OpenAI 关于在代理时代管理 AI 投资的指南
OpenAI 关于在代理时代管理 AI 投资的指南
OpenAI 建议企业领导将其 AI 投资策略从跟踪 token 成本转向衡量 "每美元的有用工作"，重点关注已完成的任务、节省的时间和可扩展的工作流程。随着组织从简单的聊天界面转向需要更深入可见性和治理的长时间运行的代理工作流程，这一转变至关重要。
优先考虑基于结果的 ROI 而非 token 定价
最低的 token 价格并不总是导致最低的总成本。 虽然 OpenAI 指出，从 GPT-4 到 GPT-5.4 的每百万 token 价格下降了 97%，而 GPT-5.6 进一步提高了效率（在 Artificial Analysis Coding Agent Index 中每项任务所需时间减少 57%，输出 token 减少 54%，性能更佳），但 token 成本是价值的不佳代理。
- 跟踪每个被接受结果的成本： 衡量达到 "足够好" 标准的全部成本，包括模型使用、工具调用、重试、延迟和人工审查。
- 定义特定任务的基准： 使用反映真实世界任务和边缘情况的评估。
- 优化工作流程： 使用清晰的指令、专注的工具和明确的停止条件，以减少浪费的支出和循环。
- 将智能与复杂度匹配： 将前沿模型保留用于高风险或模糊的工作，对于达到质量标准的任务使用更小、更快的模型。
提升对使用和支出的可见性
企业领导需要透明地查看 AI 使用情况，以区分浪费性支出和业务关键工作流程。 由于 ChatGPT Work 中的代理工作流程在资源消耗上可能差异很大，管理员需要看到驱动支出的具体工作，而不仅仅是消耗的总积分。
- 工作区级别： 采用和支出是否按比例扩展。
- 团队和用户级别： 识别需求增长的位置以及谁需要额外支持。
- 产品和模型级别： 确定昂贵的智能是否被用于持续的高价值需求。
治理高级工作流程以实现可扩展性
治理应作为决定哪些 AI 工作流程被允许扩展的操作层。 随着团队采用 Computer Use、连接器和与企业系统交互的插件，集中控制变得至关重要。
- 集中访问控制： 使用 ChatGPT Work 管理已批准的上下文、连接的工具、允许的操作和支出限制（包括工作区默认值和个人覆盖）。
- 部署工程： 利用 OpenAI 的部署工程师优化架构、可靠性和延迟，以优先部署。
- 隐私和合规： 为高信任环境实施访问控制、保留姿态和零数据保留选项。
投资组合管理和资金模型
AI 投资应作为一个投资组合进行管理，资金应与工作流程的成熟度保持一致。 OpenAI 建议将投资分为三个层级：
- 广泛访问： 用于日常生产力。
- 特定功能工作流程： 为了提高可重复工作。
- 战略押注： 构建在专有公司背景之上。
资金应经历三个阶段：探索（测试模型能力）、验证（根据质量基准进行测试）和 生产（资助集成、可靠性和变更管理）。为了加速这一过程，共享能力——如模型路由、可重用的代理模式和策划知识——应由中央资助。
将产能匹配到已验证的需求
一旦工作流程的价值得到验证，领导者必须将产品和支持模型与实际需求相匹配。 组织可以从 ChatGPT Work 提供的基础开始——其中包括编码、代理工作流程和 Computer Use 的能力——并用专有数据和逻辑进行扩展。
对于大规模战略部署，OpenAI Frontier 和 Deployment Company 提供专门支持，帮助企业在其系统中构建和管理 "AI 同事"，从而避免每个单独的工作流程都需要重新构建其自身的底层基础设施。