Как управлять инвестициями в ИИ в эпоху автономных агентов14.07.2026 10:00

Цель OpenAI — сделать искусственный интеллект более доступным, функциональным и экономичным. С момента выхода GPT‑4 и до GPT‑5.4 цена за миллион токенов снизилась на 97%. GPT‑5.6⁠ продолжает эту тенденцию, обеспечивая лучшую производительность в индексе кодинг-агентов Artificial Analysis Coding Agent Index при сокращении выходных токенов на 54% и уменьшении времени выполнения задач на 57%.

Но сама по себе стоимость токена не показывает, создает ли ИИ ценность. Руководителям следует оценивать полезную работу на каждый потраченный доллар: выполненные задачи, сэкономленное время, улучшенные решения и рабочие процессы, готовые к масштабированию.

Поскольку команды переходят от обычного чата к более долгосрочным рабочим процессам, администраторам требуется более четкое представление о спросе, расходах и рисках. 

Вот пять способов инвестировать с уверенностью.

Руководителям предприятий необходим наглядный обзор использования ИИ: кто им пользуется, какие продукты или модели задействует, сколько мощностей потребляет и какой именно объем работы поддерживает это использование. Без такой прозрачности растущие счета трудно интерпретировать. Они могут отражать бесполезные траты, продуктивные эксперименты или рабочий процесс, который начинает приобретать критически важное значение для бизнеса.

ChatGPT Work⁠ поддерживает более продолжительные многошаговые задачи, поэтому уровень использования может существенно различаться в зависимости от рабочего процесса. Администраторам необходимо видеть реальную работу, стоящую за этим использованием, а не только потраченные кредиты. Это стало возможным благодаря единому представлению спроса во всем ChatGPT. Обновленная аналитика использования и средства контроля расходов⁠ в консоли администратора⁠ помогают администраторам отслеживать уровень внедрения, использование кредитов и расходы в разрезе пользователей, продуктов и моделей; следить за тенденциями с течением времени; выявлять зарождающиеся паттерны;, а также понимать, когда использование отражает масштабное внедрение, рабочий процесс продвинутого пользователя или повторяющийся бизнес-процесс, заслуживающий дополнительных инвестиций.

Аналитика на разных уровнях помогает принимать обоснованные решения об инвестициях и обучении сотрудников:

• Рабочее пространство: Синхронно ли растут показатели внедрения и расходов?
• Команда и пользователь: Где наблюдается рост спроса и кому может потребоваться дополнительная поддержка?
• Продукт и модель: Где именно используются более дорогостоящие интеллектуальные возможности и является ли этот спрос устойчивым?

В совокупности эти данные помогают администраторам решать, куда направить инвестиции, провести обучение или установить лимиты.

Самая низкая цена за токен не всегда означает минимальную общую стоимость. Более дешевая модель может допускать ошибки, требовать повторных запросов или создавать объем работы, нуждающийся в ручной доработке. Более мощная модель может стоить дороже в пересчете на токен, но при этом быстрее достигать приемлемого результата с меньшим числом попыток и меньшим объемом проверок.

Оценивайте модели на основе тех задач, которые им предстоит выполнять. Используйте тестирования (evals), отражающие реальные задачи⁠, включая граничные случаи, и определяйте критерий «достаточно хорошо» еще до начала тестирования. Затем измеряйте полные затраты на достижение этого стандарта: использование моделей и инструментов, количество попыток, процент успешного завершения, задержку (латентность) и объем ручной проверки.

Для приоритетных рабочих процессов отслеживайте стоимость успешного результата. В службе поддержки это может быть решенное обращение. В разработке — протестированное изменение кода, прошедшее ревью. Сопоставляйте эти затраты с бизнес-ценностью: сэкономленным временем, сокращенным циклом разработки, защищенной выручкой, предотвращенными рисками или высвобожденным ресурсом.

Выбор модели — это лишь часть уравнения. Четкие инструкции, специализированные инструменты, повторно используемый контекст и явные условия остановки могут сократить количество циклов проб и ошибок и снизить бесполезные траты. Цель состоит в том, чтобы сопоставить модель и рабочий процесс с конкретной задачей: использовать более компактные или быстрые модели, когда они соответствуют планке качества, и оставлять передовой интеллект для сложных, неоднозначных или высокорисковых задач.

Руководителям предприятий следует рассматривать систему управления и контроля (governance) как операционный слой, который определяет, какие проекты с ИИ могут быть масштабированы. На практике это означает четкое определение того, какой контекст может использовать ChatGPT, к каким инструментам получать доступ, какие действия совершать, кто одобряет шаги с повышенным риском и каким образом выделяются дополнительные мощности, когда команды находят ценные рабочие процессы.

Это приобретает особую важность по мере того, как команды внедряют плагины, коннекторы, функцию управления компьютером (Computer Use) и другие передовые возможности, способные взаимодействовать с корпоративными системами. ChatGPT Work⁠ предоставляет администраторам централизованные средства контроля доступа, утвержденного контекста, подключенных инструментов, разрешенных действий, уровня использования и расходов. Средства контроля расходов, такие как настройки рабочего пространства по умолчанию, групповые лимиты, индивидуальные исключения и запросы на проверку с учетом контекста проекта, помогают лидерам поддерживать ценную работу без массового повышения лимитов.

Для приоритетных внедрений специалисты OpenAI по внедрению ИИ — Deployment Engineers⁠ — могут работать напрямую с клиентами над тестированием, архитектурой, задержкой, надежностью и проектированием рабочих процессов для повышения производительности и экономической эффективности. Конфиденциальность и комплаенс должны быть частью этой работы с самого начала: чувствительные рабочие процессы требуют правильных средств контроля доступа, политики хранения данных, прозрачности аудита и утвержденных маршрутов согласования до их масштабирования. При необходимости функции корпоративной конфиденциальности OpenAI, включая параметры нулевого хранения данных (Zero Data Retention)⁠, могут помочь клиентам развертывать ИИ в средах с высоким уровнем доверия.

Руководителям предприятий следует управлять инвестициями в ИИ как портфелем: предоставлять широкий доступ для повседневной продуктивности, внедрять специализированные процессы для повторяющихся задач и делать небольшое число стратегических ставок на основе закрытого контекста компании. Наилучшими кандидатами являются рабочие процессы, которые повторяются в значительных масштабах, имеют четких владельцев и поддаются измерению с точки зрения качества, рисков и бизнес-ценности.

Финансирование должно соответствовать уровню зрелости проекта. На этапе изучения проверяется, способна ли модель справиться с задачей; на этапе валидации репрезентативные кейсы тестируются на соответствие четким критериям качества; финансирование производственной стадии должно покрывать интеграцию, средства контроля, надежность и управление изменениями, необходимые для масштабирования. Общие возможности, такие как идентификация пользователей, доверенные коннекторы, курируемая база знаний, оценки, наблюдаемость, маршрутизация моделей и переиспользуемые паттерны агентов, должны финансироваться централизованно, чтобы запуск каждого нового рабочего процесса становился проще и безопаснее.

Как только рабочий процесс доказал свою ценность, руководителям следует соответствующим образом подобрать продукт, мощности и модель поддержки.ChatGPT Work⁠ предоставляет готовые функции для работы с чатом, написания кода, агентских сценариев, коннекторов, плагинов, управления компьютером и администрирования. Компании могут дополнить эту базу собственными данными, правами доступа, оценками и логикой рабочих процессов там, где это создает уникальную ценность.

Для производственных нагрузок коммерческая структура должна соответствовать паттернам использования: гарантированные мощности (Guaranteed Capacity)⁠ для промышленных систем и агентов, которым необходима гарантированная доступность, масштабируемые тарифные уровни (Scale Tier)⁠ для предсказуемых API-нагрузок большого объема, а также пакетный API (Batch API)⁠, гибкая обработка (Flex processing)⁠ или кэширование промптов (Prompt Caching)⁠ для асинхронных задач или повторяющегося контекста.

Для более масштабных стратегических внедрений продукты OpenAI Frontier⁠ и Deployment Company⁠ могут помочь предприятиям создавать, развертывать и управлять ИИ-помощниками в рамках всех корпоративных систем. Такой подход позволяет лидерам масштабировать проверенные проекты с помощью подходящих продуктов, мощностей и моделей поддержки вместо того, чтобы заставлять каждый рабочий процесс заново выстраивать собственную инфраструктуру.

Автор