OpenAI's B2B Signals reformula a maturidade em AI com base na profundidade de utilização, não no número de licenças

O que o B2B Signals mede na realidade

A OpenAI lançou o B2B Signals, um relatório recorrente construído a partir de dados agregados e anonimizados sobre a utilização empresarial dos seus produtos. O objetivo declarado é acompanhar como a AI se está a difundir dentro das empresas: com que profundidade é utilizada, que ferramentas se correlacionam com uma adoção de vanguarda, e onde os casos de uso se estão a alargar entre setores e funções.

O indicador principal é pouco habitual. Em vez de contar licenças ou frequência de mensagens, o relatório usa os tokens gerados como indicador de 'inteligência exigida'. A OpenAI é clara ao afirmar que os tokens não medem diretamente o valor gerado para o negócio, mas trata-os como um sinal de quanto trabalho os colaboradores pedem ao modelo em cada interação.

Esta escolha é relevante porque reformula a questão da adoção. A primeira fase da AI empresarial centrava-se no acesso — quem tinha as ferramentas implementadas. O argumento da OpenAI é que o acesso já não é o fator diferenciador, e a sua nova métrica foi concebida para captar aquilo que, na sua opinião, o é agora.

A tese da profundidade e o valor de 36%

A OpenAI reporta que as empresas no percentil 95 de utilização — a sua definição de 'vanguarda' — exigem agora 3,5 vezes mais inteligência por trabalhador do que as empresas típicas, um aumento em relação às 2 vezes registadas em abril de 2025. A empresa apresenta este alargamento como prova de que a vantagem da vanguarda está 'a começar a compor-se'.

A estatística mais determinante é mais pequena e específica: o volume de mensagens explica apenas 36% desse fosso. Se for exata, a maior parte da diferença entre as empresas líderes e as típicas não resulta de enviarem mais mensagens, mas de cada mensagem fazer mais — mais contexto à entrada, resultados mais substanciais à saída.

Esta é a distinção que a OpenAI traça entre usar a AI para responder a perguntas e usá-la para executar trabalho complexo. Vale a pena notar que todo este enquadramento assenta nos tokens como substituto da complexidade, um indicador que o próprio relatório reconhece como imperfeito.

O Codex e a viragem para a delegação

O fosso mais acentuado surge nas ferramentas agentic e mais avançadas. As empresas na vanguarda enviam 16 vezes mais mensagens ao Codex por trabalhador do que as empresas típicas — a maior disparidade isolada do relatório. O ChatGPT Agent, as Apps no ChatGPT, o Deep Research e os GPTs revelam padrões direcionais semelhantes.

A OpenAI cita a Cisco como o seu exemplo de produção com o Codex: tempos de construção cerca de 20% mais rápidos, mais de 1.500 horas de engenharia poupadas por mês, e um aumento de 10 a 15 vezes no débito de resolução de defeitos. O relatório atribui os maiores ganhos ao facto de tratarem o Codex, nas palavras da Cisco, como 'parte da equipa'.

As empresas que avançam primeiro estão a desenvolver a capacidade operacional de usar a AI não apenas como uma interface mais rápida, mas como uma forma de redesenhar o trabalho desde a base.Montana Labs

No lado da produção, o AI Claim Assistant da Travelers Insurance guia os clientes através da primeira comunicação do sinistro e cria os processos dentro dos sistemas da Travelers; a OpenAI afirma esperar que o assistente trate cerca de 100.000 dessas chamadas no seu primeiro ano. Estes são os dois exemplos concretos citados para sustentar a tese da delegação.

Ler com cautela os dados de utilização do próprio fornecedor

O B2B Signals é um produto de medição criado pelo próprio fornecedor cujo consumo mede, e a sua unidade central — os tokens — é também a unidade de faturação da OpenAI. A narrativa de que a profundidade supera o acesso, e de que a adoção do Codex marca a maturidade, encaixa perfeitamente com a compra de mais ferramentas avançadas da OpenAI.

Isso não torna as conclusões erradas, mas define os termos em que as equipas devem analisá-las. As afirmações úteis e verificáveis aqui são restritas e específicas: que a profundidade por interação, e não o número de mensagens, explica a maior parte do fosso observado, e que as ferramentas agentic mostram a maior disparidade entre empresas líderes e típicas.

A implicação concreta para os líderes de engenharia é de natureza metodológica. Se a profundidade for o fator diferenciador que a OpenAI descreve, então contar licenças e mensagens vai sistematicamente subestimar — ou sobrestimar — a posição real de uma equipa. O trabalho mais difícil é identificar quais os fluxos de trabalho que passaram da assistência por chat para a execução delegada e assistida por ferramentas, e validar que uma utilização intensiva em tokens corresponde a resultados de negócio reais e não apenas a faturas maiores.