夜雨聆风一个数字，足以让整个硅谷倒吸一口凉气。
在那家亲手造出ChatGPT、把全球几亿人变成聊天机器人重度用户的公司里，ChatGPT现在只占内部工作产出的0.2%。剩下的99.8%，全部流向了另一个名字：Codex。
抢生意的，是OpenAI自己家养大的另一个孩子。
2026年6月25日，OpenAI罕见地把自家员工的真实使用数据摊开给全世界看，还配上一篇50页的经济学论文。论文标题写得毫不客气：《The Shift to Agentic AI: Evidence from Codex》（《转向智能体AI：来自Codex的证据》）。公司内部的活儿，早就从"人跟AI聊天"，变成了"AI替人打工"。
▲ @OpenAI 官方推文，配图展示了各部门产出token的暴增曲线，5400多赞、127万次查看
从10%到99.8%，十个月一场无声的倒戈
时间拨回2025年8月。彼时Codex刚刚公开发布不久，在OpenAI内部还是个配角。员工平均只把不到10%的算力token分给它，ChatGPT依然是绝对主力。
没人能想到，接下来十个月会发生什么。
2025年12月，工程师群体率先"倒戈"，多数工程任务的token开始流向Codex。这本身不算意外，毕竟Codex脱胎于代码智能体，工程师近水楼台。
真正让人意外的是接下来发生的事。2026年4月前后，Legal（法务）、Finance（财务）、Recruiting（招聘）这些看起来离"写代码"最远的部门，也一路狂奔，跨过了"Codex成为主力工具"的门槛。到今天，普通律师、普通招聘人员超过85%的算力token都用在了Codex上。
到2026年6月，最新数据摆出来：28天活跃用户中97.9%在用Codex；公司全部输出token里，99.8%来自Codex。ChatGPT这个曾经的绝对主角，被挤到了历史注脚的位置。
▲ OpenAI官方博客《How agents are transforming work》首页，标题下方即是这条从不到50%飙升到97.9%的采用曲线
猎头、律师跑得比程序员还快，这才是真正的反常识
如果只是工程师爱用AI写代码，这条新闻大概只值一条科技简讯。真正让这份披露显得"细思极恐"的，是非开发者群体的采用速度。
论文给出的对比刺眼到不容忽视：
OpenAI内部非开发者使用量增长了12倍（本身基数已经不低）； 外部个人用户里的非开发者，增长了137倍； 外部企业用户里的非开发者，增长了189倍。
换句话说，最先被"外包"给AI的，未必是重复性最强的代码，反而可能是那些人们曾经认为最需要"人类专业判断"的知识工作，合同审阅、候选人筛选、财务分析、跨部门协调。
论文联合作者之一David Holtz，哥伦比亚商学院教授，过去几个月以兼职身份在OpenAI做访问经济学研究员，在自己的推特长线程里把这些图表一张张摊开。他把这称作"agentic AI"记录下的第一手证据。
"We find that agentic AI usage is growing rapidly: the number of active users has grown more than fivefold in the first half of 2026, with the most rapid increase occurring outside the initial audience of software developers."
「我们发现智能体AI的使用量正在快速增长：2026年上半年，活跃用户数增长超过5倍，而增长最快的部分，恰恰发生在最初的软件开发者受众之外。」
▲ 论文作者David Holtz的推文，附论文首页摘要截图，"researcher within OpenAI"身份为数据背书
71小时的"一天"：AI不再陪你聊天，它开始替你"上班"
比"谁在用"更值得注意的，是"用来做什么"。
到2026年5月，个体用户样本里，80.6%的人至少提交过一次预计需要人类超过30分钟才能完成的任务；70.2%提交过超过1小时的任务；25.6%提交过超过8小时的任务，这个比例比2025年12月足足涨了近10倍。
这意味着什么？意味着人们不再是打开对话框问一个问题、拿到答案就关掉。而是把一整块需要跑一天甚至几天的活儿，甩给AI去处理，自己转身去做别的事。
并发这件事更能说明问题。OpenAI内部，约28.6%的用户每周至少有一次同时管理5个以上的Codex agent，只有10.7%的人还保持"单线程"工作方式。用得最狠的1%用户，单日能"跑出"60到71小时的agent运行时，相当于一个人一天之内，同时指挥了好几个AI分身连轴转。
而让这一切能够规模化复制的，是"skills"（可复用的工作流指令+工具集成）。内部活跃Codex用户里，96.2%调用过至少一个skill，这个数字在2026年3月还只有5.4%，短短三个月涨到26.6%再飙到96.2%。人们不再从零开始教AI做事，而是把成熟的流程打包好，拿来就用。
OpenAI Newsroom官方账号把这个转变总结成一句更冷峻的话：
"People using agents not just to get answers, but to hand off longer, more complex work."
「人们用智能体来委托更长、更复杂的工作，一句问答只是起点。」
▲ @OpenAINewsroom 强调"从聊天到委托"的范式转变，29.1万次查看
产出量的数字，比任何广告都更有说服力
如果说采用率是"有多少人在用"，那产出量的暴涨就是"到底改变了多少"。
论文披露：与2025年11月相比，Research部门中位数员工的输出token增长了50到56倍；客服部门增长32倍；工程部门增长27倍；法务部门增长13倍。
这些数字来自真实使用日志里跑出来的原始产出量级差异，没有经过"效率提升X%"这类营销包装，一个律师一个月产出的token量，是十个月前的13倍。这背后要么是同样的工作被切分成更小的委托单元反复迭代，要么是过去因为"太麻烦所以没做"的分析、文档、自动化，现在被大量补上了。
第三方科技媒体Virtualization Review在报道里点出了一个容易被忽略的细节：这些图表显示，工程和写代码依然是Codex用量的主体，但财务、产品、市场等部门的知识工作、数据分析占比同样可观，Codex早就从一个"代码工具"，长成了一个通用的工作平台。
▲ Virtualization Review对本次披露的独立报道，标题直指"Agentic AI的未来"
电力取代蒸汽机的老故事，正在AI身上重演
论文里引用了一段1990年的经典研究（David, 1990）：电力刚刚取代蒸汽机的年代，工厂主们做的第一件事，是把巨大的蒸汽机原地换成同样巨大的电动机，工厂的布局、流程一点没变，生产力提升有限。真正的红利，直到工厂主们意识到可以用无数个小型电机取代一台大电机、彻底重新设计成去中心化的柔性生产线之后，才真正爆发。
论文作者的判断是：agentic AI现在正处在"换电机但不改布局"的阶段。早期，人们只是用AI更快地做原来就在做的事。真正的爆发，要等到组织学会围绕并行agent、skills、验证流程，重新设计整套工作方式之后才会到来。
而OpenAI自己，恰好是这场重新设计实验里"摩擦最小"的那个样本，没有使用限额，员工天然熟悉前沿模型，公司文化本身鼓励尝鲜，数据和产品团队近在咫尺。这也是论文反复强调的局限性：这份数据描绘的更像是"天花板"，而非普遍现实。
外面的世界，还在摩擦里挣扎
把镜头拉远一点看外部世界，画面完全是另一种节奏。
外部企业用户里，Codex的token占比是63.3%，17.3%的账号处于活跃状态；外部个人用户的token占比更低，只有0.7%到16.5%，但重度使用的那一小撮人，用量高得惊人。
论文自己给出的解释是：成本、培训、权限管理、安全合规、系统集成，这些真实存在的"摩擦"，让外部世界的采用曲线远比OpenAI内部平缓。换句话说，OpenAI亮出的这组数据，更像是一份"剧透"：当摩擦被彻底磨平之后，一家公司的工作方式最终会变成什么样子。
两年后，每家公司都会是这样？
论文披露之后，连锁反应式的转发迅速蔓延开来。天使投资人、X-Prize创始人Peter Diamandis的总结被广泛引用：
"98% of OpenAI employees now use Codex agents. Research usage up 56x in 7 months. 8-hour task requests up 10x. The company building AGI is already running on AI agents internally. This is the preview of what every company looks like in 2 years."
「现在98%的OpenAI员工都在使用Codex智能体。研究部门使用量在7个月内增长了56倍。8小时任务请求增长了10倍。这家正在构建AGI的公司，内部已经完全靠AI智能体运转。这就是两年后每家公司都将呈现的预览。」
▲ Peter Diamandis的总结性推文获得725次点赞，被广泛转发解读
但论文自己也留了一个不那么亢奋的尾巴：当一个人一天能"指挥"71小时的agent运行时，审核和验证谁来做？当法务、招聘这些原本靠专业判断吃饭的岗位，把大量工作交给AI处理，组织要如何重新划分责任？过度依赖会不会让人类的判断力本身开始退化？
这些问题，论文没有给出答案。它只是把一组前所未有的真实数据摆在所有人面前，然后抛出一句近乎冷酷的提醒：技术能力已经跑在前面，组织能不能跟上，才是决定红利何时兑现的关键。
聊天机器人被自己公司抛弃的那一刻起，故事的主角就已经换了。
