A OpenAI diz que a adoção de IA nas empresas está avançando além de perguntas e respostas, rumo a trabalho delegado e multietapas, mas seus próprios dados mostram que o progresso é muito desigual. A nova pesquisa da empresa descreve uma lacuna crescente entre companhias “de ponta” e adotantes típicos, com as organizações mais ativas usando agentes, contexto corporativo e ferramentas conectadas de forma muito mais ampla.

Os achados vêm de dois estudos da OpenAI: Enterprise Signals, que examina IA agêntica em toda a base de clientes empresariais da empresa, e o working paper How Organizations Use AI: Evidence from ChatGPT. A OpenAI diz que os estudos se baseiam em mais de 10 milhões de mensagens e analisam a adoção entre empresas, funções e níveis de senioridade.

Codex aponta para uma mudança em direção ao trabalho delegado

O sinal mais claro é o crescimento reportado do Codex, o agente de codificação e trabalho de software da OpenAI. Em junho, o Codex gerou 64% dos tokens de saída combinados de Codex e ChatGPT entre clientes empresariais, segundo a OpenAI. A empresa argumenta que a medida indica uma mudança para tarefas mais longas e substanciais, porque fluxos de trabalho agênticos normalmente produzem mais saída do que solicitações conversacionais curtas.

Essa interpretação importa para compradores corporativos. Um assistente pode ajudar um funcionário a raciocinar sobre uma apresentação ou uma tarefa de pesquisa; um agente pode reunir informações, usar sistemas conectados, criar arquivos e preparar um resultado para revisão humana. A OpenAI posiciona o ChatGPT Work e o Codex como exemplos desse modelo, embora os dados não estabeleçam quanto da saída reportada foi aceito sem edição humana substancial nem quanto trabalho foi concluído com sucesso.

O uso do Codex também está se espalhando além da engenharia. Desde fevereiro, os usuários corporativos ativos semanais do Codex cresceram 108 vezes em jurídico, 41 vezes em vendas, 41 vezes em recrutamento e 26 vezes em marketing, informa a OpenAI. A engenharia cresceu cinco vezes no mesmo período. São grandes números de crescimento relativo, mas a OpenAI não fornece os números absolutos de usuários no material fornecido, portanto eles não devem ser lidos como evidência de que as equipes não técnicas agora têm implantações maiores do que as equipes de engenharia.

A OpenAI cita a Virgin Atlantic como exemplo de uso multifuncional. A companhia aérea diz que equipes de engenharia usaram o Codex para refatorar código legado em 30 minutos em vez de duas semanas, enquanto equipes de produto usaram o ChatGPT Work para pesquisa competitiva. Essas declarações são exemplos fornecidos pela OpenAI e não foram verificadas independentemente no resumo de pesquisa da empresa.

A lacuna de ponta está se ampliando

A OpenAI classifica mensalmente os clientes empresariais por tokens de saída por usuário ativo. Ela define empresas de ponta como as do top 10% e empresas típicas como as situadas em torno dos percentis 45º a 55º. Em junho, as empresas de ponta geraram 8,3 vezes mais tokens de saída por usuário ativo do que as empresas típicas, ante uma diferença de 2,6 vezes em janeiro.

A empresa descreve os tokens de saída como uma proxy da profundidade de uso, não como uma medida direta de valor de negócio. Mais texto ou código gerado pode refletir fluxos de trabalho mais longos, mas também pode resultar de prompting ineficiente, revisões repetidas ou tarefas que exigem revisão substancial. Assim, a razão em expansão indica uma diferença na intensidade de uso, mas deixa em aberto questões sobre produtividade, qualidade e retorno sobre o investimento.

O mesmo padrão aparece no uso de capacidades avançadas. A OpenAI diz que 21% dos usuários ativos semanais nas empresas de ponta usavam Plugins, contra 9% nas empresas típicas. O uso de Skills foi de 19% nas empresas de ponta contra 3% nas típicas. Plugins podem conectar um agente a dados e ações da empresa, enquanto Skills fornecem instruções reutilizáveis, segundo a OpenAI.

A OpenAI também informa que 95% de seus próprios funcionários usam Plugins semanalmente. Como a OpenAI é tanto a fornecedora do produto quanto a fonte dessa comparação interna, o melhor é tratar esse número como um sinal de adoção reportado pelo fornecedor, e não como um benchmark de mercado.

A evidência é útil, mas controlada pelo fornecedor

A pesquisa oferece uma visão que pesquisas convencionais muitas vezes não capturam: padrões reais de uso em conversas de trabalho e telemetria do produto, em vez das descrições que os funcionários fazem do próprio comportamento. A OpenAI diz que seus dados mostram que funcionários em início de carreira usam o ChatGPT com mais frequência do que executivos. Seis meses após a adoção, trabalhadores no início da carreira enviavam 13 mensagens a mais por semana do que executivos, informa a empresa.

A OpenAI também diz que, entre as empresas de capital aberto dos EUA estudadas em seu working paper, os adotantes empresariais tinham mais ativos, mais funcionários e maior investimento em P&D do que os não adotantes. Isso é uma associação, não uma prova de que a adoção de IA produziu melhor desempenho financeiro. Empresas maiores podem simplesmente ter mais recursos para comprar, implantar e governar sistemas de IA.

As alegações centrais continuam sendo reportadas pelo fornecedor. As evidências fornecidas não incluem revisão independente da metodologia, dados de custo em toda a base de clientes, taxas de erro, taxas de conclusão de tarefas ou comparação com sistemas que não sejam da OpenAI. Assim, os compradores devem usar os relatórios para formular hipóteses sobre padrões de implantação, e não como uma medição neutra do mercado de IA empresarial.

O que os resultados significam para criadores de IA e empresas

Para as equipes de produto, a pesquisa aponta para uma mudança na unidade de design. O produto valioso talvez não seja um chatbot de uso geral, mas um fluxo de trabalho que combine instruções, permissões, dados de negócio e ações. Um Plugin de vendas, por exemplo, poderia combinar um playbook da empresa com acesso ao CRM e propostas anteriores antes de produzir uma resposta para revisão.

Essa arquitetura introduz requisitos operacionais que são menos importantes para assistência simples. As equipes precisam de limites de permissão, registros de auditoria, controles de acesso a dados, etapas de aprovação e formas de recuperação quando um agente usa o contexto errado ou toma uma ação inadequada. A revisão humana continua especialmente importante quando os resultados afetam clientes, trabalho jurídico, decisões financeiras ou sistemas de produção.

A lacuna de adoção também sugere que comprar acesso a um modelo de IA não é o mesmo que escalar o uso. A própria conclusão da OpenAI é que as empresas precisam de aprendizado contínuo dos funcionários, fluxos de trabalho compartilhados, infraestrutura de dados e governança. Para líderes empresariais, um ponto de partida prático é identificar fluxos de trabalho individuais eficazes, medir onde eles economizam tempo ou melhoram a qualidade e transformá-los em processos repetíveis, em vez de depender de conhecimento informal de prompting.

Para concorrentes e criadores, a expansão de agentes de IA para jurídico, vendas, recrutamento e marketing eleva o peso das integrações. Sistemas que consigam recuperar com segurança o contexto empresarial atual e concluir ações limitadas podem se tornar mais úteis do que sistemas que apenas geram texto refinado. Mas a pesquisa não mostra se os produtos da OpenAI superam alternativas em confiabilidade, custo total ou segurança.

O que observar a seguir

Os próximos sinais serão evidências mais detalhadas sobre conclusão de tarefas, taxas de revisão e resultados de negócio mensuráveis. Os relatórios da OpenAI também podem esclarecer como a lacuna de saída de 8,3 vezes varia por setor e função, e se o alto uso de tokens se traduz em custos operacionais menores ou entrega mais rápida.

Os compradores corporativos devem observar uma disponibilidade mais ampla de permissões de agentes, modelos de fluxo de trabalho e controles de auditoria no ChatGPT Work, Codex e Plugins. Eles também devem buscar avaliações independentes de clientes que relatem execuções malsucedidas, intervenção humana e custos de implantação, não apenas crescimento de uso.

Um teste adicional será se a adoção continua fora da engenharia quando os agentes estiverem conectados a sistemas empresariais sensíveis. O crescimento em jurídico, vendas, recrutamento e marketing é notável, mas o uso sustentado dependerá da qualidade dos dados, da revisão de conformidade e de os agentes conseguirem concluir o trabalho com confiabilidade suficiente para conquistar confiança.

Perspectiva da Creati.ai

O anúncio da OpenAI é menos uma afirmação de que as empresas resolveram a IA agêntica do que uma medição de quão desigualmente elas estão se aproximando dela. A lacuna de ponta reportada sugere que a vantagem competitiva pode vir tanto da capacidade organizacional—desenho de fluxo de trabalho, acesso a dados e governança—quanto do acesso ao modelo.

A pergunta importante para os criadores, portanto, não é simplesmente quantos funcionários usam uma ferramenta de IA. É se um sistema consegue completar uma peça definida de trabalho, mostrar o que fez, permanecer dentro de suas permissões e produzir uma saída que as pessoas possam verificar. Os dados da OpenAI tornam essa transição visível, enquanto sua metodologia controlada pelo fornecedor significa que o mercado ainda precisa de evidências independentes sobre qualidade e economia.