我從各地的財務長那裡聽到一個簡單的問題：我們如何從 AI 支出中獲得更多價值？
多年來，市場透過採用率來衡量軟體的成功，例如購買的席次、活躍用戶數和續訂的授權。然而，要理解 AI 的價值，需要一個更強大的衡量標準：完成的工作量。
財務長和其他商業領袖面臨的基本經濟問題是，AI 完成工作的價值是否比其生產成本增長得更快。
回答這個問題需要比「每代幣成本」等指標更深入的考量。成本較低的模型可能有較便宜的代幣，但要獲得良好結果可能需要更多嘗試、更多時間或更多人工審查。功能更強大的模型可能代幣成本較高，但能一次性完成相同的任務。重要的是產生成功結果的總成本，並與該結果創造的價值進行衡量。
AI 時代的最終記分卡可以視為「每美元有用智慧」。這個指標回答了四個關鍵問題：AI 是否正在完成重要的工作？每項成功任務的成本是多少？人們能否依賴其結果？隨著使用量的增長，每投入一美元的 AI 是否能產生更多價值？
1. 完成了多少有用工作？首先從工作本身著手。AI 協助解決了多少客戶問題？協助發布了多少程式碼變更？審查了多少合約？為人們節省了多少時間？由於在正確的時機提供了正確的背景資訊，改善了多少決策？
當代幣轉化為人們可以使用的實際工作時，它們就產生了價值。隨著模型能力越來越強，它們可以承擔更長、更複雜的任務，例如維持上下文、透過多個步驟進行推理、跨工具協作以及隨時調整。
最好的起點是從一個工作流程開始。定義「完成」的意義，並在實際執行工作的系統中衡量該成果。
對於支援團隊而言，「完成」可能意味著客戶問題已解決。對於工程團隊而言，可能意味著通過測試的程式碼變更。對於法務團隊而言，可能意味著合約已準確且及時地審查完畢。
想像一個財務團隊正在準備預測審查。在做出最終決策之前，大部分工作都已完成：尋找最新預測、將資料匯入 Excel 或 Sheets、識別變更、核對分頁、重建投影片，並檢查所有數據是否完全吻合。ChatGPT Work 可以承擔大部分這些流程，讓團隊有更多時間專注於重要的問題：哪些地方發生了變化？為什麼？我們下一步該怎麼做？
這就是「每美元有用智慧」的實際應用。更多工作能更快地完成，同時人們能將更多時間用於運用判斷力、創造力和專業知識。
2. 一項成功任務的實際成本是多少？下一個問題是，要出色地完成這項工作需要多少成本。AI 任務的複雜度差異很大。一個快速的答案可能只需要很少的運算資源。而編碼、研究或財務工作流程可能涉及更深入的推理、工具使用和許多操作。這些更複雜的任務可能需要更多的運算資源，但它們也能創造更大的價值。
在模型層面，每項成功任務的成本取決於價格、使用的運算量以及達到正確結果的可能性。對於企業而言，總成本還包括員工時間、人工審查、重試和返工。
計算方法很簡單：將完成工作的總成本加總。計算符合所需品質標準的任務數量。將總成本除以成功任務的數量。這就是為什麼最低的每代幣價格不一定會產生最低的每成果成本。即使是例行請求，一個前沿模型如果能一次性產生正確答案，減少重試、延遲、審查和總運算量，也可能提供最佳價值。
分層的模型系列為客戶提供了更多優化此方程式的方法。我們上週發布的 GPT‑5.6 具有三個層級：Sol 是我們的旗艦模型；Terra 在性能和成本之間取得平衡；Luna 則是我們最快且最經濟實惠的模型。
這些層級提供了有用的起點。最終應由整個任務的經濟效益來決定選擇哪個模型。客戶可能會將 Luna 用於快速、高吞吐量的工作流程，Terra 用於需要更高深度的任務，或在需要更強推理能力以減少嘗試次數時選擇 Sol。
我們訓練 GPT‑5.6 以從每個代幣中獲得更多有用工作。在 Artificial Analysis 編碼代理指數上，具有最大推理能力的 GPT‑5.6 Sol 創下了新的技術水準，同時比另一個領先模型減少了 54% 的輸出代幣使用量。下圖說明了這個比較。
DeepSWE v1.1：長週期工程任務；GPT‑5.6 Sol 達到 72.7% 的新高，超越 Claude Fable 5 的 69.9%，且估計 API 成本降低了 36.2%。
在整個 GPT‑5.6 系列中，目標都是相同的：每美元完成更多成功的工作。更高的效率使現有任務更經濟實惠。更強大的能力則使全新的工作類型成為可能。
每一代新模型都應該改進這個方程式的兩端。客戶應該能夠完成更多有價值的工作，同時每項任務的完成成本持續下降。
3. AI 完成工作的正確率如何？第三個衡量標準是可靠性。AI 的採用往往分階段深化。首先，AI 協助起草。然後，它在工具和數據之間尋找上下文並進行推理。隨著時間的推移，它開始採取行動、處理例外情況並完成工作流程，人們在需要時提供判斷和控制。
每一步都創造更多價值，並對系統提出更高的要求。
可靠性具有直接的經濟價值。當結果準確、來源可靠、一致且適當升級時，人們花費在審查、糾正和重複工作上的時間就會減少。成功的任務成本更低，組織也因此獲得信心，將 AI 用於更重要的工作流程。
團隊可以透過追蹤三種結果來具體化這一點：可直接使用：交付的結果符合品質標準。需要修正：結果需要再次嘗試或人工編輯。需要升級：需要人工介入並完成工作。
這些衡量標準比單純的模型準確性更能說明問題。它們顯示 AI 是否真正減少了完成專案所需的工作量。
可靠性也需要明確的界限。在 AI 從起草轉向採取行動之前，組織應定義：系統可以存取哪些資料。它可以使用或更改哪些系統。何時需要人工審查或批准某項行動。
安全、資安、隱私和控制為更深入的使用奠定了基礎。人們需要了解系統的行為方式、其資料如何處理以及其行動如何受到規範。
ChatGPT Work 建立在 ChatGPT Enterprise 的安全、隱私、合規性和工作區管理基礎之上。這使得組織能夠為 AI 提供更多上下文，並存取更有價值的工作流程，同時保持適當的監督。
能力贏得首次使用。可靠性使 AI 成為完成工作方式的一部分。
4. 隨著使用量的增長，每投入一美元的 AI 是否能完成更多工作？最後一個問題是，規模化後經濟效益是否會提高。公司可以透過長期追蹤相同的工作流程來衡量這一點。記錄有多少任務符合品質標準、完成這些任務的總成本以及每項成功任務的成本。如果完成的工作量增長速度快於總成本，同時品質保持不變或有所提高，那麼每投入一美元的 AI 都在產生更多價值。
運算能力是這個方程式的核心。運算能力驅動著研究以及 AI 完成的每一項任務。它塑造了產品的品質、速度、可靠性、可用性和成本。訓練運算能力建立未來的能力。推論運算能力則提供今日的有用工作。兩者都應轉化為客戶更好的成果。
更好的模型、更高效的推論、專用硬體、更高的利用率、更智慧的路由和更強大的產品設計，都能提高運算的回報。每一代基礎設施都有助於訓練出更強大的模型。更好的演算法、硬體和軟體則有助於更有效地服務這些模型。
客戶以更人性化的方式體驗這些改進：更好的答案、更快的結果、更少的修正、更可靠的產品，以及更低的所需工作成本。
這些收益是複合式的。更好的基礎設施加速研究。研究產生更強大、更高效的模型。更好的模型改進產品。更好的產品推動採用、學習和收入。這種增長支持了對下一代研究、運算、部署和安全的持續投資。
OpenAI 透過一個共享的智慧平台將這些部分整合在一起。人們透過 ChatGPT 和 ChatGPT Work 使用它。開發人員透過 Codex 和 API 進行建構。企業則將其部署到實際工作的系統中。
當其中一層改進時，每個產品和客戶都能受益。
AI 時代的效益評估指標。總體而言，這四個衡量標準告訴我們「每美元有用智慧」是否正在改善。有用工作量告訴我們 AI 產生了什麼。每項成功任務的成本告訴我們達成成果所需付出的代價。可靠性告訴我們人們可以多大程度上自信地使用這些工作。規模化價值則告訴我們，隨著時間的推移，每投入一美元和每個運算單元是否能完成更多工作。
目標是讓 AI 幫助人們完成更有意義的工作、做出更好的決策，並將更多時間投入到需要獨特人類判斷力和創造力的工作中。
我們的任務是讓這個方程式在每一代中都變得更好：更強大的模型、更快更可靠的結果，以及客戶所需工作更低的成本。
這就是 AI 如何隨著時間的推移，對更多人和組織變得更有用。