如何将AI使用与业务价值关联起来
内容提要
ChatGPT管理控制台新增分析功能，整合用量、成本、任务洞察与成果指标，帮助管理员了解AI采用情况、识别培训需求、追踪Codex对工程的贡献，并支持通过插件和API生成报告。文章还介绍如何将分析关联业务成果、计算投资回报，并列举1Password等客户案例。
延伸解读
从用量到价值：分析工具如何弥合差距
文章指出，仅看用量和支出只能了解部分情况，管理员还需知道员工用AI做什么、取得了什么成果。ChatGPT管理控制台的分析功能整合了用量、成本、任务洞察和成果指标，帮助识别采用率低或支出集中的领域，从而有针对性地提供培训和支持。这为后续将分析关联到业务成果提供了数据基础。
任务分类与培训：让AI配置更贴合工作
通过任务分类器，管理员可以了解AI支持的具体工作类型，如软件工程中的功能开发和代码维护，或销售中的客户研究和规划。在任务详情中，模型、推理和速度的细分数据能帮助判断当前设置是否适合该任务，并针对模型选择进行培训。插件排行榜和技能视图则能揭示哪些工具支持任务，低使用率可能意味着访问或培训需求。
连接业务成果：从活动到财务影响的路径
文章强调，用量和任务数据只是起点，需要业务负责人补充上下文：工作流程有何变化、结果是否改善、改善价值多少。例如，销售团队可对比准备时间和计划质量，追踪节省的时间是否转化为更多客户对话、合格机会和销售，最终用收入和贡献毛利衡量财务收益。文章还提供了计算年度ROI的示例框架，但所有数字均为假设。
客户案例与起步建议
文章列举了1Password、ATV Big Air Tour和Playco等客户案例，展示AI在工程、活动策划和游戏原型开发中的实际影响。起步时，建议在管理控制台打开Insights，选择一个支持业务优先级的常见任务，与业务负责人确定基线和要衡量的成果，并设定审查日期，根据结果决定扩展、改进或尝试其他方法。
Q&A
ChatGPT管理控制台新增的分析功能主要能帮助管理员做什么？
分析功能整合了用量、成本、任务洞察与成果指标，帮助管理员了解AI采用情况、识别培训需求、追踪Codex对工程的贡献，并支持通过插件和API生成报告。
如何利用分析功能发现团队需要哪些培训和支持？
通过任务详情中的模型、推理和速度分解，查看各设置对任务的学分占比，评估设置是否匹配工作，并针对模型选择进行培训。插件排行榜和技能视图显示支持任务的工具，帮助聚焦培训并决定维护或分享哪些工作流。
Codex对工程成果的贡献如何追踪？
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。通过趋势和可用的组、用户或仓库过滤器，管理员和工程负责人可以了解采用情况，并决定在哪里扩大访问或支持团队。
如何将AI分析数据与业务成果关联起来？
使用和任务数据是起点，业务负责人补充上下文：工作流中什么改变了、结果是否改善以及改善的价值。共同将产品活动与交付时间、质量或盈利能力等指标关联。例如，销售团队通过比较准备时间和计划质量与基线，追踪节省的时间如何转化为客户对话、合格机会和销售。
计算AI投资回报率（ROI）的步骤是什么？
首先明确要改进的成果，然后建立当前流程基线（频率、时间、好结果的标准），比较AI引入后的结果（包括审查和纠正时间），探讨节省时间带来的可能性，最后比较收益与AI、设置和持续支持的成本。例如，销售账户研究案例中，年节省5520小时，假设50%用于生产性工作，价值207,000美元，减去60,000美元成本，得出245%的ROI。
有哪些客户使用AI并取得了可量化的业务影响？
1Password使用Codex构建、审查和测试软件，估计ROI为553%，年工程能力价值80万美元；ATV Big Air Tour使用ChatGPT Work检查活动列表、规划库存和改善网站可见性，列表审查从每周8小时降至1小时，库存工作从2-3天降至2-3小时；Playco使用GPT-6 Astra通过API构建和测试游戏原型，手动修复减少50%。
