OpenAI 管理控制台分析：将 AI 使用情况与业务价值联系起来
TL;DR
OpenAI 在 ChatGPT 管理控制台中引入了分析工具，将 ChatGPT Work 和 Codex 的使用情况、支出、任务分类和结果指标整合在一起，使管理员能够衡量 AI 的采用情况、识别培训需求，并将 AI 活动与具体的业务成果联系起来。
了解 AI 使用情况和支出
使用情况视图汇总了 ChatGPT Work 和 Codex 中的活跃用户、积分消耗和令牌使用情况。通过按群组或单个用户进行筛选，管理员可以发现采用率较低的区域，为工作流程审查提供依据，并优先安排培训或容量规划。
使用情况概览显示 ChatGPT Work 和 Codex 中的活跃用户和积分趋势。
查看工作团队如何使用 AI
洞察选项卡包含一个任务分类器，可将部分消息样本归类为用例类别（例如，软件工程、销售与收入）。概览选项卡显示工作的高层次组合，而用例选项卡则提供详细的表格，显示每个任务的积分、消息和活跃用户。管理员可以按群组筛选，以显示每个团队主要的 AI 支持工作流程。
洞察概览显示积分如何分布在各项任务中，从实现功能到账户研究。
识别培训和支持缺口
任务级别的细分——模型、推理和速度——显示每个设置消耗的积分占比，帮助管理员评估所选模型配置是否与任务匹配。插件排行榜和技能视图显示哪些集成使用不足或过度，从而标记潜在的访问问题或培训机会。
账户研究和规划分析显示按模型、推理级别和速度划分的积分占比，以及插件和技能使用情况。
跟踪 Codex 对工程成果的贡献
成果视图报告 Codex 对合并提交和代码行数的贡献，以及代码审查活动。按群组、用户或仓库进行筛选，工程领导者可以评估采用趋势，并决定在哪里扩大访问权限或提供额外支持。
成果视图跟踪 Codex 贡献的合并提交和代码行数占比随时间的变化。
使用管理插件和 API 自动化报告
管理插件可以直接在 ChatGPT Work 中生成可分享的报告——图表、关键发现和后续步骤建议。管理 API 使团队能够将分析数据拉入自定义仪表板，并将其与外部业务系统数据（例如，工单解决时间）相结合。
管理插件比较团队积分趋势，并总结月度推广审查的变化。
将分析与业务成果联系起来
使用情况和任务数据提供了基线；业务负责人添加关于工作流程变化、质量改进和货币影响的背景信息。结构化评估遵循五个问题：
- 您希望改进什么？（例如，更快的准备、更高的质量、更低的成本）
- 当前流程是怎样的？（基线频率、持续时间、质量标准）
- AI 带来了哪些变化？（衡量 AI 增强的结果，包括审查工作量）
- 这使什么成为可能？（额外的客户互动、减少返工等）
- 收益是否值得投资？（将收益与 AI 支出和支持成本进行比较）
示例性 ROI 示例 – 销售账户研究
假设是假设性的，仅用于说明。
- 节省的时间： 每年 5,520 小时（20 名销售人员 × 每周 2 份简报 × 每次节省 3 小时 × 46 周）。
- 产能价值： 5,520 小时 × 50% 利用率 × 75 美元/小时 = 207,000 美元。
- 第一年 AI 成本： 60,000 美元。
- 示例性 ROI： (207,000 – 60,000) ÷ 60,000 ≈ 245%。
所有数字均为假设。ROI 反映估计的产能价值，不包括更高赢单率、更大交易规模或其他销售成果带来的潜在收益。
实际客户影响
- 1Password 使用 Codex 进行代码生成、审查和测试，报告 ROI 为 553%，年度工程产能价值为 80 万美元。
- ATV Big Air Tour 利用 ChatGPT Work 进行活动列表检查和库存规划，将列表审查时间从每周八小时缩短至一小时，库存工作从数天缩短至数小时。
- Playco 通过 OpenAI API 使用 GPT-6 Astra 进行游戏原型设计，与之前的模型相比，手动修复减少了 50%。
入门指南
- 在管理控制台中打开洞察。
- 选择一个高影响力的任务，并与相关业务负责人一起审查其分类。
- 就基线指标和要衡量的结果达成一致。
- 设定审查日期，收集数据，并决定是扩展、优化还是替换该工作流程。