OpenAI 企业级 AI 应用：从辅助到执行

企业级 AI 正在从辅助转向执行

企业级 AI 的应用正在从“回答问题”（辅助）模式向“执行实质性工作”（执行）模式转型。虽然助手可以帮助用户思考任务，但由 ChatGPT Work 和 Codex 等工具驱动的智能体（agents）能够完成多步骤的工作流，例如跨来源收集信息以起草一份完整的演示文稿，而不仅仅是就如何准备演示文稿提供建议。

这种转变可以通过输出 Token 的数量来量化。截至 6 月，在企业客户中，Codex 生成的输出 Token 占 Codex 和 ChatGPT 总输出 Token 的 64%，这表明工作正在向委托式的、智能体化的方向发展，由于执行的任务更复杂，这类工作通常会产生更多的输出。

AI 使用中的“前沿差距”不断扩大

组织利用 AI 的方式存在日益增长的差异，这种差异被称为“前沿差距”（frontier gap）。前沿企业——定义为每月 AI 使用量处于前 10% 的企业——目前每位活跃用户生成的输出 Token 是典型企业（处于第 45 至 55 百分位数的企业）的 8.3 倍。这一差距已从 1 月份的 2.6 倍显著扩大。

关于这一差距的关键发现包括：

• 跨行业普遍性： 前沿差距存在于各种行业和公司规模中，而不仅仅局限于技术公司。
• 财务相关性： 来自美国上市公司的数据表明，企业级应用者通常比非应用者拥有更强的财务指标，包括更多的资产、更多的员工以及更高的研发投入。
• 规模化需求： 仅靠获取模型是不够的；更深层次的应用需要对数据基础设施、治理、持续的员工学习以及共享工作流进行补充性投资。

高级功能与插件的应用

前沿企业利用高级功能——特别是插件（Plugins）和技能（skills）——的比例显著高于典型企业，以此将智能体连接到公司背景信息和工具中。

• 插件使用率： 前沿企业每周活跃用户中使用插件的比例为 21%，而典型企业为 9%。
• 技能使用率： 前沿企业每周活跃用户中使用技能的比例为 19%，而典型企业为 3%。
• 内部基准： 在 OpenAI，95% 的员工每周使用插件，这表明企业级应用的潜力上限非常高。

插件将技能（可重用的指令）与应用（与公司数据和工具的连接）捆绑在一起，允许智能体执行特定的工作流，例如销售智能体使用 CRM 和团队手册来起草定制化的客户回复。

智能体化 AI 在知识型工作中的扩张

虽然软件工程是智能体化 AI 的最初主要驱动力，但 Codex 的使用现在正迅速扩展到其他知识型工作职能。自 2 月以来，企业级 Codex 的每周活跃用户增长幅度如下：

• 法律： 108 倍
• 销售： 41 倍
• 招聘： 41 倍
• 营销： 26 倍
• 工程： 5 倍

Virgin Atlantic 的实际应用案例说明了这一点：其工程团队使用 Codex 在 30 分钟内重构了旧代码，而以前需要两周时间；产品团队则使用 ChatGPT Work 将数周的竞争研究浓缩为数小时，从而为五年数字战略提供参考。

员工资历深浅对 AI 使用模式的影响

来自数百万次对话的管理数据揭示，AI 的应用在职业生涯早期阶段的员工中最高，并随着资历的增加而降低。在采用 AI 六个月后，职业生涯早期的员工平均每周发送的消息数比高管多 13 条。

这一趋势表明，职业生涯早期的员工具有比较优势，并为领导层提供了一个机会，去识别高绩效的 AI 使用者，并将他们的个人工作流制度化为组织的共享实践。