知识工作的下一个时代

读 OpenAI 这份 6 月报告，我想认真聊几件事

OpenAI 6 月 2 日发布了一份不长的报告，主标题为《The Next Era of Knowledge Work》，副标题为《How Codex is helping people navigate the complexity of modern work 》。它没怎么谈大模型本身，更多是在谈一件更老的事：为什么我们的工具越来越多，时间却越来越少。

这个问题我自己想了挺久。每天打开电脑，文档、邮件、群、看板、网盘、各种 SaaS 排成一排。能干的事比五年前多得多。可一天结束，真正坐下来"做"出来的东西，反而经常说不上来。报告把这种感受叫"奇怪的丰盛"——产出从未如此便宜，注意力却从未如此稀缺。

这份报告有意思的地方，是它没有把 AI 包装成新工具，而是把 AI 放在"工业革命第二幕"的位置上去看。这个视角让我对很多 AI 文章里的"颠覆""重塑"祛魅了不少——真正的重塑往往慢得离谱，等你回头才发现路径其实早就开始了。

一、被工具切碎的一天

报告引了一组麦肯锡的旧数据，看着挺刺眼：一个普通知识工作者，每周大约 28% 的时间在处理邮件，另外接近 20% 的时间在到处找内部信息、找能帮上忙的同事。两件事加起来差不多就是一半工时。剩下能真正"做事"的时间其实没多少。

这套数据并不新，新鲜的是它指向的诊断：1850 年美国 60% 的人务农，1970 年只剩 4%；制造业接住了一波劳动力，又被全球化和机器人慢慢稀释。空出来的位置被知识工作填满。但知识工作的"工厂改造"始终没真正发生过。

报告借用了 Robert Solow 那句老话——"计算机时代到处都是，唯独没体现在生产率统计里"。后来 Erik Brynjolfsson 给这种现象起了个名字叫"生产率悖论"。电力刚进工厂的头几十年也是这样，老板们以为换上电动机就完事，工厂还按蒸汽时代的布局走，效率没什么变化。直到有人想明白要把电机直接装到每台机器旁边，把车间彻底重排，电力才真正变成生产力。知识工作的车间还没排过。

我自己上周花了一个下午把一周的时间用 toggl 拉了一遍，邮件加群消息差不多 25%，翻历史文档/找之前的决策又花掉十几个百分点。麦肯锡这个数字对我来说是低估，不是高估。比起"AI 能帮我写得多快"，我更想问它能不能帮我把这一半被偷走的时间拿回来——这才是真问题。

二、三种摩擦，藏在每天里

报告把现代知识工作的成本拆成三块：搜索、协调、审批与验证。第一次看觉得像废话，反复想了一下，发现自己每一天确实都在这三件事里来回切。

搜索是找输入：在散落的系统里翻一份合同、一段会议纪要、一份历史数据，或者找到那个"懂这事的人"。协调是把信息和决策推过团队、工具、格式，还要在变来变去的目标之间穿针引线。审批与验证是让产出真的能落地。工程要测试、评审、上线、监控；咨询要合伙人审、客户验；科研要实验、复现、证据。

这三件事没有哪一项是"工作本身"，但它们吞掉了大部分工时。过去二十年的 SaaS 浪潮，每个工具都解了一个局部问题，结果是工具变多了，摩擦反而被切得更细、更分散。邮件让通信便宜，邮件就被无限放大；文档让起草便宜，草稿和评审就被无限放大。便宜的东西一被放大，注意力就更稀缺。

这三种摩擦之外，我会再加一种，叫"自我审批"。很多事情其实没人卡你，是你自己在脑子里反复 review、犹豫、把同一个决策来回掂量。Codex 这种代理对前三种摩擦确实有效，对第四种几乎无解——它能帮你做事，但救不了想太多的人。看清这一点，能省下不少自欺欺人。

三、Codex 的真实曲线

Codex 现在 500 万周活，自今年 2 月桌面端发布以来增长了 6 倍多。它最初是给程序员的，但跑得最快的反而不是程序员。

报告里有两个我反复看的数据：知识工作者目前占 Codex 用户的 20% 左右，采用速度是开发者的 3 倍多；个人用户占 5% 多，增速是开发者的 4 倍。这个曲线和 ChatGPT 早期不同。ChatGPT 是普通用户先跑起来的；Codex 反过来，从程序员往外蔓延，蔓延的速度比程序员自己用得还快。

这件事说明的不是"AI 编程多火"，而是"代理式工具"对非程序员同样具备杠杆。一个能跑命令、读文件、上网搜、写代码的助手，对一个数据分析师、产品经理、研究员的价值，可能比对一个高级工程师还高，因为他们原本拿不到这套能力。

这条曲线让我也警觉了一下。500 万周活听起来很多，假设不考虑全球用户占比，全部放回美国 7200 万知识工作者的池子里，渗透率连 7% 都不到。蔓延出去的那一波，多半是被身边程序员朋友拽进来的"二度连接"。真正意义上的"普及"还没到——你身边大部分公司里大部分人，可能都没听过 Codex 这个名字。这个时间窗，对早动手的人是红利。

四、知识工作者用它干什么

报告里这张任务结构图很有意思：72% 的知识工作者每周用 Codex 产出"制品"——文档、报告、合同、备忘录、图片、音频、视频，PDF 和表格的使用增长尤其快。下面三条紧跟着的是工程运营 47%、代码实现 46%、研究 41%。

真正打动我的是后面这三条比例。知识工作者，正在用 Codex 写代码、做工程操作、跑数据脚本。反过来，开发者也在大量产出文档、PDF 和图。原本"程序员才会写代码"和"PM 才会写需求"这种分工，正在被 AI 拉平。

报告里的原话是："开发者用 Codex 做知识制品，知识工作者用 Codex 做代码和工程运营。"这一句话比任何"AI 重塑职场"的口号都有分量——它指向一个很具体的事实：你能干什么，正在跟你的岗位说明书脱钩。

这件事最大的受益者，是那种"卡在两个岗位之间"的人。懂业务但不懂代码的运营，懂数据但不会工程的分析师，懂需求但搭不出原型的 PM。过去他们卡在那道墙前，要么求人，要么放弃。Codex 把那堵墙拆了。岗位说明书原来是组织设给个人的"能力上限"，现在它松了一档，能不能往上突，看个人。

五、角色边界正在松动

报告举了几个具体场景：产品经理不再排队请数据团队搭仪表盘，自己搭；研究员不再把脚本扔给工程，自己写；设计师不再等开发上线原型，直接发出去；高管搭一个内部小工具，每周自动出报。

这些事单看都不大，但合在一起就是一种结构性变化。大公司原本是为了"产出和搬运制品的高昂成本"建起来的：秘书池、跨职能团队、层层审批、长长的评审链。这套结构的存在，是因为单个人根本干不了这么多事。Codex 把这些瓶颈一个个溶解掉。

报告里有句话我很喜欢："Codex 让最贴近问题的人，不必再等正式路线图就能造出他需要的工具。"过去你想要个小工具，要先写需求、排期、评审、立项、开发、上线，半年没了。现在你直接造。

边界拆掉的另一面，没人拍照拍到——每个人开始要为更多事负责。原来"等开发"是借口也是缓冲，现在没了。能力强的人会被放大得很快，没准备好的人会先感到压力，再感到被淘汰。组织里那些"靠流程占位"的角色，日子会很难。这不是 AI 残忍，是它把每个人裸露得更彻底。

六、一个人开始有了团队的吞吐量

报告里最让我意外的一组数字：50% 的 Codex 用户，会在某个时刻同时跑多个任务。4 月这个比例还不到 1/3。

这意味着用户的工作模式正在从"串行"变成"并行"。一个回合检查数据集，另一个回合写脚本，第三个回合拼报告，第四个回合查应用状态。人从"执行者"变成了"编排者"。

这一点对工作方式的冲击其实比"AI 写代码"大。一个人原本一天的吞吐量是固定的，因为他只能盯着一件事；现在他可以同时盯四件事——前提是他知道每件事大概在干什么、什么时候该回头看。这个能力是新的，没人天生会，得练。

"编排"听上去很厉害，自己练下来才发现是个全新的工种。最难的不是同时启动 4 个任务，而是知道哪个该先看、哪个能等、哪个跑歪了得拉回来。我把它叫"工作的节奏感"。这种节奏感跟以前那种深度专注的"心流"不太一样，更像同时听四首交响乐还能挑出哪一首跑调——而且是练出来的，不是学来的。

七、AI 时代的政策四议

报告最后给政策制定者列了四条建议，我觉得放在普通公司里也成立。

一，用代理改造工作流，并且用结果来度量——等待时间是不是更短了，表格是不是更少了，审批是不是更快了。不要拿"上了多少 AI"当指标。二，把 AI 素养当成基础经济基础设施，让学校、社区学院、图书馆和雇主一起办，让人在真实工作流里学。三，把工人放到 AI 落地的中心。护士最知道哪份表拖慢了护理，案件管理员最知道哪一步把人挡在门外，老师最清楚哪些行政工作偷走了和学生在一起的时间——最高回报的用法往往是局部的、具体的、贴地的。四，重写公共采购规则，买"解决问题的工具"，而不是"软件许可证"，并且要求隐私、安全、可审计、有人盯着。

最后

看完这份报告，我自己最大的感受就一句话：AI 不是来替你工作的，是让"离工作最近的那个人"重新拿回话语权。

过去几十年，普通人在工作里持续被工具切碎——被流程、被分工、被 SaaS、被审批、被会议。每加一层工具，离"我真正想做的事"就远一点。Codex 这一类东西，第一次让人有机会反方向走一段：不再等谁来给我搭仪表盘，不再等谁来批准我的小工具，不再被一周 28% 的邮件吃掉时间。

这件事不会因为有了 AI 自动发生。报告很坦白——电力进工厂用了几十年才换来真正的生产率。我们这一代人，大概要花未来几年时间，把自己的"车间"重新排一遍。

看完记得关注我，及时收看更多好文！