How to manage AI investments in the agentic era

OpenAI 的目标是随着时间的推移，使人工智能更加普及、强大且经济实惠。从 GPT‑4 到 GPT‑5.4，每百万个标记的价格下降了 97%。GPT‑5.6⁠ 继续推进这一进程，在人工分析编码代理指数中，输出标记减少 54%，任务处理时间缩短 57%。

但仅凭标记价格无法说明人工智能是否创造了价值。领导者应关注 每美元产生的有效工作量：完成的任务数量、节省的时间、改进的决策质量，以及可扩展的工作流程。

随着团队从聊天式交互转向更复杂的长期工作流，管理员需要更清晰地掌握需求、支出和风险。

以下是五种信心十足的投资方式。

1. 提升使用情况和支出的可见性

企业领导者需要 全面了解人工智能使用情况：谁在使用，使用哪些产品或模型，消耗了多少算力，以及这些使用支持了哪些类型的工作。缺乏这种可见性时，不断增长的账单难以解读，可能反映的是浪费、富有成效的实验，或一个逐渐变得关键的业务流程。

ChatGPT Work⁠ 支持更复杂、多步骤的任务，因此不同工作流的使用情况差异可能很大。管理员需要看到这些使用背后的实际工作内容，而不仅仅是消耗的积分。得益于 ChatGPT 跨平台的统一需求视图，管理控制台⁠(opens in a new window) 中更新的 使用分析和支出控制功能⁠ 帮助管理员查看按用户、产品和模型划分的采用情况、积分使用和支出；跟踪随时间变化的趋势；识别新兴模式；并判断使用情况是反映广泛采用、高阶用户的工作流，还是需要更多投资的重复性业务流程。

不同层级的洞察有助于指导投资和赋能决策：

• 工作区：采用率和支出是否同步增长？
• 团队和用户：需求增长的领域有哪些？哪些用户可能需要更多支持？
• 产品和模型：哪些高成本的智能功能被使用？这种需求是否持续？

这些视图共同帮助管理员决定投资方向、指导用户或设置限制。

2. 通过结果投资回报率评估模型效率

最低的标记价格不一定带来最低的总成本。更便宜的模型可能失败、重试或产生需要修正的工作。更强大的模型虽然每标记成本更高，但可能更快达到可接受的结果，尝试次数更少，审查工作更少。

根据模型需要执行的工作来评估模型。使用 反映真实任务的评估⁠，包括边缘案例，并在测试前定义“足够好”的标准。然后测量达到该标准的全部成本：模型和工具使用情况、尝试次数、完成率、延迟和人工审查。

3. 在扩展之前治理高级工作流程

企业领导者应将治理视为决定哪些AI工作可以扩展的操作层。 实际工作包括定义ChatGPT可使用的上下文、可访问的工具、可执行的操作、谁批准高风险步骤，以及当团队发现有价值的工作流时如何授予额外容量。

随着团队采用插件、连接器、计算机使用和其他前沿能力（这些能力可以跨企业系统运行），这一点变得尤为重要。ChatGPT Work⁠ 为管理员提供集中控制，包括访问权限、批准的上下文、连接的工具、允许的操作、使用情况和支出。支出控制（如工作区默认设置、组限制、个人覆盖和带有项目上下文的审核请求）可帮助领导者在不广泛提高限制的情况下支持高价值工作。

对于优先级部署，OpenAI的AI Deployment Engineers⁠(opens in a new window) 可直接与客户合作，针对评估、架构、延迟、可靠性和工作流设计进行优化，从而提升性能和成本效率。隐私和治理应从一开始就纳入这些工作：敏感工作流在扩展之前需要正确的访问控制、数据保留策略、合规可见性和审批路径。在适用的情况下，OpenAI的企业隐私控制（包括 Zero Data Retention⁠(opens in a new window) 选项）可帮助客户在高信任环境中部署AI。

4. 投资可复利的工作流

企业领导者应将AI投资管理为一个投资组合： 为日常生产力提供广泛访问，为改进重复性工作的特定功能工作流提供支持，以及围绕专有公司上下文构建的少量战略投资。最强的候选工作流是那些在有意义的规模上重复进行、有明确负责人且可以衡量质量、风险和商业价值的工作流。

资金分配应与成熟度匹配。探索阶段应测试模型是否能处理任务；验证阶段应通过明确的质量标准测试代表性案例；生产资金应支持扩展所需的集成、控制、可靠性和变更管理。共享能力（如身份验证、可信连接器、精选知识、评估、可观测性、模型路由和可重用的代理模式）应由中央资金支持，使每个新工作流的启动更加容易和安全。

5. 将容量与已验证的需求匹配

一旦某项工作流程证明了其价值，领导者应根据需求匹配产品、容量和支持模式。ChatGPT Work⁠ 为聊天、编码、代理工作流程、连接器、插件、Computer Use 和管理功能提供了开箱即用的能力。企业可以通过专有数据、权限设置、评估体系和工作流程逻辑来扩展这一基础，当这些要素能创造差异化价值时。

对于更大规模的战略部署，OpenAI Frontier⁠ 和 Deployment Company⁠(opens in a new window) 可帮助企业构建、部署和管理跨企业系统的AI协作者。这种模式使领导者能够以合适的产品、容量和支持模式规模化扩展已验证的工作流程，而无需每个工作流程都重复建设基础设施。