ARTICLE · 1084381
5 个数字,看懂 OpenAI 的「软件工厂」
5 个数字,看懂 OpenAI 的「软件工厂」90% ：OpenAI 非工程部门 4 个月内的 Codex 周使用率（从接近 0% 涨上来）。 40% ：产品界面还是满屏代码时，非工程师就已经达到的使用率。 99.8% ：全公司每周产出 token 中来自 Codex 的比例（OpenAI 自述，模型产出口径）。 70.2% ：外部用户中至少提出过一次「1 小时以上人类工作量」请求的比例。 0 ：推动这场组织变化的强制命令数量——它是一场自下而上的 adoption。 
关于 OpenAI 内部怎么用 AI，公开报道里散落着很多说法。但把科技作家 Gergely Orosz 今年 9 月的实地探访报道拆开，真正值得记住的，是 5 个数字。 这 5 个数字连起来，就是一个组织被 AI 重写的完整过程：速度、时机、规模、外溢、机制。 每个数字背后，都有一条可以直接抄的作业。
2026 年 1 月，OpenAI 的财务、招聘、法务、市场部门几乎没人用 Codex。4 个月后，这些不写代码的部门，周使用率到了约 90%。 为什么重要：这大概是人类组织历史上少见的一次「非技术部门跑赢技术部门」的技术扩散。AI 编程工具的第一个大规模受益群体，不是写代码的人，而是产出物数字化程度高的普通职员。 对你的启示：判断 AI 对你所在行业的影响，别看职业名字，看你每天产出的东西是不是「数字化的」——表格、文档、清单、汇报。是，那你就在第一波。 一个更容易被忽略的细节：在 Codex 桌面应用上线（2 月 Mac、3 月 Windows）之前，产品界面还满是代码、默认用户懂技术的时候，非工程师的使用率就已经接近 40%。 为什么重要：它推翻了一个流行假设——「AI 工具要做得足够简单，普通人才会用」。普通人涌进来，不是因为界面变好用了，而是因为AI 能把一件事干完、交回一个能用的成果。委派执行的价值，压倒了使用门槛。 对你的启示：别等「完美工具」出现才开始。今天能委派一个完整任务的 AI，比明天界面华丽的助手更早改变你的工作。 据 OpenAI 自述口径：全公司每周用自家工具生成的产出 token 中，99.8% 来自 Codex；员工平均产出中 85% 以上由 AI 生成；工程师群体平均达到 99%。 为什么重要：需要先说清楚口径——这些比例衡量的是模型产出的 token 量，不等于业务价值。但它描述的趋势是清晰的：在 OpenAI 内部，人和 AI 的分工界面已经从「我写、AI 补」切换成了「AI 写、人审」。 对你的启示：把这条当作一面镜子——你的工作里，「生成」和「判断」各占多少？生成的那部分正在急速贬值，判断的那部分正在升值。 外部数据：今年 5 月，70.2% 的抽样用户至少提出过一次相当于 1 小时以上人类工作量的请求；25.6% 提出过 8 小时以上的请求（模型估算口径，仅供参考）。 为什么重要：大多数人用 AI 的方式还停留在「问一句、写两段」，但样本里七成用户已经把 AI 当作「外包一整个下午」的对象。使用方式的差距，正在拉开产出效率的差距——同样是每天用 AI，委派颗粒度不同，效果天差地别。 给你的启示：下次用 AI，试着把背景、要求、格式、验收标准一次性说清楚，派一个完整任务出去，而不是挤牙膏式地对话。 最意外的数字。据报道，这场 4 个月从 0 到 90% 的渗透，没有自上而下的强制命令。驱动力是最朴素的逻辑：委派出去的任务，真的能干完。同事看见同事省下的时间，效仿就自然发生了。 伴随出现的组织变化是：IDE 使用量下滑、代码评审流程重构、专门团队持续打磨 Agent 底座、重复流程被沉淀成可复用的技能库。 为什么重要：它说明 AI 渗透的天花板不取决于公司砸多少钱，而取决于任务能不能真实地被完成、成果能不能被身边人看见。这是所有组织推广 AI 时最该模仿的机制：让成功案例可见，而不是发文件。 给你的启示：想推动团队用 AI？先自己用出一个看得见的成果，比开十次会都有用。
把 5 个数字串起来： 4 个月，非技术部门从 0 到 90%（数字 1）；界面还没做好他们就来了（数字 2）；产出主力已经换人（数字 3）；委派成了默认动作（数字 4）；而这一切没有靠任何一道命令（数字 5）。 一句话：AI 不是被「推广」进组织的，是被一个个「干完了的任务」带进组织的。 对个人，结论更简单——今天就能开始做的三件事：盘点自己工作里的重复输出；练习委派完整任务；把重复流程写成可复用的模板。组织变化的窗口以月计，个人习惯的改变以天计。
互动时间：这 5 个数字里，哪个对你的触动最大？评论区聊聊。觉得有用的话，收藏这篇，下次推动团队用 AI 时拿出来当依据。 关注我，下一篇拆解「个人 AI 助手大战」：Aeon、Muse、GrokBot 三条路线，谁能先跑通信任这道坎。
Q1：OpenAI 的「软件工厂」是指什么？指 Codex 从编程助手演进为 OpenAI 内部运转的基础设施：Agent 连接代码、文档、测试和生产监控，员工以「委派任务」的方式完成大部分数字化工作。这一说法来自科技作家 Gergely Orosz 2026 年 9 月的实地探访报道。 Q2：「99.8% 产出来自 Codex」怎么理解？这是 OpenAI 自述的统计口径：公司每周用 OpenAI 工具生成的产出 token 中 99.8% 由 Codex 生成。它衡量模型产出量占比，不等于业务价值占比。 Q3：非技术部门为什么用得比技术部门多？因为财务、招聘、法务、市场等岗位的日常产出（表格、文档、材料）都是数字化的，Agent 能直接生成和交付；且「委派完整任务」的模式对使用者的技术门槛要求低于传统编程。 Q4：普通公司推广 AI 该学什么？三个可迁移的做法：从「委派完整任务」入手而非片段补全；把重复流程沉淀成可复用的技能模板；让早期成功案例可见，靠示范而非行政命令推动。
本文要点（30 秒版）