Коротко: свежие данные OpenAI показывают, что в рабочем контексте люди более чем в два раза чаще просят ChatGPT создать результат или выполнить задачу, чем вне работы. Но это не доказательство автономности или окупаемости: выборка охватывает индивидуальные тарифы Free, Go, Plus и Pro, исключает Enterprise и Codex и классифицирует сообщения автоматически. Для бизнеса главный сигнал — внедрение нужно измерять не количеством чатов, а долей проверенных результатов, встроенных в реальный процесс.
Статья предназначена для собственников, руководителей функций, CTO и лидеров AI-трансформации. Ниже — подтверждённые цифры, ограничения исследования и практический план; прогнозы рынка и обещания конкретного ROI не рассматриваются.
Содержание
- Что именно выяснила OpenAI
- Как читать данные без ошибочных выводов
- Почему работа смещается от вопросов к результатам
- Какие сценарии растут быстрее
- Что меняется в ролях сотрудников
- Матрица «Ответ → Результат → Процесс»
- План внедрения на 30 дней
- Какие метрики считать
- Частые вопросы
- Вывод
Что именно выяснила OpenAI
6 августа 2026 года OpenAI опубликовала первый страновой срез того, как люди используют ChatGPT. Главный результат: в сообщениях, классифицированных как рабочие, пользователи более чем вдвое чаще переходят к режиму Doing — просят отредактировать, написать код, провести анализ или создать другой результат — чем вне работы.
Ещё четыре сигнала из релиза:
- ChatGPT используют более 1 млрд человек;
- multimedia достигла 7,8% сообщений и стала самым быстрорастущим крупным сценарием;
- в Бразилии и Колумбии на multimedia приходится более одного сообщения из десяти;
- доля сообщений пользователей 35+ за год выросла почти во всех странах; глобальный сдвиг составил 5 процентных пунктов, а во Франции и Чехии — более 10 пунктов.
Страновые рейтинги Q2 2026 охватили 144 страны. Для multimedia опубликованы пригодные оценки по 126 странам, а возрастной временной ряд с полными оценками — по 111 странам. Это vendor-reported Measured данные OpenAI, а не независимый аудит всего рынка генеративного ИИ.
| Сигнал | Что он говорит бизнесу | Чего он не доказывает |
|---|---|---|
| Doing на работе более чем в 2 раза вероятнее | сотрудники используют ИИ для производства артефактов | что результат верен или принят в production |
| Multimedia — 7,8% сообщений | интерфейс ИИ выходит за пределы текста | что каждой компании нужна генерация изображений |
| рост доли пользователей 35+ на 5 п.п. | аудитория становится шире ранних энтузиастов | что возраст определяет качество использования |
| более 1 млрд пользователей | привычка взаимодействия уже массовая | что корпоративное внедрение завершено |
Как читать данные без ошибочных выводов
Методология OpenAI Signals v2.0 основана на выборке 300 000 сообщений в месяц с июля 2024-го по июнь 2026-го. В неё входят сообщения совершеннолетних пользователей с указанным возрастом. Тексты очищаются от персональных данных, классифицируются моделями, а публичные агрегаты защищаются differential privacy.
Есть четыре критичных ограничения:
- В выборку не входят сообщения ChatGPT Enterprise и Codex. Поэтому она, по словам авторов, вероятно, недооценивает рабочее использование.
- Work, Doing и темы — вывод классификатора, а не ответы людей в анкете.
- Пользователи, удалившие аккаунт или запретившие использование данных для обучения, исключены.
- Доля сообщений не равна числу завершённых процессов, сэкономленным часам или финансовому эффекту.
Поэтому корректный вывод звучит так: в индивидуальном ChatGPT рабочие сообщения заметно чаще ориентированы на создание результата. Некорректный — «ChatGPT уже автономно выполняет большинство офисной работы».
Почему работа смещается от вопросов к результатам
Вне работы человек часто ищет объяснение: как выбрать товар, приготовить блюдо или разобраться в понятии. В работе ценность появляется, когда на выходе есть артефакт: таблица, письмо, код, анализ, протокол, презентация или заполненная карточка CRM.
Это меняет минимальную единицу внедрения. Ею становится не доступ к чату и не библиотека промптов, а связка:
входные данные → действие модели → проверка → передача результата в систему учёта.
Если последний шаг ручной и нигде не фиксируется, компания видит активность, но не видит производительность. Если проверка отсутствует, скорость растёт вместе с риском ошибок. Практические архитектурные принципы таких длинных операций разобраны в материале «Асинхронные ИИ-агенты: архитектура, память и верификация».
Какие сценарии растут быстрее
OpenAI относит к multimedia создание и анализ изображений, а также генерацию или поиск других медиа. После выпуска ChatGPT Images 2.0 в апреле 2026 года доля этой категории поднялась до 7,8% сообщений. Однако practical guidance, writing и information seeking остаются крупнее.
Для компании это повод искать мультимодальные входы там, где сотрудник уже работает не только с текстом:
| Функция | Вход | Результат | Обязательная проверка |
|---|---|---|---|
| продажи | запись звонка, переписка | резюме, next step, CRM-поля | менеджер подтверждает факты и обещания |
| поддержка | скриншот, тикет, база знаний | классификация и черновик ответа | политика, персональные данные, эскалация |
| маркетинг | бриф, бренд-материалы | варианты креатива и текста | права, бренд-гайд, фактические утверждения |
| операции | фото документа, таблица | извлечённые поля и исключения | сверка сумм и контроль выборки |
Популярность сценария не должна определять приоритет. Приоритет задаёт сочетание частоты, стоимости ручной работы, проверяемости и цены ошибки.
Что меняется в ролях сотрудников
Связанный отчёт OpenAI от 27 июля анализирует более 800 000 рабочих сообщений пользователей из США. В нём 16,8% всех рабочих сообщений и 43,5% сообщений о специфических для профессии задачах относятся к работе, обычно связанной с другой профессией.
После исключения универсальных задач crossover особенно высок у customer experience (77%), дизайнеров (75%), HR (69%), юристов (56%) и маркетологов (53%). Среди среднеактивных пользователей доля задач за пределами своей профессии снижается с 18,9% в командах на 2–5 мест до 16,3% в организациях более чем на 100 мест.
Это не означает отмену отделов. Скорее сокращается число мелких передач: маркетолог делает первичный анализ, менеджер формирует SQL, дизайнер проверяет frontend-прототип. Специалист соседней функции остаётся владельцем стандарта и исключений.
Матрица «Ответ → Результат → Процесс»
AI рассвет предлагает оценивать зрелость внедрения по трём уровням. Это наша аналитическая рамка, а не термин OpenAI.
| Уровень | Что делает ИИ | Контроль | Метрика |
|---|---|---|---|
| 1. Ответ | объясняет, ищет, предлагает варианты | человек оценивает полезность | время до решения |
| 2. Результат | создаёт письмо, код, таблицу, дизайн | владелец задачи принимает или исправляет | acceptance rate и время правки |
| 3. Процесс | получает данные, действует через инструменты, записывает итог | правила доступа, evals, журнал, rollback | success rate, cost per task, incident rate |
Переходить сразу с уровня 1 на уровень 3 опасно. Сначала накопите примеры принятых и отклонённых результатов на уровне 2. Они станут тестовым набором для автоматизации процесса.
Риск задаёт глубину контроля. Черновик внутреннего письма можно проверять после генерации. Платёж, изменение прав доступа или юридическое обещание должны требовать явного подтверждения до действия. Для интеграций с учётными системами полезен пошаговый подход из гайда «Как подключить ИИ-агентов к 1С».
План внедрения на 30 дней
- Дни 1–3: выберите один частый процесс с 50–200 повторениями в месяц, измеримым выходом и обратимыми ошибками.
- Дни 4–7: соберите 30–50 реальных обезличенных примеров и эталонные результаты.
- Дни 8–14: запустите режим «Результат» без автономной записи в целевую систему; каждое решение принимает сотрудник.
- Дни 15–21: посчитайте acceptance rate, медианное время правки, стоимость одного принятого результата и типы ошибок.
- Дни 22–26: добавьте retrieval, шаблоны, ограничения инструментов и журналирование для двух наиболее частых ошибок.
- Дни 27–30: сравните с базовой линией и решите: остановить, продолжить human-in-the-loop или автоматизировать низкорисковую часть.
Числа 30–50 и 50–200 — Estimated практические пороги для пилота, а не значения OpenAI. Они дают достаточно повторений для первичной диагностики, но не заменяют статистически обоснованный эксперимент.
Какие метрики считать
| Метрика | Формула | Зачем |
|---|---|---|
| Acceptance rate | принятые результаты / все результаты | отличает производство от демонстрации |
| Edit time | медиана минут до принятия | показывает скрытую стоимость проверки |
| Task success rate | задачи, завершившие критерии / все запуски | измеряет процесс целиком |
| Cost per accepted task | модель + инфраструктура + проверка / принятые задачи | позволяет сравнить с базовой линией |
| Incident rate | инциденты / 1 000 запусков | удерживает качество при масштабировании |
| Escalation rate | передачи специалисту / все задачи | показывает границу компетенции системы |
Количество сообщений и активных пользователей полезно для adoption, но недостаточно для ROI. Сотрудник может отправлять больше сообщений из-за неудачных ответов. Связывайте usage с принятым результатом, временем цикла и ошибками.
Частые вопросы
Как бизнес использует ChatGPT в 2026 году?
В рабочих сообщениях люди более чем вдвое чаще просят создать результат или выполнить задачу, чем вне работы. Распространены письмо, код, анализ и мультимедийные сценарии, но точный профиль зависит от функции.
Доказывает ли отчёт рост продуктивности?
Нет. Он измеряет структуру сообщений и adoption, а не сэкономленные часы, качество или финансовый результат. ROI нужно измерять внутри конкретного процесса.
Включает ли OpenAI Signals корпоративные аккаунты?
Нет. Набор включает ChatGPT Free, Go, Plus и Pro и исключает Enterprise и Codex. Поэтому рабочая активность крупных компаний отражена неполно.
Что означает Doing?
Это автоматически определённый запрос на выполнение действия или создание результата — например, редактирование, программирование или анализ. Doing не означает, что результат был принят или действие выполнено автономно.
С какого сценария начать внедрение?
С частого, измеримого и обратимого процесса, где результат легко проверить: классификация обращений, черновики ответов, извлечение полей или подготовка регулярного отчёта.
Какие данные нельзя отправлять в пилот?
Не используйте персональные, финансовые, медицинские, коммерчески чувствительные данные без утверждённых договоров, настроек хранения, контроля доступа и политики безопасности вашей компании.
Вывод
OpenAI Signals показывает важный переход: на работе ChatGPT используют прежде всего не как справочник, а как инструмент производства результата. Одновременно отчёт не измеряет качество, завершённость процесса и окупаемость, а его выборка не включает Enterprise и Codex.
Поэтому правильный следующий шаг для бизнеса — не покупать лицензии «на всех», а выбрать один поток работы и пройти путь Ответ → Результат → Процесс. Сначала измерить acceptance rate и цену проверки, затем встроить данные и только после этого делегировать системе низкорисковые действия. Так массовая привычка к ИИ превращается в управляемую производительность.