HiBob prototipa le funzionalità per i clienti dentro ChatGPT prima di rilasciarle via API

Il vero numero è il funnel da 2.500 a 200

Il dato che OpenAI mette in vetrina è che oltre il 90% dei dipendenti di HiBob usa attivamente ChatGPT Enterprise. Il numero più significativo è sepolto sotto: oltre 2.500 GPT sperimentali creati, di cui 200 distribuiti con successo nei flussi di lavoro interni.

È un tasso di sopravvivenza di circa 1 su 12. HiBob lo presenta in modo positivo, e a ragione: il funnel suggerisce che la maggior parte dei GPT costa poco da creare e poco da abbandonare. Il builder di GPT personalizzati viene usato come superficie di prototipazione usa e getta, non come runtime di produzione.

Per chiunque rilasci funzionalità di IA, questo rapporto è la parte interessante. Significa che l'interfaccia in cui si costruisce non è l'interfaccia in cui la maggior parte dei progetti è destinata a sopravvivere. Il GPT è una sonda.

Dove risiede davvero il frontend in ogni fase

Il ciclo di HiBob ha due frontend distinti. Internamente, i dipendenti interagiscono tramite l'interfaccia GPT di ChatGPT Enterprise — il GPT per la preparazione delle riunioni che estrae dati CRM e trascrizioni, il GPT per l'upselling che legge i pattern d'uso, l'assistente SEO che interroga le API di web analytics. Sono superfici conversazionali sovrapposte ai sistemi interni.

Esternamente, secondo la fonte HiBob prende le soluzioni costruite e testate in ChatGPT Enterprise, poi le implementa con l'API di OpenAI per offrire funzionalità dentro la piattaforma Bob. L'esperienza conversazionale rivolta ai clienti — responsabili HR che interrogano i propri dati e ottengono decisioni in pochi minuti — funziona su GPT-4o tramite API, non su un GPT condiviso.

Quindi la stessa idea viene realizzata due volte: prima come GPT interno per verificare se l'interazione è utile, poi di nuovo come superficie di prodotto proprietaria una volta dimostrata l'efficacia. Il pattern conversazionale è portabile anche quando il livello di hosting non lo è.

Il processo in cinque fasi tratta un'interfaccia di chat come un prodotto rilasciato

Il team AI Mind di HiBob ha dato struttura al caos della prototipazione: idea e proof of concept, costruzione, adozione e abilitazione, manutenzione e scala. In particolare, la fase di adozione richiede documentazione, formazione e un responsabile nominato per ogni GPT. La fase di manutenzione aggiunge cicli di feedback.

È questa disciplina che separa una demo da un'interfaccia duratura. Un GPT con un responsabile e un ciclo di manutenzione può assorbire il logoramento che uccide la maggior parte degli strumenti di IA interni — aggiornamenti dei modelli, prompt che si deteriorano, sistemi di origine che cambiano. I 200 sopravvissuti sono quelli che hanno ricevuto questo trattamento.

"Vogliamo permettere alle persone di fare di più con di più. Ogni agente ha un ruolo, proprio come ogni dipendente. È questo che rende il sistema sostenibile." —Ori Simantov, AI Adoption and Insight Lead, HiBobMontana Labs

La directory interna consultabile per il riutilizzo è il dettaglio di frontend che fa scalare tutto questo. Una volta che un agente funziona, il suo pattern di interfaccia diventa un modello che altri adattano invece di ricostruire da zero.

Cosa implica il loop adozione-prodotto per i team di prodotto

La lezione specifica qui è che HiBob ha eliminato il divario tra strumenti interni e roadmap di prodotto. I dipendenti che usano un GPT interno stanno, di fatto, conducendo test di usabilità su una funzionalità che l'azienda potrebbe poi vendere. Chi sente il problema progetta la soluzione, e le soluzioni riuscite diventano funzionalità per i clienti.

Per i team di frontend e di prodotto, questo suggerisce di trattare il builder di GPT non come una novità, ma come un ambiente di staging rapido e a basso costo per le interazioni conversazionali — con l'aspettativa esplicita che la maggior parte verrà scartata e i superstiti verranno ricostruiti sull'API per la vera superficie di prodotto.

Il rischio che HiBob non affronta è la fedeltà: un'interazione che funziona dentro la cornice di chat curata di ChatGPT Enterprise potrebbe comportarsi diversamente una volta ri-implementata nell'interfaccia utente propria di Bob su GPT-4o. Il prototipo valida l'idea, non l'esperienza di produzione. È in questo divario che il secondo passaggio di ingegnerizzazione dimostra il suo valore.