返回 文章 apply CMS 文章

如何将 AI 使用与业务价值关联:OpenAI 管理控制台分析指南

用管理控制台的使用量、任务洞察和成果数据,把 AI 支出转化为可衡量的业务价值。

AI 业务价值ChatGPT 管理控制台CodexROI 评估
成长分 / 100 72 综合收获、行动、留存与影响

如何将 AI 使用与业务价值关联:OpenAI 管理控制台分析指南
为什么值得读提供从使用量、任务分类到成果指标的完整分析路径,帮助管理员看清 AI 支出背后的实际工作。

给出可复用的 ROI 评估框架和销售客户研究示例,便于与业务负责人共同设定基线与衡量结果。

关键洞察
  1. 使用量和支出只能说明部分情况,管理员还需要看到人们用 AI 做什么以及完成了什么。
  2. ChatGPT 管理控制台的分析功能汇集 ChatGPT Work 和 Codex 的使用量与成本数据、任务洞察和成果指标。
  3. 洞察中的任务分类器将消息样本归入用例和任务,帮助管理员了解 AI 支持哪些工作,并按群组筛选。
转成行动

深入阅读

正文与原文对照

原文保真覆盖:全文原文字符:10716

如何将 AI 使用与业务价值关联起来

了解团队如何使用 ChatGPT Work 和 Codex,看清支出背后的工作,并将其与可衡量的成果关联起来。

随着越来越多的团队使用 AI,管理员和业务负责人需要了解 AI 在哪些方面创造价值,以及下一步该在哪里投入。使用量和支出只能说明部分情况,管理员还需要看到人们用 AI 做什么,以及 AI 帮助他们完成了什么。

ChatGPT 管理控制台中的分析功能汇集了 ChatGPT Work 和 Codex 的使用量与成本数据、任务洞察和成果指标。

以下是管理员如何使用这些工具来了解采用情况、支持团队并评估业务价值。

使用量分析显示采用率在哪些方面增长、支出集中在何处,帮助管理员聚焦支持重点、审查成本并评估容量请求。使用量视图汇集了 ChatGPT Work 和 Codex 的活跃用户、积分和 token 使用量。例如,按群组或用户筛选可以揭示采用率较低的地方,让管理员有理由与团队负责人一起审查入门工作流和培训需求。

使用量概览显示 ChatGPT Work 和 Codex 的活跃用户与积分趋势。

使用量概览显示 ChatGPT Work 和 Codex 的活跃用户与积分趋势。所有截图均使用示意性演示数据。

洞察中的任务分类器通过将消息样本归入用例和任务,帮助管理员了解 AI 支持哪些工作。例如,软件工程包括功能开发和代码维护,而销售与营收包括客户研究和规划。概览标签页一目了然地展示工作构成;用例标签页提供带有任务明细的详细表格。管理员可以按群组筛选,了解各团队如何使用 AI,然后与业务负责人一起决定评估哪些工作流和成果。

洞察概览显示积分在各任务间的分布。

洞察概览显示积分如何分布在各任务之间,从实现功能到客户研究。

对于下方所示的销售团队,客户研究和规划是积分使用量最大的部分——这是讨论 AI 如何改变客户准备工作的一个起点。

用例表格显示销售任务、积分、消息和活跃用户。

用例表格按任务细分团队的工作,并显示积分、消息和活跃用户。

在任务详情中,模型推理速度明细显示每项设置在某个任务中所占的积分份额。这有助于管理员评估该设置是否适合这项工作,并针对模型选择开展培训。例如,一份例行简报可能值得用更快或成本更低的设置来测试,并比较其质量以及审查和纠正所花的时间。

插件排行榜技能视图显示哪些工具支持某项任务,帮助管理员聚焦培训,并决定维护或分享哪些工作流。相关插件使用率低可能意味着存在访问或培训需求;频繁使用的技能可能需要明确负责人并定期更新。

账户研究与规划分析,展示按模型、推理级别和速度划分的信用份额,以及插件和技能的使用情况。Google Drive 在插件中领先,调用量为 308.1K;Account Brief 在技能中领先,调用量为 96K。

Outcomes 视图显示 Codex 对合并提交和代码行的贡献,以及代码审查活动。趋势和可用的分组、用户或仓库筛选器帮助管理员和工程负责人了解采用情况,并决定在哪里扩大访问权限或支持团队。

如果 Codex 对合并代码的贡献份额不断增长,工程负责人可以将这一趋势与审查时间、缺陷和返工进行比较,以评估它是否帮助团队更有效地交付软件。

Codex Outcomes 仪表板,显示对合并提交和代码行的贡献。

The *Outcomes* 视图跟踪随时间推移,有 Codex 贡献的合并提交和代码行所占的份额。

ChatGPT Work 中的 Admin 插件让管理员可以比较采用情况、支出和任务,然后将发现转化为用于预算和推广决策的报告。它还可以创建完成的工作,例如包含图表、关键发现和建议后续步骤的领导层演示文稿,准备好与跨职能利益相关者分享。

借助 Admin API,团队可以在自己的仪表板中自动生成报告,并将分析与业务系统数据相结合。例如,支持仪表板可以显示信用使用情况以及工单解决时间。

ChatGPT Admin 插件对每月 AI 推广审查请求的响应。示例使用总量为 681 万信用,增长 45.3%,图表比较了 2026 年 8 月 12 日至 9 月 10 日期间工程和销售部门的每日 Work 和 Codex 信用。

Admin 插件比较团队信用趋势,并为每月推广审查总结变化。

使用情况和任务数据是管理员与业务负责人一起调查价值的起点。业务负责人补充评估所需的背景信息:工作流程中发生了什么变化、结果是否改善,以及这种改善价值多少。他们可以共同将产品活动与交付时间、质量或盈利能力等指标联系起来。

假设 Admin Console 中的任务分类器显示,账户研究在销售团队中很常见。管理员检查模型选择是否适合该任务,在 CRM 插件使用不足的地方提供培训,并分享一个技能以实现一致的账户计划。然后,销售负责人将准备时间和计划质量与团队的基线进行比较。如果节省了时间,他们会跟踪有多少时间投入到客户对话中、哪些对话成为合格机会,以及哪些机会转化为销售。该业务的收入和贡献毛利有助于表明额外产能是否产生财务收益。

要探索工作流程的价值,请从几个问题开始:

你希望改进什么?选择一个对团队重要的成果,例如更快的准备、更高质量的工作、更低的成本或更多的销售额。今天的流程是什么样的?建立一个起点:团队执行该任务的频率、所需时间,以及良好结果的标准。AI 带来了哪些变化?在确定的时间段内比较结果。包括审查和纠正工作所花费的时间,以便更快的完成仍然符合团队的质量标准。这为团队带来了哪些可能?节省的时间可能意味着与客户更多的交流。更高质量的工作可能意味着更少的纠正。与团队沟通,了解这些改进在哪些方面最重要。收益是否值得投入?将团队的收益与你在 AI、设置和持续支持上的支出进行比较。这可以帮助你决定扩展什么,以及团队在哪些方面可能需要更多帮助。

示例性年度 ROI:销售客户研究

想象一个销售团队,每人每周准备两份客户简报。每份简报汇集了客户历史、行业研究以及为下一次对话准备的观点。

AI 带来了哪些变化?

示例性销售客户研究对比:准备一份简报手动需要 4 小时,使用 AI 需要 1 小时(包括审查和纠正),每份简报节省 3 小时。将其中 50% 的时间重新投入,可以进行三次额外的 30 分钟客户通话。其他潜在收益包括更强的客户计划、更个性化的外联以及更短的成交周期。

这加起来是多少?

年度节省时间

20 名销售 × 每周 2 份简报 × 节省 3 小时 × 46 周 = 5,520 小时

估计年度产能价值

假设团队将其中 50% 的时间投入生产性工作,按员工全负荷成本每小时 75 美元计算。销售可以利用这段时间联系新潜在客户、跟进机会,并花更多时间与客户相处。

5,520 小时 × 50% × 75 美元 = 207,000 美元

第一年总成本

假设 60,000 美元用于 AI、设置、培训和持续支持。

(207,000 美元 − 60,000 美元)÷ 60,000 美元 = 245% 示例性 ROI。

工作流的价值可以超越生产力。在销售中,更好的客户研究和对客户的共同理解可以支持更深入的对话、更牢固的关系和新的机会。团队随后可以衡量这些改进是否带来额外的业务成果,例如加速成交周期或提高赢单率。

所有数字均为假设。ROI 反映估计的产能价值,不包括来自更高赢单率、更大交易规模或其他销售成果的潜在收益。

从交付软件到举办现场活动,客户正在将 AI 应用于对其业务重要的任务:

__ 1Password__

使用 Codex 构建、审查和测试软件,以便工程师更快地交付功能。它估计 ROI 为 553%,年度工程产能价值为 80 万美元,使用 Codex 更快地构建生产就绪的功能和内部工具,同时保持严格的安全策略。

__ ATV Big Air Tour__

使用 ChatGPT Work 检查活动列表、规划库存并提高其网站的可见性。列表审查从每周八小时降至一小时,库存工作从两到三天降至两到三小时,让团队有更多时间专注于巡演及其客户。

Playco 通过 OpenAI 的 API 使用 GPT‑6 Astra 来构建和测试可玩的游戏原型。该团队从一个基础版本创建了三个主题原型,并报告称与上一代模型相比,手动修复减少了 50%,帮助开发者测试和比较更多想法。

在 Admin Console 中打开 Insights,选择一个支持业务优先事项的常见任务。与业务负责人一起审查,就基线和要衡量的结果达成一致,并设定一个审查进展的日期。利用结果来决定是扩展该工作流、改进团队使用它的方式,还是测试另一种方法。在我们的文档中了解更多(在新窗口中打开)

Author

Keep reading

View all