OpenAI表示，企業AI採用正從問答走向委派式、多步驟工作，但其自身數據顯示，進展高度不均衡。該公司的新研究描述了「前沿」企業與一般採用者之間日益擴大的差距，最活躍的組織更廣泛地使用代理、公司情境與連接工具。

這些發現來自兩項 OpenAI 研究：Enterprise Signals，該研究檢視公司企業客戶基礎中的代理式 AI；以及工作論文 How Organizations Use AI: Evidence from ChatGPT。OpenAI 表示，這些研究涵蓋超過 1,000 萬則訊息，並檢視企業、職能與職級層面的採用情況。

Codex 顯示工作正走向委派化

最明確的訊號是 Codex 的成長，這是 OpenAI 的程式撰寫與軟體工作代理。根據 OpenAI，到了 6 月，Codex 產生了企業客戶中 Codex 與 ChatGPT 合計輸出 token 的 64%。公司認為，這項指標顯示工作正轉向更長、更實質的任務，因為代理式工作流程通常會比短篇對話請求產生更多輸出。

這種解讀對企業買家很重要。助理可以幫助員工思考簡報或研究任務；代理則可以收集資訊、使用連接系統、建立檔案，並準備好交由人類審核的結果。OpenAI 將 ChatGPT Work 與 Codex 定位為這種模式的例子，不過這些數據並未說明，有多少報告中的輸出是在沒有大量人工編修下被接受的，或有多少工作是成功完成的。

Codex 的使用也正擴散到工程以外。OpenAI 報告，自 2 月以來，企業每週活躍的 Codex 使用者在法律領域成長了 108 倍、銷售成長 41 倍、招募成長 41 倍、行銷成長 26 倍。工程領域在同一期間成長了 5 倍。這些都是很大的相對成長數字，但 OpenAI 在所提供的材料中沒有給出基礎使用者數，因此不應將其解讀為非技術團隊現在的部署規模比工程團隊更大。

OpenAI 以 Virgin Atlantic 為跨部門使用的例子。該航空公司表示，工程團隊使用 Codex 在 30 分鐘內而非兩週重構舊程式碼，而產品團隊則使用 ChatGPT Work 進行競品研究。這些說法是 OpenAI 提供的例子，並未在公司的研究摘要中經過獨立驗證。

前沿差距正在擴大

OpenAI 每月依每位活躍使用者的輸出 token 數對企業客戶排名。它將前沿企業定義為前 10%，一般企業定義為約落在第 45 至第 55 百分位。到了 6 月，前沿企業每位活躍使用者產生的輸出 token 數是一般企業的 8.3 倍，而 1 月時這一差距為 2.6 倍。

公司將輸出 token 描述為使用深度的代理指標，而非企業價值的直接衡量。更多生成的文字或程式碼可能反映更長的工作流程，但也可能源於低效率的提示、反覆修訂，或需要大量審核的任務。因此，這個擴大的比率顯示的是使用強度的差異，同時也留下生產力、品質與投資報酬率的問題。

同樣的模式也出現在進階能力的使用上。OpenAI 表示，前沿企業每週活躍使用者中有 21% 使用了 Plugins，而一般企業為 9%。Skills 的使用在前沿企業為 19%，一般企業為 3%。根據 OpenAI，Plugins 可以把代理連接到公司資料與動作，而 Skills 則提供可重複使用的指示。

OpenAI 也報告，自己 95% 的員工每週使用 Plugins。由於 OpenAI 既是產品供應商，也是這項內部比較的來源，因此這個數字最好被視為供應商回報的採用訊號，而不是市場基準。

證據有幫助，但由供應商控制

這項研究提供了一個傳統調查經常忽略的視角：工作對話與產品遙測中的真實使用模式，而不是員工對自己行為的描述。OpenAI 表示，其數據顯示初階員工比高階主管更常使用 ChatGPT。根據公司報告，在採用 6 個月後，初階員工每週比高階主管多發送 13 則訊息。

OpenAI 也表示，在其工作論文研究的美國上市公司中，企業採用者的資產、員工數與研發投資都比未採用者更多。這是一種相關性，並不能證明 AI 採用帶來了更好的財務表現。規模更大的公司可能只是有更多資源購買、部署與治理 AI 系統。

核心主張仍是由供應商回報。所提供的證據並未包含獨立的方法論審查、客戶整體成本資料、錯誤率、任務完成率，或與非 OpenAI 系統的比較。因此，買家應將這些報告視為建立部署模式假說的依據，而不是企業AI市場的中性衡量。

這些結果對 AI 建構者與企業意味著什麼

對產品團隊而言，這項研究指出設計單位正在轉變。真正有價值的產品，可能不是通用聊天機器人，而是結合指示、權限、業務資料與動作的工作流程。例如，一個銷售用 Plugin 可以先結合公司的作業手冊、CRM 存取權與過往提案，再產生供審核的回覆。

這種架構帶來一些對單純輔助較不重要的營運需求。團隊需要權限邊界、稽核日誌、資料存取控制、核准步驟，以及當代理使用了錯誤情境或採取不適當行動時的復原方式。當輸出會影響客戶、法律工作、財務決策或生產系統時，人工審核尤其重要。

採用差距也顯示，購買 AI 模型的存取權不等於擴大使用規模。OpenAI 自己的結論是，公司需要持續的員工學習、共享工作流程、資料基礎設施與治理。對企業領導者來說，一個實際的起點是找出有效的個人工作流程，衡量它們在哪些地方節省時間或提升品質，並將其轉化為可重複的流程，而不是依賴非正式的提示技巧。

對競爭者與建構者而言，AI 代理擴展到法律、銷售、招募與行銷，提高了整合的重要性。能安全擷取即時業務情境並完成有限動作的系統，可能會比只會生成漂亮文字的系統更有用。但這項研究並未顯示 OpenAI 的產品在可靠性、總成本或安全性上是否勝過替代方案。

接下來要關注什麼

下一批訊號會是更細緻的證據，例如任務完成率、審核率與可衡量的商業成果。OpenAI 的報告也可能釐清，8.3 倍的輸出差距如何因產業與職能而異，以及高 token 使用是否轉化為更低營運成本或更快交付。

企業買家應關注 ChatGPT Work、Codex 與 Plugins 中代理權限、工作流程範本與稽核控制是否更廣泛 उपलब्ध。也應尋找獨立的客戶評估，報告失敗執行、人類介入與部署成本，而不只是使用成長。

另一個考驗將是，當代理連接到敏感的企業系統後，採用是否仍會在工程以外持續成長。法律、銷售、招募與行銷的成長值得注意，但持續使用將取決於資料品質、合規審查，以及代理是否能夠可靠地完成工作，從而贏得信任。

Creati.ai 觀點

OpenAI 的公告與其說是在宣稱企業已解決代理式 AI，不如說是在衡量企業接近這一目標的方式有多不平均。所報告的前沿差距暗示，競爭優勢可能同樣來自組織能力——工作流程設計、資料存取與治理——而不只是模型存取。

因此，對建構者來說，重要問題不只是有多少員工在使用 AI 工具，而是系統是否能完成一項明確的工作、展示它做了什麼、保持在其權限範圍內，並產出人們能驗證的結果。OpenAI 的數據讓這一轉變變得可見，而其由供應商控制的方法論也意味著，市場仍需要關於品質與經濟性的獨立證據。