夜雨聆风OpenAI昨天甩出四张图表，等于当众承认一件事：自己的公司，已经被AI智能体接管了。
数字摆在那儿。内部28天活跃用户里，97.9%离不开Codex。工程师、律师、财务、招聘，统统在用。公司每天产出的工作结果，99.8%出自这个AI智能体之手。
镜头切到公司外面，个人用户的采用率只有，0.7%。
同一款产品，同一套模型，内部和外部之间隔出一道近乎荒谬的鸿沟。OpenAI把这道鸿沟原封不动地公布出来，配上论文、官方博客、四张图表，潜台词很明显：这就是两年后所有公司的样子。
从「问答案」到「甩任务」：一年时间，内部彻底变了天
时间拨回2025年8月。那时候OpenAI员工手里的AI工具，主力还是ChatGPT。普通员工花在Codex上的token，占比不到10%。
Codex这款代理式编程工具，那阵子刚以CLI和云端形态重新上线不久，更多被当成程序员的辅助玩具。
十个月后，风向彻底转了。2025年10月Codex全量开放，12月工程团队率先集体转向，2026年2月桌面客户端上线、支持同时管理多个代理，4月前后法务、财务、招聘这些非技术部门也跨过了「以Codex为主」的门槛。
到今年6月，OpenAI官方博客这样写道：
"Agentic AI changes the unit of knowledge work from single interactions to delegated, long-horizon tasks."
「智能体式AI正在改变知识工作的基本单位，从一次性的单次互动，变成可以长时间运行、委托出去的任务。」
▲ OpenAI官方博客《How agents are transforming work》：2025年8月前，普通员工花在Codex上的token不到10%；如今，包括法务、招聘在内的每个部门都把Codex当作主力工具。
97.9%背后：四张图表拼出的真相
OpenAI这次没有藏着掖着，把内部数据摊开给全世界看。
第一张图，看部门产出token的增长曲线：以2025年11月为基准，Research部门涨了53倍，客服涨了32倍，工程涨了26倍，法务涨了12倍，几乎每条曲线都在过去几个月里陡然拉升。
第二张图，看工作类型占比：工程部门72%的产出属于编码，但也有18%流向了「知识型工作」；财务与业务运营部门里，34%的活儿是知识型工作，16%是财务分析；产品与市场部门，51%都成了知识型工作产出。这说明Codex早就不只是写代码的工具了。
第三、四张图对比开发者和非开发者的采用曲线：开发者这边，组织用户涨了85倍，个人用户涨了61倍；非开发者这边，组织用户涨了189倍，个人用户涨了137倍，非开发者的增长曲线反而更陡。而OpenAI自己内部，由于起点已经很高，只涨了4到12倍。
OpenAI在推文里写道：
"Across our entire company, people are using Codex to do work that is more complex, longer-running, and increasingly cross-functional."
「在整个公司范围内，人们正在用Codex完成更复杂、运行时间更长、越来越跨部门的工作。」
▲ OpenAI官方推文原图：左上为各部门产出token增长曲线，右上为部门工作类型占比表，下方两张分别对比开发者/非开发者在个人、组织、OpenAI内部三类群体中的采用速度。
员工一天甩出去60小时的活
比采用率更能说明问题的，是任务本身在变大变长。
论文数据显示，截至2026年5月，个人用户里有80.6%至少交付过一次相当于人工30分钟以上工作量的任务，70.2%的用户交付过1小时以上的任务，25.6%的用户交付过8小时以上的任务。而从年初到现在，「8小时以上任务」的用户占比涨了将近10倍。
OpenAI内部的重度用户走得更远。日活用户里排名前1%的那批人，单日能同时驱动超过60小时的代理工作量，靠的是并行跑多个代理。超过10%的员工每周会同时管理3个以上代理，26.6%的人已经在用可复用的「技能模板」（skills）来批量处理重复工作。
这组数字被Peter Diamandis转发放大，配文毫不含糊：
"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."
「98%的OpenAI员工现在都在用Codex智能体。研究部门的使用量7个月内涨了56倍，8小时任务请求涨了10倍。这家正在构建AGI的公司，内部已经完全跑在AI智能体上，这就是两年后每家公司会变成的样子。」
▲ 知名科技投资人Peter Diamandis转发OpenAI数据并放大关键数字：725个赞，把「内部全面代理化」解读为整个行业两年后的预演。
工作单元的定义，正在被彻底改写。过去是「问一句答一句」，现在变成「交代一整段项目，几小时或几天后回来收活」。当使用一个AI智能体的边际成本几乎为零，人们真的会这样把工作甩出去。
非开发者才是真正的信号
如果只是程序员用得更多，这条新闻的分量会小很多。真正让人意外的，是非开发者的增长曲线比开发者还要陡。
法务部门的月度输出token，从2025年11月到2026年6月涨了13倍。有意思的是，据《The Register》报道，同期该团队实际处理的联邦诉讼案件量只增加了11%，任务量没有暴涨，但产出的token量翻了十几倍，说明这些代理承担的更多是结构化分析、文档整理这类原本需要专门技术支持的活儿。
招聘、财务这些部门也是同样的路径：增量并非工作量本身暴涨，而是原本要排队等工程师帮忙做的自动化、数据清洗、报表生成，现在业务人员自己就能让代理去干。技术门槛被大幅拉低了。
但走出OpenAI大门，只有0.7%的人在用
内部数据讲得漂亮，可一旦把镜头对准外部世界，画风完全变了。
组织用户的采用率是17.3%，个人用户只有0.7%。同一款产品，同一套能力，外部的采用速度跟内部完全不在一个量级上。
《The Register》记者Thomas Claburn的报道标题正面怼上这个数字：
"OpenAI says 97.9 percent of its employees are now using agents" / "Codex, it's not just for developers, really"
「OpenAI宣称97.9%的员工正在使用智能体」，副标题调侃道：「Codex，其实真的不只是给程序员用的。」
报道里有段吐槽相当不客气：
"OpenAI did not immediately respond to a request to clarify whether it incentivizes or encourages employees to use its AI tools... But we'll take it on faith that when there's enough Kool-Aid on-premises, employees may just develop a taste for it regardless of whether their jobs depend on Kool-Aid consumption."
「OpenAI没有立即回应记者的提问：公司内部是否在激励或者要求员工使用自家AI工具。不过姑且相信，只要办公室里的『迷魂汤』管够，员工多半会慢慢喝出味道来，不管他们的工作是否真的需要靠喝这碗汤过日子。」
《The Register》还点出一个更现实的动机：任务运行时间越长，消耗的token就越多，如果这些token能计费，正好能缓解OpenAI账面上数千亿美元的债务压力。
▲ 《The Register》记者Thomas Claburn的报道，标题直击97.9%这一数字，同时质疑OpenAI是否在内部激励员工使用自家工具、以及这背后的收入动机。
「早期预览」还是自卖自夸？
行业分析师给出了更平衡的解读。SmarterX创始人Mike Kaput的标题干脆写成：
"Inside OpenAI, AI Agents Have Replaced the Chatbot"
「在OpenAI内部，AI智能体已经取代了聊天机器人。」
他在文章里点出几个关键判断：知识工作的基本单位，正从简短对话，变成需要长时间运行的委托任务；验证正在成为新的瓶颈；实验室里近乎无限的使用配额，本质上是一次「预览」，还称不上普通公司的日常状态。
▲ SmarterX创始人Mike Kaput的解读文章：把内部数据框定为「代理取代聊天机器人」的信号，同时提醒读者验证工作正在变成新瓶颈。
AI Weekly的编辑按语则更谨慎，把关注点从内部数字挪开：
"The number that matters most here is not 97.9% but 0.7%... The company also openly links longer tasks to token revenue in the same paper, which is a reason to read these self-reported metrics with care."
真正值得盯住的数字其实是0.7%，这是外部个人用户的采用率，说明智能体式AI的转型，在OpenAI自家围墙之外依然十分狭窄。论文里也坦承，任务运行得越久，消耗的token越多，这与收入紧密挂钩，所以这些自己报出来的数据，读的时候得留个心眼。
▲ AI Weekly的TL;DR与编辑按语：提醒读者真正该盯住的是仅0.7%的外部个人采用率，97.9%的内部渗透率反而没那么关键，还要留意自报数据背后的收入动机。
真正的瓶颈，正在从「生成」挪向「验证」
把这些数字拼在一起看，能读出比「代理很厉害」更深一层的东西。
当一个人可以同时驱动三个以上并行运行的代理，当日活用户里排名前1%的人一天能派发60小时的活，真正稀缺的技能变成了判断AI做得对不对。生成端的产能早已过剩，验证和协调才是卡住整条流程的地方。
这次披露也有明显的局限。任务时长是用另一个AI模型当裁判估算出来的，属于方向性估算，并非精确统计；论文全篇没有提供任何错误率、返工率或者质量数据；OpenAI内部的环境是「无使用上限、知识共享文化浓厚、组织高度买账」的极端理想状态，本身就不具备代表性；论文和博客也都写明白了，这更像是「前沿实验室的早期预览」，算不上行业当下的平均水平。
还有一层更微妙的反差：这条主推文下面429条回复里，相当一部分人根本没在讨论采用率数字，而是在抱怨模型下线、要求「把4o还回来」。官方想聊的是「工作的未来」，评论区里不少人聊的却是「这个月的额度又不够用了」。官方想传递的说法和用户当下的真实体验，中间也隔着一道缝。
类似的反差，行业里早有先例。GitHub Copilot在2021到2023年的采用研究就发现过类似的模式：生产力确实提升了，但随之而来的是不低的「信任税」，人们愿意用，但要花额外的精力去核对AI给出的结果。早期RPA（机器人流程自动化）的落地路径也差不多：先攻克IT部门，再扩散到业务部门，瓶颈从「谁来执行」逐渐挪到「谁来处理例外情况」。
OpenAI这次拿出的，是一份写满具体数字的「内部体检报告」：97.9%对0.7%，99.8%对16.5%，56倍对11%。这些数字目前只描述了一家公司，一家把全部业务重心都压在AI智能体上的公司。
至于两年后，这套模式会不会真的在每家公司复制一遍，答案还没写出来。眼下能确定的是，验证这一关，才刚刚开始被真正重视。
