У части корпоративных клиентов OpenAI в Евросоюзе ИИ-агенты OpenAI уже производят больше половины всего сгенерированного текста и кода. Речь о Codex и ChatGPT Work: первый помогает с задачами разработки, второй — с файлами, документами и рабочими сервисами. Для команд, которые пытаются измерять эффект от внедрения ИИ по красивым графикам потребления, здесь есть важная оговорка: много токенов ещё не означает много сделанной работы.
По данным Habr / Новости, OpenAI изучила использование ChatGPT Enterprise в выборке европейских клиентов. В ней на Codex и ChatGPT Work приходится свыше 50% выходных токенов — единиц текста и кода, которые модель выдаёт пользователю. Компания также зафиксировала резкий рост недельной аудитории этих инструментов: с мая число активных пользователей среди малых и средних клиентов в ЕС увеличилось в 8,1 раза.
Под малыми и средними в этой статистике OpenAI понимает организации, где к аккаунту привязано не более 200 пользователей. Это не срез всего европейского бизнеса и не рейтинг стран по зрелости ИИ-внедрения. Это данные только по корпоративным аккаунтам OpenAI, причём по тем, что уже выбрали Enterprise. Разница принципиальна: компания, которая не покупала этот тариф, в расчётах просто не появляется.
Ещё одна поправка к впечатляющей цифре — ChatGPT Work запустили лишь в июле, то есть внутри периода, с которым сравнивают майскую аудиторию. Рост в 8,1 раза показывает совместную динамику двух продуктов, а не стремительный разгон одного Codex. В числителе стало больше и пользователей, и доступных сценариев: после появления инструмента для работы с документами и сервисами агентское предложение OpenAI расширилось за пределы разработки.
Токены растут, но KPI пока под вопросом
Метрика выходных токенов удобна для поставщика: её легко собрать по логам, сравнить между аккаунтами и вывести на диаграмму. Для заказчика она заметно менее содержательна. Длинный ответ может быть полезным планом миграции, а может оказаться набором кода, который разработчик затем час проверяет, сокращает и переписывает. В обоих случаях счётчик токенов будет работать одинаково бодро.
Именно поэтому из статистики нельзя сделать вывод, что сотрудники стали быстрее закрывать задачи, а компании — экономить бюджет. В опубликованном описании нет данных о доле принятых изменений в коде, времени от постановки задачи до релиза, количестве исправлений после использования агента или стоимости проверки результата. Нет и сравнения с командами, которые применяют обычный ChatGPT либо вовсе не используют генеративные инструменты.
Для технических руководителей это знакомая ловушка внедрения. Если агент генерирует тесты, документацию, черновики PR и фрагменты кода, объём его вывода будет расти почти автоматически: такие задачи хорошо дробятся и создают много текста. Но полезность появляется только там, где этот вывод уменьшает время на рутинную работу без роста рисков. В разработке это можно измерять скоростью прохождения изменений, числом возвратов на доработку, дефектами и нагрузкой на ревьюеров, а не количеством символов в ответе.
Для продуктовых и бизнес-команд логика та же. ChatGPT Work потенциально подходит для разбора документов, подготовки сводок и работы с материалами из привычных сервисов. Однако «агент обработал тысячу страниц» не равняется «команда приняла решение на тысячу страниц быстрее». Нужны контрольные выборки, понятные классы задач и право сотрудника не принимать результат на веру. Особенно когда в документах есть финансовые условия, персональные данные, требования безопасности или юридические формулировки.
Европа использует агентов очень неравномерно
Разброс между странами в выборке OpenAI оказался большим. В сентябре на агентские продукты пришлось 22% выходных токенов в Словении и 85% в Литве. Эти значения описывают структуру генерации внутри рассмотренных корпоративных аккаунтов, а не отвечают на вопрос, сколько компаний страны внедрили ИИ-агенты OpenAI. Высокая доля может объясняться несколькими активными клиентами, их профилем задач или тем, как именно пользователи распределяют работу между продуктами.
Неравномерность видна и на уровне организаций. В Евросоюзе 10% компаний с наиболее интенсивным использованием ИИ генерировали на одного активного пользователя более чем в четыре раза больше токенов, чем типичные компании. При этом лидирующая группа за пределами ЕС превосходила европейских лидеров более чем вдвое. Здесь OpenAI опиралась на аккаунты ChatGPT Enterprise и Business.
Для российского рынка эти цифры полезны не как инструкция «надо срочно догонять», а как ранний сигнал о расслоении практик. Одни компании ограничиваются чат-ботом для единичных запросов, другие встраивают агентские сценарии в разработку, работу с документами и внутренние процессы. Разрыв будет определяться не только доступом к модели. Важнее качество данных, права доступа, интеграции, правила проверки и готовность руководителей менять процесс, а не просто выдавать командам новый интерфейс.
Следующая взрослая метрика для рынка — не доля токенов, а доля задач, которые агент выполнил с приемлемым качеством и предсказуемой ценой проверки. Пока OpenAI показывает, что ИИ-агенты OpenAI активно потребляют в корпоративной среде. Доказать их экономический эффект смогут только компании, которые сопоставят генерацию с реальным результатом: выпущенным кодом, сокращённым циклом согласования, качеством решений и рисками, которых удалось избежать.