从辅助到执行：企业如何让 AI 真正“干活”

OpenAI 于 2026 年 8 月 12 日发布两份研究报告，揭示企业采用 agentic AI 的最新趋势。报告指出，企业 AI 正在从“辅助”走向“执行”，但不同企业的转型速度差异显著——前沿企业（每月 AI 使用量前 10%）与典型企业之间的差距正在拉大。

事件/报告概述

OpenAI 同步发布了两份互补的研究：

《Enterprise Signals》：基于 OpenAI 企业客户的实际使用数据，分析 agentic AI 在企业中的落地情况，重点观察前沿企业的差异行为。
《How Organizations Use AI: Evidence from ChatGPT》（工作论文）：从 ChatGPT 的数百万条对话数据出发，研究 AI 采用如何随企业、岗位和资历层级扩散。

两份报告共同指向一个务实的企业行动议程：将 Agent 与企业上下文、工具连接，完成有价值的工作；建立清晰的权限、审查与治理机制；帮助员工把有效的个人工作流转化为团队共享的工作方式。

报告提炼出五个关于企业如何让 AI 投入工作的核心洞察：

截至 2026 年 6 月，在企业客户中，Codex 生成的输出 token 占 Codex 与 ChatGPT 合并输出 token 的 64%。这说明 Agent 正在推动企业从简单的问答转向更实质性的、可委派的工作。

按每月每个活跃用户的输出 token 数排名，排名前 10% 的前沿企业，其人均输出 token 是典型企业（位于 45%–55% 百分位）的 8.3 倍；而在 1 月份这一倍数是 2.6 倍。且该差距在各行业、各规模的企业中均存在，说明深度使用 AI 并不局限于科技公司。

每周，前沿企业有 21% 的活跃用户使用 Plugins，典型企业只有 9%；使用 skills 的分别为 19% 和 3%。作为对照，OpenAI 内部每周有 95% 的活跃员工使用 Plugins，显示出深度采用仍有很大提升空间。

自 2 月以来，企业级 Codex 的每周活跃用户增长倍数如下：

软件工程曾是代理化采用的中心，但现在法律、销售、招聘和营销等非工程职能正在快速追赶。

行政数据显示，在采用 AI 六个月后，早期职业员工每周比高管多发送 13 条消息。这与许多调查中“领导者使用 AI 更多”的印象相反，说明真正的 AI 使用习惯可能集中在年轻员工群体。

这些发现对数据科学和 AI Agent 的工程化落地有直接参考价值：

从“问答”到“执行”的度量方式：输出 token 数、Agent 任务时长、Plugins 调用比例等指标，比单纯的“用户数”更能反映 AI 的真实深度。数据科学团队在设计 AI 采用度评估时，应关注工作流级别的指标。
上下文与工具是 Agent 落地的关键：前沿企业与典型企业差距最大的地方在于 Plugins 和 skills 的使用率。Agent 需要连接公司数据、工具和可重复工作流，否则只能停留在通用对话层面。
治理与权限是规模化前提：报告强调“清晰的权限、审查、治理”。当 Agent 开始代替人执行任务时，权限边界和人工复核机制成为企业采用的前置条件，这也是平台工程与数据治理的新课题。
早期员工是采用杠杆：既然早期职业员工使用 AI 更多，企业可以通过识别高使用习惯的员工，将其工作流显性化，从而在整个组织内复制有效实践。

报告还提到，在美国上市公司样本中，AI 采用企业的资产规模、员工数和研发投入均高于未采用企业。但开放访问本身并不足以扩大采用，配套投资——持续学习、共享工作流、数据基础设施和治理——同样重要。

这份报告的观察窗口很新，且来自 OpenAI 自身的企业客户数据，样本量和使用行为的真实性远超一般问卷。最有价值的不是“AI 采用率在上升”这种结论，而是它给出了可量化的“深度采用”信号：

Codex 产出占比 64% 说明 Agent 已经从“玩具”变成了企业日常工作的执行单元。
前沿差距从 2.6 倍扩大到 8.3 倍，这一速度值得警惕。模型访问本身已经被商品化，但“会用”和“用得深”之间的差距正在加剧企业间的生产力分化。
法律、销售等非工程岗位的 Codex 用户暴增，意味着 agentic AI 正在突破程序员群体的边界，走向真正的知识工作自动化。这要求企业重新设计岗位流程，而不是仅仅给每个人发一个聊天机器人。

对于数据科学团队而言，这份报告提供了一个重要的视角：衡量 AI 价值不能再只看模型准确率或对话次数，而要关注 Agent 是否被接入了企业数据、是否执行了多步任务、是否产生了可复核的交付物。下一步的竞争点，大概率在“企业上下文连接”和“可重复工作流”这两个工程方向上。