企业AI 2025现状报告

执行摘要

OpenAI 的《企业AI 2025现状报告》表明，人工智能正从面向消费者的应用过渡到核心组织基础设施。拥有超过 100 万企业客户，OpenAI 报告使用强度激增：ChatGPT 消息量年增长 8 倍，每个组织的 API 推理 token 消耗年增长 320 倍。

规模化与深度集成

企业 AI 正从简单的实验转向可重复的多步骤工作流程。这一转变由两种主要机制驱动：

自定义 GPTs 和项目

自定义 GPTs 和项目使组织能够通过内部系统集成将制度知识编码并自动化工作流程。这些工具的周活跃用户年内增长了 19 倍，大约 20% 的企业消息现在通过自定义 GPT 或项目处理。例如，BBVA 使用超过 4,000 个 GPT 将 AI 驱动的工作流程嵌入日常运营。

API 和开发者工作流程

随着企业向生产部署过渡，API 消耗快速增长。超过 9,000 家组织处理了超过 100 亿个 token，近 200 家超过 1 万亿个 token。平均推理 token 消耗增长 320 倍表明，更智能的模型正系统地融入不断扩展的产品和服务中。

可衡量的业务影响与生产力

AI 正在带来实质性的生产力提升，并扩大非专业工作者的技术能力。

运营收益

近 100 家企业的调查数据显示，75% 的员工报告输出速度或质量有所提升。平均而言，ChatGPT Enterprise 用户每活跃一天可节省 40–60 分钟，数据科学、工程和通信岗位员工可节省 60–80 分钟。具体功能收益包括：

  • IT: 87% 报告问题解决速度更快。
  • Marketing and Product: 85% 报告活动执行速度更快。
  • HR: 75% 报告员工参与度提升。
  • Engineering: 73% 报告代码交付速度更快。

技术工作的扩展

AI 正充当平等者，使 75% 的用户能够完成以前无法完成的任务，例如编程支持、电子表格自动化和自定义代理设计。这一点在非技术团队（工程、IT 和研究以外）的编程相关消息中尤为明显，过去六个月该类消息增长了 36%。

行业与地域趋势

尽管采用呈广泛基础，但加速步伐因行业和地区而异。

行业增长

中位数行业年增长超过 6 倍，科技行业领先达到 11 倍。其他快速增长的行业包括医疗保健（8 倍）和制造业（7 倍）。

各行业的 API 使用模式有所不同：

  • 科技： 侧重于应用内助手、搜索和代理工作流自动化。
  • 专业服务： 优先考虑编程和开发者工具以加速交付。
  • 金融： 通常从客户支持开始以实现即时 ROI，随后使用编程工具进行系统迁移和合规。

全球扩张

国际采用正在加速。澳大利亚、巴西、荷兰和法国等市场的企业客户年增长率超过 143%。日本目前在美国以外拥有最多的企业 API 客户。

采用差距：前沿员工 vs. 中位用户

“前沿员工”（采用强度第 95 百分位）与中位员工之间正在出现显著差距。

  • 消息量： 前沿员工生成的消息量是中位员工的 6 倍。
  • 专业任务： 在数据分析领域，前沿员工使用数据分析工具的频率是中位员工的 16 倍；在编程方面，他们发送的消息是中位员工的 17 倍。
  • 结果关联： 参与约七种任务类型的用户报告的节省时间是仅使用四种任务类型用户的五倍。

在企业层面，前沿企业每个座位生成的消息量是中位企业的 2 倍，发送给 GPTs 的消息量是中位企业的 7 倍，表明组织内部集成更深。

真实世界案例证据

案例研究表明，AI 正被应用于特定的运营挑战，以推动收入和效率：

  • Intercom: 使用 Realtime API 将其 Fin Voice agent 的延迟降低 48%，导致 53% 的通话实现端到端解决。
  • Lowe's: 部署 Mylow 和 Mylow Companion，每月回答近 100 万个问题，使在线访客的转化率翻倍。
  • Indeed: 使用 GPT 驱动的职位匹配和职业指导，使开始的申请量增加 20%，下游成功（面试/录用）提升 13%。
  • BBVA: 通过聊天机器人自动化超过 9,000 年度法律查询，重新部署 3 名全职等效员工（FTE），实现法律服务部门年度节约 KPI 的 26%。
  • Oscar Health: 将面向成员的聊天机器人与内部数据集成，即时回答 58% 的福利问题，并在无需人工升级的情况下处理 39% 的福利消息。
  • Moderna: 将目标产品概况（TPP）开发中的核心分析步骤从数周缩短至数小时。

AI 成熟度的战略框架

领先企业始终采用五项关键实践以最大化 AI 影响：

  1. 深度系统集成： 通过连接器实现对公司数据的安全访问。
  2. 工作流标准化： 推动可重复解决方案的创建和共享（例如 GPTs）。
  3. 高管赞助： 设定明确的授权并为实验争取资源。
  4. 数据准备： 将制度知识编码为机器可读的例程并进行持续评估。
  5. 变革管理： 通过 AI 倡导者将集中治理与分布式赋能相结合。

Sources