OpenAI自曝惊人内幕：97.9%员工已「沦陷」！法务产出暴增13倍，一人日跑60小时，ChatGPT在内部几乎被抛弃
ChatGPT，OpenAI 自家造的、全球用户量最大的 AI 产品，正在被 OpenAI 自己的员工冷落。
取而代之的是 Codex——一个可以连续工作数小时、自己调用工具、同时并行多个任务的 AI agent 平台。6 月 25 日，OpenAI 官方罕见地公开了一组内部使用数据，直接把整个行业看懵了：97.9%的员工已经是 Codex 活跃用户。99.8%的 AI 输出 token 来自 Codex。ChatGPT 在公司内部的存在感，已经被压缩到了 0.2%。
没有哪家公司会用这种方式”自曝家丑”——除非它想告诉所有人：agent 时代，真的到了。
▲ OpenAI 官方推文，附带四张关键图表：部门输出增长曲线、工作类型热力图、开发者与非开发者采用倍数对比。119万+浏览，5300+点赞。
四张图，四个令人窒息的信号
OpenAI 这条推文附带了四张可视化图表，每一张都在传递同一个信息：Codex 已经全面接管。
“Work at OpenAI is being transformed by agents, in every department.”
「OpenAI 的工作正在被 agent 彻底改变，涉及每个部门。」
先看采用广度。OpenAI 内部 28 天活跃用户中，97.9% 在使用 Codex。作为对比，外部企业用户这个数字是 17.3%，个人用户仅 0.7%。
再看使用深度。更惊人的数字藏在 token 份额里：OpenAI 内部 99.8% 的输出 token 来自 Codex，外部企业用户是 63.3%，个人用户 16.5%。这意味着 OpenAI 员工几乎已经完全放弃了 ChatGPT 式的”一问一答”，转向了 agent 式的”委托-执行-验证”工作模式。
第三张图展示了长时程任务的爆发。在个人用户中，80.6% 至少提交过一次估算超过 30 分钟人力的请求，70.2% 超过 1 小时，25.6% 超过 8 小时——这个比例自年初以来增长了近 10 倍。
第四张图是一张部门热力图。Engineering 部门 72% 的 Codex 输出集中在工程/编码类任务，但 Finance/Biz Ops 有 16% 用于财务分析，Product/Marketing 有 51% 用于知识工作。每个部门都在用，但用法完全不同。
▲ OpenAI 官方博客《How agents are transforming work》，配套发布了完整数据报告和研究论文链接。
8个月，从边缘工具到全面统治
这场内部变革的速度，可能比任何人预想的都快。
2025 年 8 月，ChatGPT 还是 OpenAI 内部的默认 AI 工作工具。那时候，平均每个员工的 Codex token 占比不到 10%。工程师们已经开始尝试，但 Legal、Recruiting、Finance 这些部门几乎无人问津。
到了 2025 年 12 月，工程团队率先完成切换，超过半数 AI 使用已经迁移到 Codex。但非技术团队依然按兵不动。
转折发生在 2026 年初。模型能力和产品特性同步跃升——更长的上下文窗口、更稳定的长时间运行、并行执行、skills 系统（可复用的工作流模板）。这些改进让 Codex 从”程序员的高级工具”变成了”所有人都能用的工作流平台”。
2026 年 4 月左右，Legal、Finance、Recruiting 集体跨过临界点，Codex token 份额超过 50%。
到 6 月中旬，内部每周输出 token 的 99.8% 来自 Codex。全面统治。
各部门中位数 token 使用量的增长倍数（2025 年 11 月 → 2026 年 6 月）尤其触目惊心：Research：56倍
Customer Support：32倍
Engineering：27倍
Legal：13倍
研究团队 56 倍的增长最引人注目。研究员们把文献总结、实验设计、数据分析 pipeline 构建、论文草稿、代码复现这些执行环节大量委托给了 agent，自己则把更多精力花在定义问题和判断结果上。
Legal 团队的 13 倍增长同样意味深长。2025 年底他们几乎只用 ChatGPT 做简单问答，到 2026 年 4 月已经让 Codex 接手合同审查、政策比对、监管回复的初稿生成。律师不再自己逐条翻阅合同，而是让 agent 连续几个小时处理文档、提取条款、标注风险点，最后由人做终审。
非开发者的爆炸式增长：189倍
如果说工程师采用 Codex 是顺理成章，那非开发者的数据就是真正的惊雷。
从 2025 年 8 月到 2026 年 6 月，组织用户中非开发者的活跃人数增长了 189 倍，个人用户中增长了 137 倍。即使在 OpenAI 内部（起点已经很高），非开发者也增长了 12 倍。
论文给出了一个关键佐证：在 OpenAI 内部，业务职能人员用 Codex 完成的”工程/编码”类工作占比超过了四分之一。
这说明什么？一个招聘专员可以用 Codex 自己写一个候选人筛选脚本。一个财务分析师可以让 agent 跑一个预算模型的自动化流程。一个产品经理可以让 Codex 把需求文档直接转成可运行的原型。
过去需要排期给工程师的内部小工具，现在业务人员自己就能搞定。专业壁垒正在被 agent 大幅降低。
最重度的用户在做什么？一天60小时
普通用户偶尔提交一个任务。重度用户把 Codex 当成了并行工作流编排系统。
OpenAI 内部日活用户中，第 99 百分位用户每天产生超过 60 小时的 Codex agent 运行时长——通过同时运行多个 agent 实现。超过 10% 的用户每周至少管理过 3 个或更多并发 agent。
想象一下这个场景：早上 9 点，一位法务同事同时启动三个 agent——
Agent A：审查与欧洲客户的标准合同模板第 7-12 条，列出 GDPR 风险点。
Agent B：从上个月所有已签署合同中提取”数据处理”条款，做成比对表格。
Agent C：起草给监管机构的合规回复初稿。
几个小时后，三份初稿同时交回。法务审阅、迭代、确认。全程没有打开 Word 大段复制粘贴，也没有排期等工程师写脚本。
26.6% 的用户还使用了”skills”——一种可版本化、可共享的工作流模板。比如一个 Legal skill 可以打包”合同审查清单 + 特定监管框架 + 输出格式要求”，团队里任何人都能复用。
▲ 配套学术论文《The Shift to Agentic AI: Evidence from Codex》，由 OpenAI 联合哥伦比亚商学院、沃顿商学院、杜克大学学者共同撰写，发布于 arXiv。
50页论文，四个核心发现
OpenAI 为这次数据公开配套发布了一篇 50 页的学术论文，联合了 Columbia Business School、Wharton、Duke 等高校学者，用隐私保护的自动化分析管道，对三类人群做了系统对比。
发现一：转变快速但极不均衡。内部几乎完全切换到 agent，外部组织中等，个人仍处早期。更关键的是，token 份额差距远大于用户数差距——说明一旦采用，使用强度会急剧攀升。
发现二：用户开始把执行权交给 AI。传统聊天 AI 的主要场景是信息检索和咨询。Codex 用户大量委托的是具体生产任务：写代码、跑分析、生成文档、配置系统、验证变更。”采用”的含义已经改变——关键指标已经变成了”委托了多少实际执行工作”。
发现三：锚定软件，但边界在扩展。核心仍是工程相关任务，但在采用最深的场景中，使用已经延伸到研究规划、沟通协调、数据分析、产品决策、招聘流程、销售支持。
发现四：重度用户的工作形态完全不同。轻度用户偶尔问问题，重度用户委托、监控、并行多条 agent、review 输出、用 skills 标准化流程。他们已经把 Codex 当成了数字队友加工作流操作系统。
外部怎么看？媒体和客户的印证
这组数据发布后，多家科技媒体迅速跟进。
The Register 资深记者 Thomas Claburn 的标题直接亮出数字：”OpenAI says 97.9 percent of its employees are now using agents”（OpenAI 称 97.9% 的员工正在使用 agent）。文章同时保持了审慎，提到内部高采用可能与文化和激励有关，并追问 OpenAI 是否主动鼓励或要求员工使用自家工具——OpenAI 没有立刻回应。
▲ The Register 报道，标题直接点出97.9%这个关键数字，并引用了论文中非开发者137倍增长等数据。
Axios 的报道则强调了数据的”首发”性质——报告”首先与 Axios 分享”，重点对比了三类人群的 token 份额差异。
外部企业也在验证同样的趋势。日本互联网公司 CyberAgent 的案例显示，Codex 的使用正在从工程团队向产品上游扩散，非开发者开始用它写规格文档和 mockup、构建内部工具，月活使用率达到 93%。
▲ OpenAI 客户案例：日本 CyberAgent 公司使用 ChatGPT Enterprise 和 Codex，月活使用率 93%，非开发者也开始用 agent 完成过去需要工程支持的工作。
冷静一秒：这组数据的边界在哪里？
在被这些数字震撼之前，有几个现实约束不能忽视。
OpenAI 内部是一个极端理想化的环境：最前沿的模型、零边际使用成本、高技能员工、对 AI 天然高信任的组织文化。这些条件在绝大多数企业中很难复制。
外部个人用户的采用率仍然只有 0.7%。距离”全民 agent”还有很长的路。
论文中的任务时长估算依赖 LLM-as-judge 模型判断，方向性参考价值高，但并非秒表计时级别的精确。
许多外部用户仍在抱怨模型稳定性、版本弃用、使用限额等问题。技术宣传和用户实际体验之间，裂缝依然存在。
但这恰恰是 OpenAI 把这组数据定位为”前沿证据”（evidence from the frontier）的原因——它展示的是当条件成熟后会发生什么。
你准备好当”委托者”了吗？
OpenAI 用自家最极端的内部数据，给出了一个异常清晰的信号：当 agentic 工具的能力和可及性跨过某个临界点时，知识工作者的行为会发生剧变。
工作的基本单元已经开始迁移——”一次交互”让位给”可委托的长时程任务”。人的角色从执行者转向委托者、监督者、验证者。非开发者获得了前所未有的技术执行能力，组织边界和角色定义可能面临重写。
这一切会在更多公司重演吗？速度会多快？会带来多少真正的生产率红利，又会产生哪些新的瓶颈？
OpenAI 给出了一个极端但刺眼的样本。而对于每一个还停留在”偶尔用 ChatGPT 查查资料”的组织和个人来说，这组数据最值得警惕的地方在于——OpenAI 内部从 10% 到 99.8%，只用了 8 个月。
*以上内容系网友AllaboutAUS自行转载自图灵智语，该文仅代表原作者观点和态度。yeeyi号系信息发布平台，仅提供信息存储空间服务，不代表赞同其观点和对其真实性负责。如果对文章或图片/视频版权有异议，请邮件至我们反馈，平台将会及时处理。