OpenAI sagt, dass sich die Einführung von KI in Unternehmen über Frage-Antwort-Interaktionen hinaus in Richtung delegierter, mehrstufiger Arbeit entwickelt, doch die eigenen Daten zeigen, dass der Fortschritt sehr ungleich ist. Die neue Forschung des Unternehmens beschreibt eine wachsende Lücke zwischen „Frontier“-Firmen und typischen Anwendern, wobei die aktivsten Organisationen Agenten, Unternehmenskontext und verbundene Tools deutlich intensiver nutzen.

Die Ergebnisse stammen aus zwei OpenAI-Studien: Enterprise Signals, das agentische KI im gesamten Enterprise-Kundenstamm des Unternehmens untersucht, und dem Arbeitspapier How Organizations Use AI: Evidence from ChatGPT. OpenAI sagt, die Studien stützten sich auf mehr als 10 Millionen Nachrichten und untersuchten die Nutzung über Unternehmen, Funktionen und Hierarchieebenen hinweg.

Codex deutet auf eine Verlagerung hin zu delegierter Arbeit hin

Das klarste Signal ist das gemeldete Wachstum von Codex, OpenAIs Agent für Programmierung und Softwarearbeit. Im Juni erzeugte Codex nach Angaben von OpenAI 64 % der kombinierten Output-Tokens von Codex und ChatGPT unter Unternehmenskunden. Das Unternehmen argumentiert, diese Kennzahl deute auf längere, substanziellere Aufgaben hin, da agentische Workflows typischerweise mehr Output erzeugen als kurze Gesprächsanfragen.

Diese Interpretation ist für Unternehmenskäufer wichtig. Ein Assistent kann einem Mitarbeiter helfen, eine Präsentation oder Rechercheaufgabe zu durchdenken; ein Agent kann Informationen sammeln, verbundene Systeme nutzen, Dateien erstellen und ein Ergebnis zur menschlichen Prüfung vorbereiten. OpenAI positioniert ChatGPT Work und Codex als Beispiele dieses Modells, obwohl die Daten nicht belegen, wie viel des gemeldeten Outputs ohne erhebliche menschliche Bearbeitung übernommen wurde oder wie viel Arbeit erfolgreich abgeschlossen wurde.

Die Nutzung von Codex breitet sich zudem über die Technik hinaus aus. Seit Februar wuchs die Zahl der wöchentlich aktiven Enterprise-Codex-Nutzer in den Bereichen Recht um das 108-Fache, im Vertrieb um das 41-Fache, im Recruiting um das 41-Fache und im Marketing um das 26-Fache, berichtet OpenAI. Die Technik wuchs im selben Zeitraum um das Fünffache. Das sind große relative Wachstumszahlen, doch OpenAI nennt in dem bereitgestellten Material keine zugrunde liegenden Nutzerzahlen, sodass sie nicht als Beleg dafür gelesen werden sollten, dass nichttechnische Teams nun größere Bereitstellungen haben als Engineering-Teams.

OpenAI nennt Virgin Atlantic als Beispiel für funktionsübergreifende Nutzung. Die Fluggesellschaft sagt, Engineering-Teams hätten Codex genutzt, um Legacy-Code in 30 Minuten statt in zwei Wochen zu refaktorieren, während Produktteams ChatGPT Work für Wettbewerbsrecherchen einsetzten. Diese Aussagen sind von OpenAI bereitgestellte Beispiele und wurden in der Forschungszusammenfassung des Unternehmens nicht unabhängig überprüft.

Die Frontier-Lücke wird größer

OpenAI ordnet Unternehmenskunden jeden Monat nach Output-Tokens pro aktivem Nutzer. Es definiert Frontier-Firmen als jene in den obersten 10 % und typische Firmen als jene um die 45. bis 55. Perzentile. Im Juni erzeugten Frontier-Firmen 8,3-mal so viele Output-Tokens pro aktivem Nutzer wie typische Firmen, verglichen mit einem 2,6-fachen Unterschied im Januar.

Das Unternehmen beschreibt Output-Tokens als Näherungswert für die Nutzungsintensität, nicht als direkte Messgröße für den Geschäftswert. Mehr erzeugter Text oder Code kann längere Workflows widerspiegeln, kann aber auch aus ineffizientem Prompting, wiederholten Überarbeitungen oder Aufgaben resultieren, die eine umfangreiche Prüfung erfordern. Das sich ausweitende Verhältnis zeigt daher einen Unterschied in der Nutzungsintensität, lässt aber Fragen zu Produktivität, Qualität und Rendite offen.

Dasselbe Muster zeigt sich bei der Nutzung fortgeschrittener Funktionen. OpenAI sagt, dass 21 % der wöchentlich aktiven Nutzer in Frontier-Firmen Plugins verwendeten, verglichen mit 9 % in typischen Firmen. Die Nutzung von Skills lag bei Frontier-Firmen bei 19 % gegenüber 3 % bei typischen Firmen. Plugins können einen Agenten mit Unternehmensdaten und Aktionen verbinden, während Skills wiederverwendbare Anweisungen bereitstellen, so OpenAI.

OpenAI berichtet außerdem, dass 95 % der eigenen Mitarbeiter Plugins wöchentlich nutzen. Da OpenAI sowohl Produktanbieter als auch Quelle dieses internen Vergleichs ist, sollte diese Zahl am besten als vom Anbieter gemeldetes Adoptionssignal und nicht als Markt-Benchmark behandelt werden.

Die Evidenz ist nützlich, aber vom Anbieter kontrolliert

Die Forschung bietet einen Blick, den herkömmliche Umfragen oft verpassen: tatsächliche Nutzungsmuster in Arbeitsplatzgesprächen und Produkttelemetrie statt der Selbstdarstellung von Mitarbeitern. OpenAI sagt, die Daten zeigten, dass Mitarbeiter in frühen Karrierestufen ChatGPT häufiger nutzen als Führungskräfte. Sechs Monate nach der Einführung schickten Berufseinsteiger laut Unternehmen 13 Nachrichten pro Woche mehr als Führungskräfte.

OpenAI sagt auch, dass unter den in seinem Arbeitspapier untersuchten US-Börsenunternehmen die Enterprise-Anwender über mehr Vermögenswerte, mehr Mitarbeiter und höhere F&E-Investitionen verfügten als Nicht-Anwender. Das ist eine Korrelation, kein Beweis dafür, dass die KI-Einführung zu einer stärkeren finanziellen Leistung führte. Größere Unternehmen verfügen möglicherweise schlicht über mehr Ressourcen, um KI-Systeme zu kaufen, einzusetzen und zu steuern.

Die zentralen Behauptungen bleiben vom Anbieter gemeldet. Die bereitgestellten Belege enthalten keine unabhängige Methodenprüfung, keine unternehmensweiten Kostendaten, keine Fehlerraten, keine Abschlussraten von Aufgaben und keinen Vergleich mit Nicht-OpenAI-Systemen. Käufer sollten die Berichte daher nutzen, um Hypothesen über Bereitstellungsmuster zu bilden, nicht als neutrale Messung des Marktes für Enterprise-KI.

Was die Ergebnisse für KI-Entwickler und Unternehmen bedeuten

Für Produktteams deuten die Forschungsergebnisse auf eine Verschiebung der Gestaltungseinheit hin. Das wertvolle Produkt könnte nicht ein allgemeiner Chatbot sein, sondern ein Workflow, der Anweisungen, Berechtigungen, Geschäftsdaten und Aktionen kombiniert. Ein Vertriebs-Plugin könnte beispielsweise ein Unternehmens-Handbuch mit CRM-Zugriff und früheren Angeboten verbinden, bevor es eine Antwort zur Prüfung erzeugt.

Diese Architektur bringt betriebliche Anforderungen mit sich, die bei einfacher Unterstützung weniger wichtig sind. Teams benötigen Berechtigungsgrenzen, Audit-Protokolle, Kontrollen für Datenzugriffe, Genehmigungsschritte und Möglichkeiten zur Wiederherstellung, wenn ein Agent den falschen Kontext verwendet oder eine ungeeignete Aktion ausführt. Menschliche Prüfung bleibt besonders wichtig, wenn Ergebnisse Kunden, jurische Arbeit, finanzielle Entscheidungen oder Produktionssysteme betreffen.

Die Adoptionslücke legt außerdem nahe, dass der Kauf eines Zugangs zu einem KI-Modell nicht dasselbe ist wie die Skalierung der Nutzung. OpenAIs eigene Schlussfolgerung ist, dass Unternehmen kontinuierliches Mitarbeiterlernen, gemeinsame Workflows, Dateninfrastruktur und Governance benötigen. Für Unternehmensverantwortliche ist ein praktischer Ausgangspunkt, wirksame individuelle Workflows zu identifizieren, zu messen, wo sie Zeit sparen oder die Qualität verbessern, und sie in wiederholbare Prozesse zu überführen, statt sich auf informelles Prompting-Know-how zu verlassen.

Für Wettbewerber und Entwickler erhöht die Ausbreitung von KI-Agenten in Recht, Vertrieb, Recruiting und Marketing den Druck bei Integrationen. Systeme, die aktuellen Geschäftskontext sicher abrufen und begrenzte Aktionen ausführen können, könnten nützlicher werden als Systeme, die nur ausgefeilte Texte generieren. Die Forschung zeigt jedoch nicht, ob OpenAIs Produkte Alternativen bei Zuverlässigkeit, Gesamtbetriebskosten oder Sicherheit übertreffen.

Worauf als Nächstes zu achten ist

Die nächsten Signale werden detailliertere Belege zu Aufgabenabschluss, Prüfungsraten und messbaren Geschäftsergebnissen sein. OpenAIs Berichte könnten auch klären, wie sich die 8,3-fache Output-Lücke je nach Branche und Funktion unterscheidet und ob eine hohe Token-Nutzung zu niedrigeren Betriebskosten oder schnellerer Bereitstellung führt.

Unternehmenskäufer sollten auf eine breitere Verfügbarkeit von Agentenberechtigungen, Workflow-Vorlagen und Audit-Kontrollen in ChatGPT Work, Codex und Plugins achten. Sie sollten außerdem unabhängige Kundenbewertungen suchen, die fehlgeschlagene Ausführungen, menschliche Eingriffe und Implementierungskosten berichten und nicht nur das Nutzungswachstum.

Ein weiterer Test wird sein, ob die Nutzung auch außerhalb des Engineerings weiter wächst, sobald Agenten mit sensiblen Unternehmenssystemen verbunden sind. Wachstum in Recht, Vertrieb, Recruiting und Marketing ist bemerkenswert, aber nachhaltige Nutzung hängt von Datenqualität, Compliance-Prüfung und davon ab, ob Agenten Arbeit zuverlässig genug erledigen können, um Vertrauen zu verdienen.

Creati.ai-Perspektive

OpenAIs Ankündigung ist weniger die Behauptung, dass Unternehmen agentische KI gelöst hätten, als vielmehr eine Messung dafür, wie ungleich sie sich ihr nähern. Die gemeldete Frontier-Lücke deutet darauf hin, dass der Wettbewerbsvorteil ebenso stark aus organisatorischer Fähigkeit—Workflow-Design, Datenzugang und Governance—wie aus dem Zugang zum Modell kommen könnte.

Die wichtige Frage für Entwickler ist daher nicht einfach, wie viele Mitarbeiter ein KI-Tool nutzen. Entscheidend ist, ob ein System einen klar definierten Arbeitsschritt ausführen, zeigen kann, was es getan hat, innerhalb seiner Berechtigungen bleibt und einen Output liefert, den Menschen verifizieren können. OpenAIs Daten machen diesen Übergang sichtbar, während die vom Anbieter kontrollierte Methodik bedeutet, dass der Markt weiterhin unabhängige Belege zu Qualität und Wirtschaftlichkeit benötigt.