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 在哪里创造了价值，以及下一步该在哪里投入。使用量和支出只能说明一部分情况，管理员还需要看到人们用 AI 做什么，以及它帮助他们完成了什么。
ChatGPT 管理控制台（Admin Console）中的分析功能，将 ChatGPT Work 和 Codex 的使用与成本数据、任务洞察和成果指标汇集在一起。
下面介绍管理员如何借助这些工具了解采用情况、支持团队并评估业务价值。
了解 AI 的使用与支出
使用情况分析显示采用率在哪里增长、支出集中在哪里，帮助管理员聚焦支持工作、审查成本并评估容量申请。Usage 视图汇总了 ChatGPT Work 和 Codex 的活跃用户、额度（credits）和 token 用量。例如，按群组或用户筛选可以发现哪里的采用率偏低，使管理员有理由与团队负责人一起审视入门工作流和培训需求。
了解团队用 AI 做什么工作
Insights 中的任务分类器通过把抽样消息归入用例和任务，帮助管理员了解 AI 支持的是哪些工作。例如，软件工程包括功能开发和代码维护，而销售与营收（sales & revenue）包括客户研究和规划。Overview 标签页让人一目了然地看到工作构成；Use cases 标签页则提供带有任务细分的详细表格。管理员可以按群组筛选，查看各团队如何使用 AI，然后与业务负责人一起决定要评估哪些工作流和成果。
对于下图中的销售团队，客户研究和规划是额度消耗最多的用途——这是讨论 AI 如何改变客户准备工作的一个起点。
找出团队需要培训和支持的地方
在任务详情中，Models、Reasoning 和 Speed 细分显示了各项设置在某项任务中所占的额度份额。这有助于管理员评估当前配置是否适合该工作，并有针对性地开展模型选择方面的培训。例如，一份常规简报可能值得用更快或成本更低的配置来测试，并比较质量以及审阅和修改所花的时间。
Plugin leaderboard 和 Skills 视图显示哪些工具在支持某项任务，帮助管理员聚焦培训，并决定要维护或共享哪些工作流。相关插件使用率低，可能意味着存在权限或培训方面的需求；经常使用的技能则可能需要明确的负责人和定期更新。
“OpenAI 的分析功能帮助我们了解各团队如何使用 AI，为我们日后制定指引和政策打下基础。我们已经在 Agent Console（我们用于监控 AI 智能体的产品）中使用 OpenAI 的任务类别，向客户展示其智能体正在做哪些类型的工作。随着客户对 AI 的使用不断增长，直接从 OpenAI 获取这些数据，让我们有了更可靠的方式来提供这些洞察。”
Bharadwaj Tanikella，Datadog AI 产品经理
追踪 Codex 对工程成果的贡献
Outcomes 视图显示 Codex 对已合并提交和代码行数的贡献，以及代码审查活动。趋势以及可用的群组、用户或代码仓库筛选，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 在已合并代码中所占的份额不断上升，工程负责人可以将这一趋势与审查时间、缺陷和返工情况对比，以评估它是否在帮助团队更有效地交付软件。
ChatGPT Work 中的 Admin 插件让管理员可以对比采用情况、支出和任务，然后把发现转化为用于预算和推广决策的报告。它还可以生成成品，例如带有图表、关键发现和建议后续步骤的领导层演示文稿，可直接分享给跨职能相关方。
借助 Admin API，团队可以在自己的仪表盘中自动生成报告，并将分析数据与业务系统数据结合。例如，客服仪表盘可以把额度使用情况与工单解决时间并排展示。
将分析与业务成果联系起来
使用量和任务数据是管理员与业务负责人共同探究价值的起点。业务负责人补充评估所需的上下文：工作流发生了什么变化、结果是否改善，以及这种改善价值几何。他们可以一起把产品活动与交付时间、质量或盈利能力等指标联系起来。
假设管理控制台中的任务分类器显示，客户研究在某个销售群组中很常见。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，并分享一个用于制定一致客户计划的技能。随后，销售负责人将准备时间和计划质量与团队基线进行对比。如果节省了时间，他们就追踪其中有多少投入到了客户沟通中、哪些沟通转化为合格商机，以及哪些商机最终成交。该业务的收入和边际贡献有助于说明这些额外的产能是否带来了财务收益。
要探究某个工作流的价值，可以从几个问题开始：
- 您希望改善什么？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。
- 目前的流程是什么样的？确立一个起点：团队多久做一次这项任务、需要多长时间，以及什么样的结果算好。
- AI 带来了什么变化？在一段限定的时间内比较结果。把审阅和修改工作的时间也算进去，确保更快完成的同时仍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有更多交流。质量更高的工作可能意味着更少的修正。与团队交流，了解这些改进在哪里最重要。
- 收益值得这笔投入吗？将团队的收获与您在 AI、部署配置和持续支持上的花费进行比较。这有助于您决定扩大什么，以及团队在哪些方面可能需要更多帮助。
示意性年度投资回报率：销售客户研究
设想一个销售团队，每位销售每周准备两份客户简报。每份简报都汇集了客户历史、行业研究，以及对下一次沟通的观点。
AI 带来了什么变化？
这合计意味着什么？
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
预估年度产能价值
假设团队将其中 50% 的时间投入到生产性工作中，按每小时 75 美元的全额人力成本计价。销售可以利用这些时间联系新的潜在客户、跟进商机，并花更多时间陪伴客户。
5,520 小时 × 50% × $75 = $207,000
首年总成本
假设 AI、部署配置、培训和持续支持共需 $60,000。
($207,000 − $60,000) ÷ $60,000 = 示意性投资回报率 245%。
一个工作流的价值可以超越生产力。在销售领域，更好的客户研究和对客户的共同理解，可以支持更深入的沟通、更牢固的关系和新的商机。团队随后可以衡量这些改进是否带来了更多业务成果，例如加快成交周期或提高赢单率。
所有数字均为假设。投资回报率反映的是预估的产能价值，不包括更高赢单率、更大订单规模或其他销售成果可能带来的收益。
客户已经看到的 AI 业务影响
从交付软件到举办现场活动，客户正在让 AI 处理对其业务至关重要的任务：
1Password 使用 Codex 构建、审查和测试软件，让工程师能更快交付功能。该公司估算投资回报率为 553%，年度工程产能价值为 80 万美元，借助 Codex 更快地构建可用于生产的功能和内部工具，同时保持严格的安全策略。
ATV Big Air Tour 使用 ChatGPT Work 核对赛事列表、规划库存并提升网站的可见度。列表审核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回赛及其客户。
Playco 通过 OpenAI 的 API 使用 GPT‑6 Astra 来构建和测试可玩的游戏原型。团队基于同一基础创建了三个主题原型，并报告称手动修复比之前的模型减少了 50%，帮助开发者测试和比较更多创意。
如何开始
在管理控制台中打开 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视，商定基线和要衡量的成果，并设定回顾进展的日期。根据结果决定是扩大该工作流、改进团队的使用方式，还是尝试其他方法。在我们的文档中了解更多。