夜雨聆风Agent工作效率革命：OpenAI内部99.8%的Token流向Codex，聊天时代正在终结
一、一天只有24小时，他们跑出了71小时
一个人，一天只有24小时。
但在OpenAI，最重度的1%员工，一天累计跑出了约71小时的智能体运行时长。
钟表依旧正常。奥秘在于并行：多个Agent在同时开工。一个查数据，一个改代码，一个写报告，另一个还在测试。人类坐在屏幕前，身份已经从"工具使用者"变成了机器团队的调度员。
2026年6月25日，OpenAI同时发布博客《How agents are transforming work》和约50页的研究论文《The Shift to Agentic AI: Evidence from Codex》。这一次，OpenAI拿自己做了实验。
数字冷静得可怕：公司内部活跃用户里，97.9%的人已经在用Codex。把ChatGPT和Codex的产出加在一起算，Codex吃掉了99.8%的份额。
换句话说，那个曾经统治办公室的聊天窗口，正在自己家里被自己的孩子边缘化。
二、99.8%这个数字，最容易被读错
先看统计口径。
截至2026年6月11日前后一周，在OpenAI员工通过Codex与ChatGPT产生的输出Token中，99.8%来自Codex。
这个比例并不表示"99.8%的员工都只用Codex"。Token可以理解为AI读写信息的基本单位。有人偶尔打开一次工具，也算一个用户。但真正把多个智能体连续跑几小时的人，会产生海量Token。
因此，Token份额反映的是AI工作发生在哪里，含义与简单的"点开率"不同。
三类用户的差距相当惊人：
OpenAI内部：Codex占输出Token的99.8%，活跃用户使用率约97.9%。
企业与组织用户：Codex占63.3%，过去28天约17.3%使用过。
个人用户：Codex占16.5%，活跃用户占比不到1%。
个人侧呈现出一个有趣结构：人很少，但用上的人很猛。这不到1%的人，几乎是把Codex当成了主力生产力，用量深到完全不像尝鲜。
三、十个月大迁徙：ChatGPT还是聊天框，Codex已成"指挥部"
Codex在2025年4月有限发布时，首先是一款面向软件开发的智能体工具。
到了2025年8月，OpenAI内部平均员工花在Codex上的Token还不到10%。ChatGPT仍是默认入口。
随后，迁徙开始加速。
2025年12月，工程师率先跨过临界点，超过一半使用转向Codex。
2026年4月，法务、财务、招聘等非工程部门也完成主力切换。
到论文发布时，平均工程师约99%的输出Token来自Codex，律师和招聘人员也超过85%。
从2025年11月到2026年6月，内部活跃用户的合并输出Token中位数增长约为：研究部门56倍，客户支持32倍，工程27倍，法务13倍。
为什么软件是第一块倒下的多米诺骨牌？
因为代码天然适合机器接管：它能测试、能比较差异、能回滚、能部署。错误会直接呈现为红色报错、失败用例和明确日志。
一旦这种"可验证的执行链"扩展到文档、表格、工单和业务系统，智能体便开始越过工程部门的围墙。
四、任务时程暴增十倍：AI不再只接"零活"
更深的变化落在人类敢交出去多大的工作包。使用次数已经退居其次。
论文对个人用户抽了0.1%的随机样本，估算每次委托相当于人类要花多少工时。
2025年12月，约35.4%的用户提交过1小时以上的任务，约2.1%提交过8小时以上的任务。
到了2026年5月，80.6%的用户至少提交过估计需要人类30分钟以上的任务。70.2%提交过1小时以上的任务。25.6%提交过8小时以上的任务。
短短五个月，8小时级任务的用户占比增长约十倍。
任务时长来自模型对"资深人类不用AI需要多久"的估算，并非秒表实测。样本也来自允许数据用于训练的约0.1%个人账号随机样本。
但趋势已经足够清楚：过去，人们让AI补短句、改一段代码。现在，第一轮指令就可能把半天甚至一天的工作整包扔过去。
五、一个人同时管理五个"数字同事"
任务一旦变长，并行就会出现。
OpenAI内部约28.6%的用户，曾在同一周把并发智能体峰值推到五个及以上。只有约10.7%完全没有并发。
员工单日累计智能体运行时长中位数约为2.5小时，第99百分位达到约60至71小时。
所谓"一天71小时"，正是多个线程重叠运行后的累计值。
Anthropic的外部研究也显示，Claude Code最长轮次从约25分钟升至45分钟，但多数用户给予AI的自主度依然谨慎。能力已经能跑得更远，人类却未必敢交出去。
六、下一个爆点：Skills
2026年3月1日，只有约5.4%的活跃用户使用Skill。
到6月11日，这一比例已经升至26.6%。OpenAI内部更达到约96.2%。
Skill可以理解为交给智能体的标准作业程序：固定指令、工具连接、检查步骤和输出格式。
一次好用的提示词，可能只帮助一个人。一套Skill，则可以被整个团队反复调用。
这意味着AI使用正在从"个人灵感"变成组织制度，从临时对话沉淀为可复制、可审计的流程资产。
更关键的是，约26.6%的用户开始使用Skills，把指令、能力和集成封装成可复用工作流。AI不再是一次性问答框，而开始变成组织里的生产基础设施。
岗位边界也随之松动。自2025年8月以来，非开发者活跃用户在个人端增长约137倍，组织端增长约189倍。业务职能使用Codex完成的工作中，超过四分之一被归为工程或编码类。
招聘人员做自动化，销售人员处理数据，法务人员搭建小工具。过去需要排队交给工程部门的"工单"，正在被业务人员自己消化。
七、从Copilot到Autopilot：行业范式转移
微软在Build 2025大会上做了一个重要升级：GitHub Copilot正式从IDE中的代码补全助手进化为具备Agent智能的编程伙伴。
微软CEO Satya Nadella强调，Copilot正在从"结对编程的副驾驶"转变为真正的"同伴编程"角色。
过去Copilot主要在编辑器中根据上下文提示完成代码，而Copilot Agent可以自主接管完整的开发任务。从GitHub上的issue列表中拾取请求，自动创建新分支，编写实现代码，设置好GitHub Actions进行CI测试，最终提交初步完成的拉取请求供人审核。
整个过程中，Copilot Agent在自己的分支上工作，遵循团队的代码安全措施，开发者几乎无需亲自动手。
这意味着开发者可以将某些问题直接指派给Copilot处理。错误修复、新功能开发、代码重构维护，Copilot将自主完成。
Copilot CLI进一步提供了几类能力：/fleet负责把复杂任务拆成可以并行处理的子任务。Autopilot负责让Copilot在本地终端里持续执行。Hooks负责在关键节点插入安全检查和审计逻辑。/delegate则把任务交给GitHub上的Copilot cloud agent，在远端创建分支和draft PR。
中国信通院的观察是，编程能力正在从"代码补全"迈向"全栈开发智能体"。这意味着，未来的软件开发，可能只需要人类定义好需求和验收标准，剩下的架构、编码、测试、部署，将完全由多个协作的智能体完成。
斯坦福大学的《AI指数报告2026》指出，尽管软件行业整体在扩张，但22岁至25岁的初级软件开发者就业率下降了近20%。这并非岗位消失了，而是"复制粘贴"型的初级工作被智能体取代了。
八、外部世界还没穿越：OpenAI的前沿样本与普通公司仍有距离
人群之间的差异显著。
OpenAI员工：Codex占输出Token的99.8%，约97.9%活跃用户使用。
组织账号：Codex占63.3%，过去28天约17.3%使用。
个人账号：Codex占16.5%，活跃用户占比低于1%。
OpenAI自己也反复提醒：这里的人熟悉前沿模型，有充分算力、权限、培训和知识共享。这个低摩擦的未来实验室拥有普通企业今天难以复制的条件。
论文借用了工厂电气化的历史：早期企业只是把蒸汽机换成电动机，厂房布局不变，收益有限。真正的生产率跃迁，发生在整条产线按电力特性重新设计之后。
决定胜负的，是模型能力以及企业有没有：清晰的权限与数据边界；检查点、审计、回滚和人工闸门；能够验收多个智能体的管理者。
因为短任务失败，浪费几分钟。长任务失败，可能浪费几天。
正如沃顿教授Ethan Mollick所说，OpenAI像煤矿里的金丝雀。它的现在，可能是领先企业的三到五年后。但方向已经确立。
九、实操：普通团队怎么踩下油门
不需要成为OpenAI，也可以从今天的工具中受益。
先把任务分类。零活类的润色、翻译、摘要，继续用对话式AI。超过30分钟、有明确输入输出边界的工作，开始尝试用Agent完成。
建立Skills或Prompt模板库。一个团队成员摸索出的成功Prompt，固化成模板，全团队可复用。Skill的价值不在于精巧，在于可复制。
从工程师扩展到法务、财务、招聘。Codex的数据证明，非技术团队的迁移速度比工程师更快——法务团队从20%到75%只用了一个月。关键不是会不会写代码，而是有没有把工作流程拆成可执行的步骤。
设置闸门。Autopilot模式可以连续工作，但不要在一个模糊目标下乱扩展。先进入Plan模式收敛范围，再进入执行。涉及删除文件、改部署脚本、改数据库迁移这类操作时，加上限制。
记录和审计。所有Agent完成的任务，保留Prompt、输出和验收记录。这不仅是质量追溯的需要，也是组织知识资产的一部分。
FAQ
Q：OpenAI内部的99.8% Token占比，能直接套用到普通企业吗？
A：不能直接套用。OpenAI员工熟悉前沿模型，有充分算力、权限、培训和知识共享。普通企业的迁移路径会更慢，但方向一致：对话式AI→委派式Agent→多Agent并行调度。
Q：非开发者真的能用Codex吗？需要什么基础？
A：数据已经给出了答案。自2025年8月以来，非开发者在个人端增长137倍，组织端增长189倍。法务、财务、招聘等岗位的员工无需编程基础，只要能清晰描述工作目标和步骤，就能委派任务给Agent。
Q：从Copilot到Autopilot，会不会让大量程序员失业？
A：短期内是角色转型而非岗位消失。斯坦福数据显示的是初级"复制粘贴"型工作被压缩，但顶层的架构师和复杂系统设计岗位反而更稀缺。开发者从"亲自写每一行代码"变成"定义目标、分配任务、验收产出"。
Q：Skills和普通Prompt有什么区别？
A：Prompt是一次性的，Skill是可复用的标准作业程序。Prompt帮你完成一次任务，Skill让整个团队重复完成同类任务。Skills包含固定指令、工具连接、检查步骤和输出格式，是AI使用从"个人灵感"变成"组织制度"的标志。
云南奇崛数字传媒科技有限公司，交个朋友云南独家代理。双事业部驱动：奇崛传媒（全域电商/跨境出海/MCN/品牌运营/达人孵化）+ 奇崛AGI研究院（AI Agent开发/GEO优化/大模型部署/云计算/AI咨询）。巨量引擎认证代理｜小红书聚光平台授权｜腾讯云·阿里云·火山引擎·智谱多AI生态
参考文献
OpenAI. 《How agents are transforming work》. 2026-06-25. https://openai.com OpenAI. 《The Shift to Agentic AI: Evidence from Codex》. 2026-06. https://openai.com/research GitHub Blog. 《GitHub Copilot Agent: from autocomplete to peer programming》. 2025. https://github.blog Microsoft Build 2025. 《Copilot everywhere to Agent everywhere》. 2025. https://build.microsoft.com Anthropic. 《Claude Code usage trends and long-horizon task data》. 2026. https://www.anthropic.com 中国信通院. 《从Copilot到Autopilot：编程能力演进观察》. 2026. https://www.caict.ac.cn 斯坦福大学. 《AI Index Report 2026》. 2026. https://aiindex.stanford.edu CSDN. 《从codex、copilot agent到编程自动化的AI软件开发范式转变》. 2026-07-19. https://blog.csdn.net CSDN. 《临界点的回响：当AI从"大脑"进化出"双手"》. 2026-07-19. https://blog.csdn.net AIDB. 《OpenAI Codex 99.8%: Token share analysis and methodology notes》. 2026. https://www.aidb.io Harvard Business Review. 《The Factory Electrification Parallel to AI Adoption》. 2025. https://hbr.org David Holtz. 《Managing multiple agents: lessons from OpenAI internal data》. 2026. https://www.davidholtz.com
