Em 16 de setembro de 2026, a OpenAI publicou um guia voltado a um problema que vem travando decisões de orçamento dentro das empresas: entender onde a inteligência artificial gera valor e onde vale concentrar o próximo investimento. O material detalha os recursos de analytics do ChatGPT Admin Console, que reúnem dados de uso e custo, insights sobre tarefas e métricas de resultado para ChatGPT Work e Codex, conforme o guia divulgado pela OpenAI.
A tese central é direta: volume de acessos e gasto em créditos contam apenas parte da história. Administradores também precisam enxergar para que as pessoas usam a ferramenta e o que elas conseguem entregar com isso.
Uso, gasto e o mapa das tarefas
A visão de Uso concentra usuários ativos, créditos e consumo de tokens das duas ofertas, em um painel único. Filtros por grupo ou por usuário revelam onde a adoção é baixa.
Isso serve de gatilho para revisar fluxos de trabalho iniciais e necessidades de treinamento junto ao responsável da área. A leitura também ajuda a justificar pedidos de capacidade e a revisar custos com mais contexto.
Já o classificador de tarefas da área de Insights agrupa uma amostra de mensagens em casos de uso e tarefas. Engenharia de software aparece decomposta, por exemplo, entre desenvolvimento de funcionalidades e manutenção de código.
Vendas e receita, entre pesquisa de contas e planejamento. A aba Overview exibe a mistura de trabalho de relance, enquanto Use cases entrega uma tabela detalhada com a quebra por tarefa, créditos, mensagens e usuários ativos.
Em um dos exemplos do material, pesquisa de contas e planejamento é o maior consumo de créditos de um time de vendas. É o ponto de partida para discutir como a IA altera a preparação de contas.
Onde entra o treinamento
Nos detalhes de cada tarefa, as quebras por Modelos, Raciocínio e Velocidade mostram a fatia de créditos de cada configuração. Com isso, administradores avaliam se o ajuste faz sentido para o tipo de trabalho e direcionam o treinamento para escolha de modelo.
Um briefing rotineiro, por exemplo, pode ser testado com uma configuração mais rápida ou mais barata. A comparação leva em conta qualidade e o tempo gasto em revisão e correção.
O ranking de plugins e a visão de Skills indicam quais ferramentas sustentam determinada tarefa. Isso ajuda a priorizar treinamento e a decidir quais fluxos manter ou compartilhar.
Uso baixo de um plugin relevante pode sinalizar problema de acesso ou de capacitação. Uma skill muito usada costuma exigir um dono claro e atualizações periódicas.
O guia traz o depoimento de Bharadwaj Tanikella, gerente de produto de IA na Datadog, para quem os analytics da OpenAI dão base a orientações e políticas futuras. Segundo ele, a empresa já usa as categorias de tarefas da OpenAI no Agent Console, produto de monitoramento de agentes, para mostrar aos clientes que tipo de trabalho seus agentes executam.
Codex sob a ótica de engenharia
A visão de Outcomes mostra a contribuição do Codex para commits mergeados e linhas de código, ao lado da atividade de revisão. Tendências e filtros por grupo, usuário ou repositório ajudam líderes de engenharia a entender a adoção e a decidir onde ampliar acesso ou reforçar suporte.
Se a fatia de código mergeado com contribuição do Codex cresce, o passo seguinte é comparar essa curva com tempo de revisão, defeitos e retrabalho. A pergunta é se a ferramenta está de fato ajudando o time a entregar software com mais eficiência.
Da atividade ao resultado de negócio
O plugin de administração no ChatGPT Work permite comparar adoção, gasto e tarefas e transformar achados em relatórios para decisões de orçamento e expansão. Ele também produz entregáveis prontos, como uma apresentação de liderança com gráficos, achados principais e próximos passos recomendados.
Já a Admin API possibilita automatizar relatórios em dashboards próprios e cruzar os analytics com dados de sistemas de negócio. Um painel de suporte, por exemplo, pode exibir consumo de créditos ao lado do tempo de resolução de tickets.
A recomendação é que dados de uso e tarefas sejam só o começo da conversa com os donos das áreas. Eles acrescentam o contexto que falta: o que mudou no fluxo, se o resultado melhorou e quanto essa melhora vale.
O objetivo é conectar a atividade do produto a indicadores como prazo, qualidade ou lucratividade. No exemplo de vendas, o administrador verifica se os modelos escolhidos combinam com a tarefa, treina o time onde um plugin de CRM está subutilizado e compartilha uma skill para padronizar planos de conta.
O dono da área então compara tempo de preparação e qualidade dos planos com a linha de base. Acompanha quanto do tempo economizado migra para conversas com clientes, quais viram oportunidades qualificadas e quantas fecham negócio.
O material ainda propõe iniciar a investigação de valor por um conjunto de perguntas norteadoras.
