Come collegare l'utilizzo dell'IA al valore aziendale

Come collegare l'utilizzo dell'IA al valore aziendale

Con sempre più team che utilizzano l'intelligenza artificiale, gli amministratori e i leader aziendali devono sviluppare una comprensione profonda di dove questa tecnologia crea davvero valore e dove concentrare i prossimi investimenti. Sebbene i dati di utilizzo e di spesa forniscano parte della storia, gli amministratori hanno bisogno di visibilità molto più granulare: capire cosa le persone effettivamente usano l'IA per fare e quali risultati concreti questa li aiuta a raggiungere. Questa è la sfida centrale affrontata dalle moderne organizzazioni che cercano di massimizzare il ritorno sui loro investimenti in intelligenza artificiale.

Le analitiche integrate nella console di amministrazione di ChatGPT riuniscono dati di utilizzo e costi, insight sulle attività, e metriche di risultato su ChatGPT Work e Codex. Questi strumenti permettono agli amministratori di comprendere l'adozione effettiva della tecnologia, di supportare i team in modo più efficace, e di valutare il valore aziendale reale generato dall'intelligenza artificiale. In questo articolo, esamineremo come gli amministratori possono sfruttare questi strumenti per trasformare i dati grezzi in decisioni strategiche che guidino il successo organizzativo.

Comprendere l'utilizzo e la spesa dell'IA

Il primo passo per collegare l'IA al valore aziendale consiste nel comprendere dove e come viene effettivamente utilizzata la tecnologia all'interno dell'organizzazione. Le analitiche di utilizzo mostrano dove l'adozione sta crescendo e dove la spesa si sta concentrando, aiutando gli amministratori a focalizzare il supporto, a rivedere i costi, e a valutare le richieste di capacità. La visualizzazione Utilizzo riunisce in un'unica interfaccia gli utenti attivi, i crediti e l'utilizzo dei token su ChatGPT Work e Codex, fornendo una visione olistica del consumo di risorse.

Questi strumenti di visualizzazione sono particolarmente utili per identificare pattern di adozione disomogenei all'interno dell'organizzazione. Ad esempio, filtrando i dati per gruppo o per singolo utente, gli amministratori possono rivelare dove l'adozione è ancora bassa, fornendo motivazioni concrete per rivedere i flussi di lavoro iniziali e le esigenze di formazione con il proprietario del team. Questa granularità consente agli amministratori di andare oltre le metriche aggregate e di comprendere le dinamiche reali di adozione a livello di team e individuale.

Un caso pratico potrebbe essere il seguente: se un determinato reparto di vendita mostra un utilizzo significativamente inferiore alla media aziendale, l'amministratore potrebbe investigare se il problema sia dovuto a una mancanza di consapevolezza sugli strumenti disponibili, a una resistenza al cambiamento, o semplicemente a una mancanza di formazione adeguata. Questa informazione consente di intervenire in modo mirato, piuttosto che lanciare iniziative di adozione generiche che potrebbero non affrontare le cause radice.

Vedere cosa i team stanno facendo con l'IA

Comprendere l'utilizzo e la spesa è importante, ma per valutare davvero il valore aziendale, gli amministratori devono sapere cosa i team stanno effettivamente usando l'IA per fare. Il classificatore di attività presente in Insight aiuta gli amministratori a comprendere quale lavoro l'IA supporta, raggruppando un campione di messaggi in casi d'uso e attività specifiche. Questo approccio basato sulla classificazione offre una visibilità senza precedenti sul tipo di lavoro che l'IA sta abilitando all'interno dell'organizzazione.

L'ingegneria del software, ad esempio, include lo sviluppo di funzionalità e la manutenzione del codice, mentre le vendite e i ricavi includono la ricerca su account e la pianificazione strategica. La scheda Panoramica mostra il mix di lavoro a colpo d'occhio, fornendo una visione di alto livello; la scheda Casi d'uso fornisce una tabella dettagliata con gli scomposizioni delle attività, permettendo un'analisi più profonda. Gli amministratori possono filtrare per gruppo per vedere come i diversi team utilizzano l'IA, e poi lavorare con i proprietari aziendali per decidere quali flussi di lavoro e risultati valutare.

Per il team di vendita illustrato negli esempi, la ricerca su account e la pianificazione rappresentano il maggiore utilizzo di crediti—un punto di partenza naturale per discutere come l'IA sta cambiando la preparazione dei clienti. Questo tipo di insight consente conversazioni molto più produttive tra amministratori e leader di business, poiché entrambi stanno lavorando con dati concreti piuttosto che con supposizioni o congetture.

Identificare dove i team hanno bisogno di formazione e supporto

Comprendere quali attività i team stanno svolgendo con l'IA è un passo importante, ma il passo successivo è assicurarsi che stiano usando gli strumenti in modo ottimale. Nei dettagli dell'attività, gli scomposizioni di Modelli, Ragionamento, e Velocità mostrano la quota di crediti di ogni impostazione per un'attività. Questo aiuta gli amministratori a valutare se la configurazione si adatta al lavoro effettivo e a targetizzare la formazione sulla selezione del modello.

Una routine breve, ad esempio, potrebbe valere la pena testare con un'impostazione più veloce o a costo inferiore, confrontando la qualità e il tempo speso per rivederla e correggerla. Questo tipo di ottimizzazione può portare a risparmi significativi senza compromettere la qualità dei risultati. La classifica dei plugin e la visualizzazione Competenze mostrano quali strumenti supportano un'attività, aiutando gli amministratori a focalizzare la formazione e a decidere quali flussi di lavoro mantenere o condividere all'interno dell'organizzazione.

Un utilizzo basso di un plugin rilevante potrebbe indicare un'esigenza di accesso o di formazione; una competenza frequentemente utilizzata potrebbe aver bisogno di un proprietario chiaro e di aggiornamenti regolari. Questo approccio basato sui dati consente agli amministratori di investire le risorse di formazione dove avranno il maggior impatto, piuttosto che fornire una formazione generica a tutti i team. Nel dettaglio, se Google Drive viene utilizzato 308.1K volte come plugin per la ricerca su account, mentre altri plugin rimangono sottoutilizzati, questo suggerisce che la formazione dovrebbe concentrarsi sulla massimizzazione di Google Drive e sulla scoperta di altri plugin rilevanti.

Tracciare i contributi di Codex ai risultati ingegneristici

Per i team di ingegneria, la valutazione del valore generato da Codex—lo strumento di assistenza alla codifica alimentato dall'IA—richiede metriche specifiche che vadano oltre il semplice utilizzo. La visualizzazione Risultati mostra i contributi di Codex ai commit uniti e alle righe di codice, insieme all'attività di revisione del codice. Questi dati forniscono un quadro completo di come Codex sta impattando il ciclo di sviluppo del software.

Le tendenze e i filtri disponibili per gruppo, utente o repository aiutano gli amministratori e i leader tecnici a comprendere l'adozione e a decidere dove espandere l'accesso o supportare ulteriormente i team. Se Codex contribuisce a una quota crescente del codice unito, i leader tecnici possono confrontare questa tendenza con il tempo di revisione, i difetti e il rework per valutare se sta effettivamente aiutando il team a spedire software più efficacemente.

Questo è un aspetto cruciale: l'aumento dei contributi di Codex non è necessariamente positivo se è accompagnato da un aumento dei difetti o del tempo di revisione. Al contrario, se il numero di righe di codice prodotte da Codex rimane stabile o cresce mentre il tempo di revisione diminuisce, questo suggerirebbe che lo strumento sta migliorando effettivamente la produttività e la qualità. Questa analisi multi-dimensionale consente ai leader tecnici di prendere decisioni ben informate sulla continua adozione e sull'ottimizzazione di Codex.

Strumenti di reporting e automazione per gli amministratori

Gli amministratori non possono permettersi di passare ore a raccogliere e organizzare i dati sull'utilizzo dell'IA. Il plugin di amministrazione in ChatGPT Work consente agli amministratori di confrontare adozione, spesa e attività, e poi trasformare le scoperte in report per le decisioni di budget e rollout. Questo plugin può anche creare un lavoro finito, come una presentazione per i leader con grafici, conclusioni chiave e passaggi successivi consigliati, pronto per essere condiviso con gli stakeholder interfunzionali.

Con l'API di amministrazione, i team possono automatizzare i report nei loro stessi dashboard e combinare le analitiche con i dati dei sistemi aziendali. Ad esempio, un dashboard di supporto potrebbe mostrare l'utilizzo dei crediti insieme al tempo di risoluzione dei ticket, permettendo una correlazione diretta tra l'uso dell'IA e i miglioramenti nel servizio clienti. Questo tipo di integrazione trasforma l'IA da uno strumento isolato a una componente integrata della strategia aziendale complessiva.

Un esempio concreto potrebbe essere una revisione mensile del rollout dell'IA che mostra come l'utilizzo totale ha raggiunto 6.81 milioni di crediti, con un aumento del 45.3% rispetto al periodo precedente. I grafici potevano confrontare i crediti giornalieri di Work e Codex per l'ingegneria e le vendite, dal 12 agosto al 10 settembre, fornendo una visibilità completa delle tendenze di adozione per ciascun dipartimento.

Collegare le analitiche ai risultati aziendali

I dati di utilizzo e di attività sono un punto di partenza per gli amministratori per investigare il valore con i proprietari aziendali, ma non sono la fine della storia. I proprietari aziendali aggiungono il contesto necessario per valutare il valore: cosa è cambiato nel flusso di lavoro, se i risultati sono migliorati, e quanto vale quel miglioramento. Insieme, amministratori e proprietari aziendali possono collegare l'attività del prodotto a misure come il tempo di consegna, la qualità, o la redditività.

Supponiamo che il classificatore di attività nella console di amministrazione mostri che la ricerca su account è comune in un gruppo di vendita. L'amministratore verifica se le scelte del modello si adattano al compito, fornisce formazione dove un plugin CRM è sottoutilizzato, e condivide una competenza per piani di account coerenti. Il proprietario della vendita confronta quindi il tempo di preparazione e la qualità del piano con il baseline del team. Se il tempo viene risparmiato, traccia quanto di esso viene investito nelle conversazioni con i clienti, quali conversazioni si trasformano in opportunità qualificate, e quali opportunità si trasformano in vendite. I ricavi e il margine di contribuzione su quel business aiutano a mostrare se la capacità aggiuntiva produce un beneficio finanziario.

Domande fondamentali per esplorare il valore di un flusso di lavoro

Per esplorare sistematicamente il valore di un flusso di lavoro abilitato dall'IA, inizia con un set di domande fondamentali:

• Cosa vorresti migliorare? Scegli un risultato che importa al team, come una preparazione più veloce, un lavoro di migliore qualità, costi inferiori, o più vendite. Questo aiuta a focalizzare l'analisi su metriche che contano davvero per l'organizzazione.
• Come appare il processo oggi? Stabilisci un punto di partenza: con quale frequenza il team esegue l'attività, quanto tempo impiega, e cosa rappresenta un buon risultato. Questo baseline è essenziale per misurare il miglioramento.
• Cosa cambia con l'IA? Confronta i risultati nel corso di un periodo definito. Includi il tempo speso per revisionare e correggere il lavoro in modo che il completamento più veloce continui a soddisfare gli standard di qualità del team.
• Che cosa rende possibile questo per il team? Il tempo risparmiato potrebbe significare più conversazioni con i clienti. Un lavoro di migliore qualità potrebbe significare meno correzioni. Parla con il team per comprendere dove questi miglioramenti contano di più.
• Il beneficio vale l'investimento? Confronta ciò che il team guadagna con ciò che stai spendendo in IA, configurazione e supporto continuo. Questo può aiutarti a decidere cosa espandere e dove il team potrebbe aver bisogno di più aiuto.

Caso illustrativo: ROI annuale per la ricerca su account di vendita

Per concretizzare questi concetti, consideriamo un esempio illustrativo di come potrebbe apparire il calcolo del ROI. Immagina un team di venditori, ciascuno prepara due brief su account a settimana. Ogni brief riunisce la storia dell'account, la ricerca industrale, e un punto di vista per la conversazione successiva.

Cosa cambia con l'IA?

Manualmente, la preparazione di un brief richiede 4 ore di lavoro intensivo. Con l'IA, compreso il