Kad je prošle godine analitičarka u financijama OpenAI-ja trebala usporediti prihode po regijama i korisničkim skupinama, provela je sate pretražujući 70 000 skupova podataka, pišući SQL upite i provjeravajući sheme tablica. Danas u Slack jednostavno upiše pitanje na običnom engleskom i za nekoliko minuta dobije gotov grafikon.
Ključnu ulogu igra novi podatkovni agent građen na GPT-5.2 modelu. Razvila su ga dva inženjera u tri mjeseca, a čak 70 % koda napisala je sama umjetna inteligencija. Danas ga svakodnevno koristi više od 4 000 od ukupno 5 000 zaposlenika OpenAI-ja, što predstavlja jedan od najširih internih plasiranja AI agenta u poslovnom okruženju.
„Agent se koristi za bilo kakvu analizu. Gotovo svaki tim u tvrtki oslanja se na njega”, kaže voditeljica podatkovne infrastrukture Emma Tang, čiji je tim sustav osmislio i implementirao.
Sučelje za 600 petabajta podataka
Interna podatkovna platforma OpenAI-ja obuhvaća više od 600 PB podataka u 70 000 skupova. Samo pronalazak ispravne tablice često je trošio sate rada. Novi agent, koji se može pozvati iz Slacka, web sučelja, IDE-a, CLI-ja Codex te interne verzije ChatGPT-a, prima upite na prirodnom jeziku i vraća grafikone, nadzorne ploče ili detaljna analitička izvješća.
Tang procjenjuje da alat po upitu štedi dvije do četiri radna sata, no veća je dobit što omogućuje analize koje ranije jednostavno nisu bile izvedive bez dubinskog poznavanja sustava. „Inženjeri, ljudi iz rasta, proizvoda, ali i netehnički timovi sada sami mogu doći do složenih uvida”, ističe ona.
Od financija do dijagnostike latencije
Primjene sežu od financijskih timova koji prate prihode po geografiji, preko produktaša koji proučavaju usvajanje novih funkcija, do inženjera koji traže uzroke usporavanja pojedinih komponenti. Jedan je korisnik, primjerice, primijetio nepodudarnost na dvjema nadzornim pločama koje prate rast pretplatnika Plus. Agent je u nekoliko minuta otkrio pet čimbenika razlike – posao za koji bi ljudima trebali sati, možda i dani.
Za razliku od većine korporativnih AI rješenja koja su ograničena na pojedine odjele, ovaj alat presijeca cijelu organizaciju. Nakon postupnog uvođenja po odjelima, svi su podaci završili u zajedničkoj bazi pa rukovoditelji mogu u jednome upitu kombinirati prodajne brojke s inženjerskim metrikama i analitikom proizvoda. „To je zaista jedinstveno”, naglašava Tang.
Što slijedi
Iskustvo OpenAI-ja pokazuje da usko grlo prema pametnijim organizacijama sve manje leži u samim AI modelima, a sve više u pristupu čistim, dobro organiziranim podacima. Tangina ekipa sada radi na poboljšanju točnosti odgovora i na funkcijama koje bi agentu omogućile da predvidi analitičke potrebe prije nego što korisnici postave pitanje.
Za zaposlenike tvrtke rezultat je već sada opipljiv: brže odluke, manja ovisnost o specijaliziranim analitičarima i sustav koji, kako kažu, „radi dosadan dio posla” – ostavljajući ljudima više vremena za strategiju i kreativnost.