:quality(78))
Die Lizenzen sind gekauft, der Einführungsworkshop ist vorbei. Einige Beschäftigte arbeiten täglich mit KI, andere haben den Zugang einmal ausprobiert. Bei der nächsten Besprechung möchte die Geschäftsführung wissen, wie die Einführung läuft. Eine hohe Zahl verschickter Nachrichten hilft bei dieser Frage nur begrenzt.
OpenAI hat am 23. Oktober die Auswertungen für ChatGPT Enterprise und Edu erweitert. In der Admin Console gibt es jetzt den Bereich Workplace health, außerdem wurde der Zugang zu Nutzungsberichten und Befragungen neu geordnet. Damit lässt sich genauer verfolgen, ob aus einem eingerichteten Zugang regelmäßige Nutzung wird. Die Ankündigung steht in den offiziellen Release Notes.
Drei Zahlen für den Anfang
Workplace health unterscheidet zugewiesene Plätze, aktivierte Zugänge und wöchentlich aktive Personen. Aktiviert heißt hier: mindestens eine Nachricht verschickt. Die Wochenaktivität bezieht sich auf die zuletzt abgeschlossene Woche von Sonntag bis Samstag. Erfasst werden ChatGPT, Codex und Work.
Hinter jeder Stufe kann ein anderes Problem stecken. Wer einen Zugang hat und ihn nie öffnet, braucht möglicherweise Unterstützung beim Start. Wer ihn nach einem ersten Versuch liegen lässt, hat vielleicht noch keine passende Aufgabe gefunden. Beides muss das Team im Gespräch prüfen; die Zahlen liefern dafür einen Ansatzpunkt.
Eine Aktivierungsquote würde ich deshalb immer zusammen mit einer wiederkehrenden Aufgabe betrachten. Hat die Kollegin nur das Begrüßungsbeispiel ausprobiert? Oder bereitet sie inzwischen regelmäßig Unterlagen damit vor? Für diese Unterscheidung braucht es einen Blick auf die Arbeit hinter der Nutzung.
Der Branchenvergleich liefert eine Rückfrage
Unter Insights lassen sich Aktivierung, Wochenaktivität und Nachrichten je wöchentlich aktiver Person mit Branchenwerten vergleichen. Die Referenzwerte sind Mediane, also die mittleren Werte der Vergleichsgruppe. Das ist eine Orientierung für weitere Fragen, kein fertiges Urteil über die eigene Einführung.
Ein Betrieb kann gute Gründe für wenig Nachrichten haben. Ein sorgfältig vorbereiteter Auftrag führt vielleicht schnell zum passenden Entwurf. Ein anderer braucht mehrere Anläufe und erzeugt dabei mehr Aktivität. Welche Variante die Arbeit besser unterstützt, lässt sich aus dem Zähler allein kaum ablesen.
OpenAIs Leitfaden zur Auswertung empfiehlt, auffällige Nutzungsmuster genauer zu untersuchen und daraus eine gezielte Unterstützung abzuleiten. Ich würde mit dem Team einen konkreten Engpass auswählen und nach einer Änderung prüfen, ob die Arbeit leichter fällt. Das kann etwa eine verständlichere Vorlage für die erste Aufgabe sein.
Befragungen ergänzen die Nutzungszahlen
Im Bereich User surveys sammelt OpenAI Selbsteinschätzungen der Beschäftigten. Dazu gehören etwa wahrgenommene Zeitersparnis und Arbeitsqualität. Die Fragen sind vorgegeben. Workspace-Verantwortliche können eine eigene Befragung starten, die Fragen und Antwortoptionen dabei aber nicht frei gestalten.
Solche Rückmeldungen können erklären, warum ein Werkzeug wieder genutzt wird. Sie können auch zeigen, dass ein Team viel ausprobiert und mit den Ergebnissen trotzdem unzufrieden ist. Eine geschätzte Zeitersparnis bleibt eine Einschätzung der antwortenden Personen. Für eine belastbare Entscheidung würde ich zusätzlich einige fertige Arbeitsergebnisse ansehen.
Beim Export lohnt genaues Hinsehen: Die CSV umfasst sämtliche Workspace-Befragungen, nicht nur die gerade ausgewählte. Namen und E-Mail-Adressen können enthalten sein, wenn die entsprechende Exportoption aktiviert ist. Die Dokumentation zu den Befragungen beschreibt diese Grenze ausdrücklich. Wer nur einen Überblick braucht, sollte dafür keine personenbezogene Datei verteilen.
Ein fiktiver Servicebetrieb prüft den Nutzen
Nehmen wir einen fiktiven technischen Dienstleister. Sein Büroteam nutzt ChatGPT, um aus Einsatznotizen einen Entwurf für den Kundenbericht zu erstellen. Nach der Einführung steigt die Wochenaktivität. Damit ist zunächst belegt, dass die Zugänge wieder verwendet werden. Ob die Berichte besser oder schneller fertig werden, muss der Betrieb selbst prüfen.
Dafür könnte das Team einige vergleichbare Vorgänge auswählen. Zu jedem Bericht hält es fest, wie lange Vorbereitung und Nachbearbeitung dauern, welche Informationen fehlen und ob die zuständige Fachperson den Text freigibt. Besonders interessant wären die Fälle, bei denen die KI einen überzeugend klingenden Entwurf liefert, der anschließend aufwendig korrigiert werden muss.
Aus dieser kleinen Prüfung folgt eine konkrete nächste Entscheidung. Vielleicht braucht der Auftrag eine klarere Vorlage. Vielleicht fehlen in den Einsatznotizen Angaben, die auch ein Mensch nachfragen müsste. Oder die ausgewählte Berichtssorte eignet sich für den Einstieg schlecht. Keine dieser Erklärungen lässt sich allein aus mehr oder weniger Nachrichten ableiten.
Für kleine Teams zählt der gleiche Maßstab
Die angekündigten Auswertungen richten sich an Enterprise und Edu. Ein kleiner Betrieb mit einem anderen Tarif sollte daraus keine Zusage ableiten, dieselben Ansichten zu erhalten. Auch innerhalb der Berichte gelten Grenzen: Die Daten kommen zeitversetzt; Task insights ist in Workspaces mit EU-Datenresidenz zunächst deaktiviert. Die aktuellen Details stehen in der Funktionsdokumentation.
Den Gedanken hinter der Auswertung kann ein kleines Team trotzdem übernehmen. Eine wiederkehrende Aufgabe auswählen, die Beteiligten nach ihren Schwierigkeiten fragen und fertige Ergebnisse vergleichen. Dafür genügt am Anfang eine überschaubare gemeinsame Auswertung mit klar vereinbarten Kriterien.
In unserer KI-Beratung lässt sich eine solche Einstiegsaufgabe eingrenzen. Unsere Workshops setzen beim praktischen Umgang an. Wenn ein bewährter Ablauf später in die eigenen Systeme integriert werden soll, kommt individuelle KI-Softwareentwicklung dazu.
Ich würde die neue Übersicht als Gesprächsgrundlage nutzen: Wo bleibt die Einführung hängen, welche Aufgabe funktioniert bereits, und welches Ergebnis wollen wir beim nächsten Mal genauer prüfen?
:quality(78))
:quality(78))
:quality(78))
