитики в ChatGPT Admin Console — и в этой статье мы подробно разберём, как они устроены и как их применять.
Проблема: данных много, смысла мало
По мере того как всё больше команд используют AI, руководители и администраторы должны понимать, где именно он создаёт ценность и куда инвестировать дальше. Данные об использовании и расходах раскрывают лишь часть картины — нужно также видеть, для чего люди применяют AI и что с его помощью достигается.
Это не просто абстрактная проблема. Мировые расходы на AI в 2026 году прогнозируются на уровне $2,59 трлн — рост 47% год к году. При этом по данным PwC, лишь 12% генеральных директоров сообщают, что AI принёс одновременно выгоду по затратам и выручке. В целом 33% зафиксировали улучшение хотя бы в одном из этих направлений, а 56% пока не видят ощутимого финансового эффекта.
Руководителям предприятий нужен простой и прозрачный обзор использования AI: кто использует, какие продукты или модели, сколько ресурсов потребляется и какую работу это использование обеспечивает. Без такой видимости растущий счёт сложно интерпретировать: он может отражать как неэффективное расходование, так и продуктивные эксперименты, или рабочий процесс, который становится критически важным для бизнеса.
Что такое ChatGPT Work и Codex
Прежде чем разбирать аналитику, кратко обозначим сами продукты:
- ChatGPT Work — режим для выполнения сложных многошаговых задач: исследование темы, анализ данных, создание документов, таблиц, презентаций и отчётов. Work позволяет исследовать тему, анализировать информацию или создавать документы, таблицы, презентации, отчёты и сайты.
- Codex — AI-агент для разработчиков. Codex — это AI-агент, который помогает писать, проверять и выпускать код. Codex — это агент OpenAI для работы с измеримым результатом: он может инспектировать репозиторий, редактировать файлы, выполнять команды, использовать подключённые инструменты и возвращать diff или готовый артефакт.
| Продукт | Основное применение | Кто использует |
|---|---|---|
| ChatGPT Work | Исследование, анализ, документы, отчёты | Аналитики, менеджеры, маркетологи |
| Codex | Написание, отладка кода, ревью, тесты | Разработчики, data-инженеры |
| ChatGPT Chat | Быстрые вопросы, мозговые штурмы | Все роли |
Аналитика в Admin Console: три уровня понимания
Аналитика в ChatGPT Admin Console объединяет данные об использовании и затратах, сведения о выполненных задачах и метрики результатов по ChatGPT Work и Codex.
Эта система выстроена по трём ключевым уровням:
graph TD
A[Usage — Использование] --> B[Tasks — Задачи]
B --> C[Outcomes — Результаты]
A -->|Кто, сколько, когда| D[Активные пользователи, кредиты, токены]
B -->|Что делают| E[Категории задач: анализ, код, документы]
C -->|Каков эффект| F[Merged commits, строки кода, ревью]
style A fill:#4f8ef7,color:#fff
style B fill:#6c63ff,color:#fff
style C fill:#00b894,color:#fff
1. Usage View — Просмотр использования
Аналитика использования показывает, где растёт adoption и где сосредоточены расходы — это помогает администраторам сосредоточить поддержку, пересматривать затраты и оценивать запросы на увеличение ресурсов. Представление Usage объединяет данные об активных пользователях, кредитах и потреблении токенов по ChatGPT Work и Codex.
На практике это выглядит так: вы видите, какой отдел потребляет больше всего ресурсов, и можете сразу понять — это продуктивная команда или та, которой нужно дополнительное обучение?
2. Task Insights — Анализ задач
Один только счёт ничего не объясняет. Важно понять, какую работу выполняет AI. Аналитика помогает понять, как команды используют AI, формируя основу для будущих политик и руководств. Категории задач уже используются такими компаниями, как Datadog, в их продукте Agent Console — для отображения видов работы, выполняемых агентами, что позволяет клиентам получать более достоверные инсайты по мере роста использования AI.
3. Outcomes View — Просмотр результатов (для Codex)
Представление Outcomes показывает вклад Codex в объединённые коммиты и строки кода, а также активность по ревью кода. Тренды и доступные фильтры по группам, пользователям или репозиториям помогают администраторам и руководителям инженерных команд понять adoption и решить, где расширять доступ или поддерживать команды.
Если Codex вносит вклад в растущую долю объединённого кода, руководители инженерных команд могут сопоставить этот тренд со временем ревью, дефектами и переработками — чтобы оценить, помогает ли инструмент команде выпускать ПО эффективнее.
Admin Plugin: AI помогает анализировать само себя
Admin plugin в ChatGPT Work позволяет администраторам сравнивать adoption, расходы и задачи, а затем превращать находки в отчёты для решений по бюджету и развёртыванию. Он также может создавать готовые материалы — например, презентацию для руководства с графиками, ключевыми выводами и рекомендуемыми следующими шагами, готовую к распространению среди кросс-функциональных стейкхолдеров.
Ценность этого инструмента выходит далеко за рамки ускоренной отчётности. Admin plugin связывает вопрос с ближайшим поддерживаемым действием: проверить права доступа, обновить группу, изменить лимит использования или рассмотреть запрос на расходы. Это даёт администраторам более быстрый способ понять происходящее и принять меры, сохраняя при этом те же разрешения и контроли.
Admin API: интеграция с бизнес-системами
С помощью Admin API команды могут автоматизировать отчёты в собственных дашбордах и совмещать аналитику с данными из бизнес-систем. Например, дашборд службы поддержки может отображать расход кредитов рядом со временем решения тикетов.
Это ключевой инструмент для тех, кто хочет замкнуть петлю между расходами на AI и реальными бизнес-метриками. Представьте дашборд, на котором рядом стоят:
- Кредиты, потреблённые командой поддержки
- Среднее время закрытия тикета
- Уровень удовлетворённости клиентов (CSAT)
Такая связка делает ROI (Return on Investment — возврат инвестиций) AI видимым и измеримым.
Новый подход к измерению: от токенов — к результатам
OpenAI продвигает принципиально иную философию оценки AI-инвестиций. Долгие годы рынок измерял успех программного обеспечения через adoption: купленные места, активных пользователей, продлённые лицензии. Понимание ценности AI требует более мощной метрики — выполненной работы. Базовый экономический вопрос для CFO и бизнес-лидеров: растёт ли ценность работы, которую выполняет AI, быстрее стоимости её производства?
Руководителям следует смотреть на объём полезной работы за доллар: выполненные задачи, сэкономленное время, улучшенные решения и рабочие процессы, готовые к масштабированию.
| Старая метрика | Новая метрика |
|---|---|
| Число активных пользователей | Объём выполненных задач |
| Потреблённые токены | Время, сэкономленное на задачу |
| Стоимость за токен | Стоимость выполненной задачи |
| Число лицензий | Доля кода, написанного с AI |
| Adoption rate | Бизнес-результаты (дефекты, цикл разработки) |
Как использовать данные для обучения команд
Аналитика — это не только контроль расходов. Это инструмент развития людей. Данные об использовании и задачах — это отправная точка для того, чтобы администраторы вместе с владельцами бизнеса исследовали ценность AI. Владельцы бизнеса добавляют необходимый контекст: что изменилось в рабочем процессе, улучшились ли результаты и сколько стоит это улучшение.
Практический алгоритм для HR и L&D (Learning & Development — обучение и развитие) команд:
- Выявите неактивных пользователей через Usage View — это кандидаты на обучение
- Изучите категории задач у лидеров adoption — они могут стать внутренними экспертами
- Сравните результаты до и после обучения через Outcomes View
- Автоматизируйте отчётность через Admin API, чтобы отслеживать прогресс в реальном времени
Практический пример: Zipline и Codex
Команда инженеров Zipline полностью перешла на Codex ещё в январе, а в последние месяцы его внедрила и вся компания. Они обратились к OpenAI с просьбой создать аналитику использования, чтобы найти и подтянуть тех, кто ещё не освоил Codex, а также получить детализированные элементы управления расходами для предсказуемости затрат. Новые инструменты помогают быстрее масштабировать продуктивность сотрудников, сохраняя при этом необходимые защитные механизмы.
Итог: от метрик — к стратегии
AI в корпоративном секторе движется от помощи к исполнению — однако не все компании совершают этот переход с одинаковой скоростью. Те, кто умеет связывать данные об использовании с реальными бизнес-метриками, получают решающее конкурентное преимущество.
Аналитика ChatGPT Admin Console — это не просто отчётность для IT. Это стратегический инструмент, который помогает:
- Обосновывать инвестиции в AI перед советом директоров
- Выявлять пробелы в компетенциях команд
- Масштабировать то, что работает, и своевременно отказываться от того, что не приносит ценности
- Автоматизировать управленческую отчётность через Admin API