ChatGPT，OpenAI 自家造的、全球用戶量最大的 AI 產品，正在被 OpenAI 自己的員工冷落。
取而代之的是 Codex——一個可以連續工作數小時、自己調用工具、同時并行多個任務的 AI agent 平台。6 月 25 日，OpenAI 官方罕見地公開了一組內部使用數據，直接把整個行業看懵了：97.9%的員工已經是 Codex 活躍用戶。99.8%的 AI 輸出 token 來自 Codex。ChatGPT 在公司內部的存在感，已經被壓縮到了 0.2%。
沒有哪家公司會用這種方式」自曝家醜」——除非它想告訴所有人：agent 時代，真的到了。
▲ OpenAI 官方推文，附帶四張關鍵圖表：部門輸出增長曲線、工作類型熱力圖、開發者與非開發者採用倍數對比。119萬+瀏覽，5300+點贊。
四張圖，四個令人窒息的信號
OpenAI 這條推文附帶了四張可視化圖表，每一張都在傳遞同一個信息：Codex 已經全面接管。
「Work at OpenAI is being transformed by agents, in every department.」
「OpenAI 的工作正在被 agent 徹底改變，涉及每個部門。」
先看採用廣度。OpenAI 內部 28 天活躍用戶中，97.9% 在使用 Codex。作為對比，外部企業用戶這個數字是 17.3%，個人用戶僅 0.7%。
再看使用深度。更驚人的數字藏在 token 份額里：OpenAI 內部 99.8% 的輸出 token 來自 Codex，外部企業用戶是 63.3%，個人用戶 16.5%。這意味著 OpenAI 員工幾乎已經完全放棄了 ChatGPT 式的」一問一答」，轉向了 agent 式的」委託-執行-驗證」工作模式。
第三張圖展示了長時程任務的爆發。在個人用戶中，80.6% 至少提交過一次估算超過 30 分鐘人力的請求，70.2% 超過 1 小時，25.6% 超過 8 小時——這個比例自年初以來增長了近 10 倍。
第四張圖是一張部門熱力圖。Engineering 部門 72% 的 Codex 輸出集中在工程/編碼類任務，但 Finance/Biz Ops 有 16% 用於財務分析，Product/Marketing 有 51% 用於知識工作。每個部門都在用，但用法完全不同。
▲ OpenAI 官方博客《How agents are transforming work》，配套發布了完整數據報告和研究論文鏈接。
8個月，從邊緣工具到全面統治
這場內部變革的速度，可能比任何人預想的都快。
2025 年 8 月，ChatGPT 還是 OpenAI 內部的默認 AI 工作工具。那時候，平均每個員工的 Codex token 佔比不到 10%。工程師們已經開始嘗試，但 Legal、Recruiting、Finance 這些部門幾乎無人問津。
到了 2025 年 12 月，工程團隊率先完成切換，超過半數 AI 使用已經遷移到 Codex。但非技術團隊依然按兵不動。
轉折發生在 2026 年初。模型能力和產品特性同步躍升——更長的上下文窗口、更穩定的長時間運行、并行執行、skills 系統（可復用的工作流模板）。這些改進讓 Codex 從」程序員的高級工具」變成了」所有人都能用的工作流平台」。
2026 年 4 月左右，Legal、Finance、Recruiting 集體跨過臨界點，Codex token 份額超過 50%。
到 6 月中旬，內部每周輸出 token 的 99.8% 來自 Codex。全面統治。
各部門中位數 token 使用量的增長倍數（2025 年 11 月 → 2026 年 6 月）尤其觸目驚心：Research：56倍
Customer Support：32倍
Engineering：27倍
Legal：13倍
研究團隊 56 倍的增長最引人注目。研究員們把文獻總結、實驗設計、數據分析 pipeline 構建、論文草稿、代碼復現這些執行環節大量委託給了 agent，自己則把更多精力花在定義問題和判斷結果上。
Legal 團隊的 13 倍增長同樣意味深長。2025 年底他們幾乎只用 ChatGPT 做簡單問答，到 2026 年 4 月已經讓 Codex 接手合同審查、政策比對、監管回復的初稿生成。律師不再自己逐條翻閱合同，而是讓 agent 連續幾個小時處理文檔、提取條款、標註風險點，最後由人做終審。
非開發者的爆炸式增長：189倍
如果說工程師採用 Codex 是順理成章，那非開發者的數據就是真正的驚雷。
從 2025 年 8 月到 2026 年 6 月，組織用戶中非開發者的活躍人數增長了 189 倍，個人用戶中增長了 137 倍。即使在 OpenAI 內部（起點已經很高），非開發者也增長了 12 倍。
論文給出了一個關鍵佐證：在 OpenAI 內部，業務職能人員用 Codex 完成的」工程/編碼」類工作佔比超過了四分之一。
這說明什麼？一個招聘專員可以用 Codex 自己寫一個候選人篩選腳本。一個財務分析師可以讓 agent 跑一個預算模型的自動化流程。一個產品經理可以讓 Codex 把需求文檔直接轉成可運行的原型。
過去需要排期給工程師的內部小工具，現在業務人員自己就能搞定。專業壁壘正在被 agent 大幅降低。
最重度的用戶在做什麼？一天60小時
普通用戶偶爾提交一個任務。重度用戶把 Codex 當成了并行工作流編排系統。
OpenAI 內部日活用戶中，第 99 百分位用戶每天產生超過 60 小時的 Codex agent 運行時長——通過同時運行多個 agent 實現。超過 10% 的用戶每周至少管理過 3 個或更多併發 agent。
想象一下這個場景：早上 9 點，一位法務同事同時啟動三個 agent——
Agent A：審查與歐洲客戶的標準合同模板第 7-12 條，列出 GDPR 風險點。
Agent B：從上個月所有已簽署合同中提取」數據處理」條款，做成比對錶格。
Agent C：起草給監管機構的合規回復初稿。
幾個小時后，三份初稿同時交回。法務審閱、迭代、確認。全程沒有打開 Word 大段複製粘貼，也沒有排期等工程師寫腳本。
26.6% 的用戶還使用了」skills」——一種可版本化、可共享的工作流模板。比如一個 Legal skill 可以打包」合同審查清單 + 特定監管框架 + 輸出格式要求」，團隊里任何人都能復用。
▲ 配套學術論文《The Shift to Agentic AI: Evidence from Codex》，由 OpenAI 聯合哥倫比亞商學院、沃頓商學院、杜克大學學者共同撰寫，發佈於 arXiv。
50頁論文，四個核心發現
OpenAI 為這次數據公開配套發布了一篇 50 頁的學術論文，聯合了 Columbia Business School、Wharton、Duke 等高校學者，用隱私保護的自動化分析管道，對三類人群做了系統對比。
發現一：轉變快速但極不均衡。內部幾乎完全切換到 agent，外部組織中等，個人仍處早期。更關鍵的是，token 份額差距遠大於用戶數差距——說明一旦採用，使用強度會急劇攀升。
發現二：用戶開始把執行權交給 AI。傳統聊天 AI 的主要場景是信息檢索和諮詢。Codex 用戶大量委託的是具體生產任務：寫代碼、跑分析、生成文檔、配置系統、驗證變更。」採用」的含義已經改變——關鍵指標已經變成了」委託了多少實際執行工作」。
發現三：錨定軟體，但邊界在擴展。核心仍是工程相關任務，但在採用最深的場景中，使用已經延伸到研究規劃、溝通協調、數據分析、產品決策、招聘流程、銷售支持。
發現四：重度用戶的工作形態完全不同。輕度用戶偶爾問問題，重度用戶委託、監控、并行多條 agent、review 輸出、用 skills 標準化流程。他們已經把 Codex 當成了數字隊友加工作流操作系統。
外部怎麼看？媒體和客戶的印證
這組數據發布后，多家科技媒體迅速跟進。
The Register 資深記者 Thomas Claburn 的標題直接亮出數字：」OpenAI says 97.9 percent of its employees are now using agents」（OpenAI 稱 97.9% 的員工正在使用 agent）。文章同時保持了審慎，提到內部高採用可能與文化和激勵有關，並追問 OpenAI 是否主動鼓勵或要求員工使用自家工具——OpenAI 沒有立刻回應。
▲ The Register 報道，標題直接點出97.9%這個關鍵數字，並引用了論文中非開發者137倍增長等數據。
Axios 的報道則強調了數據的」首發」性質——報告」首先與 Axios 分享」，重點對比了三類人群的 token 份額差異。
外部企業也在驗證同樣的趨勢。日本互聯網公司 CyberAgent 的案例顯示，Codex 的使用正在從工程團隊向產品上游擴散，非開發者開始用它寫規格文檔和 mockup、構建內部工具，月活使用率達到 93%。
▲ OpenAI 客戶案例：日本 CyberAgent 公司使用 ChatGPT Enterprise 和 Codex，月活使用率 93%，非開發者也開始用 agent 完成過去需要工程支持的工作。
冷靜一秒：這組數據的邊界在哪裡？
在被這些數字震撼之前，有幾個現實約束不能忽視。
OpenAI 內部是一個極端理想化的環境：最前沿的模型、零邊際使用成本、高技能員工、對 AI 天然高信任的組織文化。這些條件在絕大多數企業中很難複製。
外部個人用戶的採用率仍然只有 0.7%。距離」全民 agent」還有很長的路。
論文中的任務時長估算依賴 LLM-as-judge 模型判斷，方向性參考價值高，但並非秒錶計時級別的精確。
許多外部用戶仍在抱怨模型穩定性、版本棄用、使用限額等問題。技術宣傳和用戶實際體驗之間，裂縫依然存在。
但這恰恰是 OpenAI 把這組數據定位為」前沿證據」（evidence from the frontier）的原因——它展示的是當條件成熟後會發生什麼。
你準備好當」委託者」了嗎？
OpenAI 用自家最極端的內部數據，給出了一個異常清晰的信號：當 agentic 工具的能力和可及性跨過某個臨界點時，知識工作者的行為會發生劇變。
工作的基本單元已經開始遷移——」一次交互」讓位給」可委託的長時程任務」。人的角色從執行者轉向委託者、監督者、驗證者。非開發者獲得了前所未有的技術執行能力，組織邊界和角色定義可能面臨重寫。
這一切會在更多公司重演嗎？速度會多快？會帶來多少真正的生產率紅利，又會產生哪些新的瓶頸？
OpenAI 給出了一個極端但刺眼的樣本。而對於每一個還停留在」偶爾用 ChatGPT 查查資料」的組織和個人來說，這組數據最值得警惕的地方在於——OpenAI 內部從 10% 到 99.8%，只用了 8 個月。
*以上內容系網友AllaboutAUS自行轉載自圖靈智語，該文僅代表原作者觀點和態度。yeeyi號系信息發布平台，僅提供信息存儲空間服務，不代表贊同其觀點和對其真實性負責。如果對文章或圖片/視頻版權有異議，請郵件至我們反饋，平台將會及時處理。