OpenAI 表示，AI 原生公司正把工作流程轉化為營運能力

OpenAI 指出企業 AI 採用進入了新階段：公司正從回答問題的助理，轉向能執行可重複工作流程的 AI 代理。在一份新的 OpenAI News 報告中，該公司以 Basis、Clay 與 Exa Labs 為例，說明這些組織如何將代理嵌入入職培訓、帳戶管理與開發者整合之中。

該報告主張，重要的轉變不只是 AI 使用量增加而已，而是把成功的實驗轉化為可重複的營運流程，並具備明確觸發條件、公司情境存取、連接的工具、可衡量的結果，以及明確的人為審核。對於決定 AI 應該只是個人效率工具，還是成為工作執行的一部分的企業買家來說，這個區別很重要。

從使用量到營運能力

OpenAI 附帶的 Enterprise Signals 分析指出，AI 使用量位居前 10% 的公司，如今每位活躍使用者產生的輸出 token 數量是一般公司的 8.3 倍，相較之下，1 月時為 2.6 倍。OpenAI 將這個差距擴大，視為領先組織正把代理連接到內部情境與工具、委派更具實質性的工作，並讓有效工作流程更容易重複的證據。

這些數字來自供應商回報，單憑它們本身無法證明更高的 token 輸出會帶來更好的商業成果。OpenAI 自身的指引也承認，組織需要衡量完成的任務、品質、成本、週期時間、風險、例外情況與審核工作量，而不是把活動量當成價值的替代指標。

實務上的模型更接近軟體的職務說明。團隊要定義工作如何啟動、代理需要哪些資訊與權限、何謂「完成」、它必須產出什麼證據，以及何處由人接手。

三種工作流程，三種委派層級

在為會計事務所打造 AI 代理 的 Basis 中，OpenAI 表示員工入職時間已從兩小時縮短到 30 分鐘。新員工可存取 Codex 與公司專屬的入職技能，這被描述為一組可重複使用的指令與資源，用於特定工作流程。代理會介紹公司概念並完成整合設定，而人資則在出現新例外時更新該技能。

這個例子顯示，一次性的示範如何變成可重複使用的流程。工作流程具備觸發條件、已知步驟、工具存取權與完成條件。人員仍可處理不尋常或敏感案例，但入職不再完全依賴某一個人的可用性。

Clay 對銷售採用不同模式。根據 OpenAI 的說法，該公司使用持久的工作空間，並為每個帳戶配置專屬子代理。這些子代理會查看第一手資料，並在夜間更新商機資料夾。接著，由一個協調代理產生日常優先事項，例如回答客戶問題，或找出採購委員會中缺少的成員。

Clay 表示，這套流程可為一名 go-to-market 工程師省下約一小時的夜間收件匣分流時間。這是公司自述，並非經獨立驗證的生產力研究。其營運意義在於支援證據：銷售人員可在採取行動前檢視建議背後的原始資料，而帳戶情境也能繼續提供給其他授權團隊使用。

Exa Labs 則利用代理推進其搜尋 API 的「Exa everywhere」目標。OpenAI 表示，Codex 會監控潛在整合、從 Slack 與 Notion 等系統蒐集情境、建立 pull request、執行測試，並準備每週更新。它也能起草公告，但由人決定哪些機會重要，以及公司應對外承諾什麼。

這個工作流程相較於 Basis 的案例更偏向執行，但仍受測試與審核所限制。代理可以把機會從發現一路推進到已測試的產物，但不會做出最終的商業或關係決策。

證據顯示了什麼，以及沒有顯示什麼

這份報告中最強的證據是描述性的：OpenAI 記錄了三家新創公司如何設計特定工作流程。績效數據來自這些公司本身或 OpenAI 的分析，而資料來源並未提供獨立驗證、跨企業可比較的基準，或證明相同結果會轉移到更大型企業的證據。

儘管如此，這些案例仍指出了一再出現的設計選擇。Basis 將穩定流程形式化為可重複使用的技能。Clay 給代理持續的情境與更新節奏，以處理會隨時間變動的工作。Exa 則在任何內容進入生產環境或對外發佈之前，先把訊號連到工具、測試與審核。

OpenAI 也引用研究指出，在採用六個月後，職涯初期員工每週比主管多發送 13 則訊息。公司用這項發現來主張，最貼近日常工作的員工應該有空間測試新應用。這個結論合理，但只有當團隊把底層流程、證據、控制與責任都記錄下來時，實驗才能創造持久價值。

這對開發者與企業意味著什麼

對 AI 開發者而言，這份報告再次強調，困難的產品問題不只是模型能力，而是工作流程設計。代理需要能可靠存取正確來源、清楚的權限邊界、評估方法、例外處理，以及明確交接給人的機制。若缺少這些要素，自動化可能提高活動量，卻讓責任歸屬更難辨識。

對企業來說，這些案例建議先從一個重要工作流程著手，而不是嘗試全面性的自動化計畫。候選流程應該足夠常見，能產生回饋；也應該重要到足以值得重新設計。領導者應指定一位負責人、建立基準，並同時追蹤商業成果與審核代理工作的營運負擔。

這些案例也說明了為何部署應逐步擴大。先前僅用於摘要帳戶活動的代理，之後可能會建議行動、準備變更，或開啟 pull request。每一步都提高了權限、證據、測試與決策權的重要性。代理能執行一項動作，不代表它應在未經核准下執行。

接下來要觀察什麼

接下來的訊號將是 OpenAI 或受訪公司是否會公布超出 token 使用量與節省時間說法之外的獨立成果資料。企業買家也應留意更清楚的評估方法，涵蓋錯誤率、例外頻率、審核負載，以及維持代理情境的成本。

產品團隊應檢視 Codex 與類似工具是否會獲得更強的權限控制、稽核軌跡、可重複使用技能與跨系統測試能力。若有更多代理從建議走向受限執行的案例，將表示這種模式正在變成營運做法，而不只是宣傳話術。

Creati.ai 觀點

若將 OpenAI 的報告視為工作流程設計案例研究，而非證明 AI 代理能為企業帶來一致收益的證據，那麼它最有價值。Basis、Clay 與 Exa Labs 展示的是同一個營運原則的不同版本：當情境、工具、證據與人類判斷被一起設計時，自動化就會更有價值。

對 AI 原生公司而言，競爭問題在於：它們能多快把成功的代理實驗轉變為可維護的系統，同時不失去控制。那些會記錄責任歸屬、權限、評估與審核點的團隊，將比只用員工向模型提出多少要求來衡量採用程度的團隊，更有機會擴大執行規模。