作者｜西西弗柿

編輯｜無心插柳柳橙汁

最近OpenAI發了一個很有意思的數據。

Codex增長最快的用戶群體不是程序員，而是不寫代碼的知識工作者。

金融分析師、咨詢顧問、產品經理，這些從來不寫代碼的人，正在成為AI Agent最活躍的用戶群。

這個數據背后指向一件事，AI Agent的浪潮已經不只是在技術圈里卷了，它正在涌入每一個普通打工人的工位。

這讓我想問大家一個扎心的問題，你平時用AI，是怎么用的？

我猜大多數人，方式大概是這樣的，有問題去問豆包，讓它解釋一個概念。用DeepSeek潤色一段文案、統計數據、寫個郵件開頭。有時候也會讓AI幫你搜點資料，整理一下信息。

真的提效了嗎？當然有。

但仔細想想，這套用法有一個共同點，就是你把AI當成了一個更聰明的搜索引擎和一個更快的文案助手。你問一個問題，它給你一段回答。你讓它潤色，它幫你改幾句話。

整個過程的核心動作是，聊天。

你獲取了信息，輔助了思考，效率確實提升了，但交付這件事，還是你自己干的。你把AI的回答復制粘貼回你的文檔，自己排版、自己調整、自己發給老板。

我身邊60%的同事、朋友，目前對AI的使用基本停留在這個階段。

但是顯然，這種“單點式”的對話，還沒有真正觸及AI Agent的時代紅利。

從Codex目前的勢頭來看，接下來半年，職場可能會出現一次新的分化，拉開差距的不是學歷和崗位，是一個人指揮AI的能力。

青銅的搜索框

王者的項目組

當前職場人使用AI的方式可以分為三個段位，青銅、白銀、王者。段位越往上，你和AI的協作深度越深，產出的效率差距也越大。

青銅段位，把AI當聊天工具，你有問題了去找AI，本質上是把AI當成了一個更聰明的搜索引擎和更快的文案助手。

你獲取了信息，打開了思路，但交付這件事，還是你自己干的。

白銀段位，把AI當交付工具。

如果你最近留意職場圈的AI討論，會發現有一群人已經切換了姿勢。他們不跟AI聊天了。他們的用法是，打開一個專門的Agent工具，把一個完整的工作目標丟進去，然后等交付物。

什么意思？

比如你要做一份數據PPT，以前是自己打開模板一頁頁調，現在用PPT Agent類的產品，給一個主題，它幫你搭框架、填內容、出設計。比如你要寫一份商業方案，給Agent背景資料，它幫你輸出一份結構完整的Word方案。

白銀段位的核心變化是，AI不再只是幫你想，而是幫你干完。交付物不再是復制粘貼回來的文本片段，而是PPT、Excel、Word這些可以直接用的東西。

這類垂類Agent產品在2025年下半年集中爆發，覆蓋了PPT制作、數據分析、文檔寫作、代碼生成等具體場景，每一類都瞄準了一個具體的臟活。

但白銀段位有一個局限，你用的是專用的單點工具，做PPT的開一個，做數據的開一個，寫文檔的開一個。每個工具各自為戰，你的任務之間沒有串聯，每一步都需要重新交代一遍背景。

王者段位，把AI當下屬團隊用。

第三類人，已經不滿足于把一個活交給AI干了，他們試圖讓AI像一支團隊一樣分工協作。這是目前職場AI使用的最高段位。

在這個段位，你面對的不是一個單點Agent，而是一個能調度多個子Agent的指揮系統，比如OpenAI的Codex，能幫非程序員用戶管理復雜的編碼任務鏈；比如Anthropic旗下的Cowork，主打多人協作場景下的AI協同。

這個方向，國內的AI公司也有類似的動作。上周，Kimi上線了Kimi Work Beta版，它不是一個新的聊天窗口，而是一個面向知識工作者的桌面端Agent，能調度最多300個子Agent并行執行任務，能碰數據、操作瀏覽器、處理本地文件。

這些桌面Agent產品仍在持續迭代中，但它們展示出的能力邊界，已經足夠讓人重新思考一個問題：

一類人還在跟AI聊天。另一類人已經開始指揮一群AI員工干活了。

同樣一份競品調研，王哥用豆包搜索了 20 個網頁、手動整理了一天；李姐在桌面Agent里輸入了一行指令，二十分鐘后拿到了一份完整報告。

這就是AI時代的職場折疊。

高階玩家

率先把雜活交給Agent

那么目前市面上真正能做到AI團隊的產品長什么樣？我們來拆解最有代表性的。

先說Anthropic的Cowork。

今年1月，Anthropic推出了Cowork，簡單說，就是把面向開發者的Claude Code能力，包裝成一個所有人都能用的桌面工具。你給它一個目標，它自動拆解步驟、執行、反饋，不用你盯著每一個環節。

而且，TA能跑定時任務，定期輪詢部署狀態、看護PR、檢查構建、抓取數據，全程自動跑，有問題才通知你。

國內的Kimi Work，走的則是更加本土化的方向。

一個是大規模任務。300個子Agent并行調度，意味著打工人可以把更加復雜的任務外包給它，最直接的價值就是用更低的時間成本拿到更多可交付的結果。

另一個是專業數據源。天眼查、同花順、Yahoo Finance、World Bank……這些是投研分析、競品調研等研究工作中繞不開的數據，如果Agent能直接接入這些數據庫，就不只是“幫你搜索網頁”，而是能接近真實辦公里需要用到的數據入口。

那么，那普通職場人，怎么才能吃到Agent的紅利？

你不用一上來就讓它替你做什么驚天動地的大項目，先試著把那些臟活、累活、最消耗人的活，交出去一部分。

比如，過去做競品調研，要一個個打開官網，看產品介紹、找價格信息、翻客戶案例、截頁面，再手動整理成對比表。

現在你可以試著讓Agent操作你的瀏覽器，下載資料，提取關鍵信息。

你給它一個競品名單和調研維度，讓它自己把資料跑一遍，最后匯總成一份Excel對比表。

拿到一份供應商合同草稿，丟進Agent讓它快速過一遍，標出風險條款和不合理的地方。它會用表格呈現，每一行有條款編號、風險點描述、修改建議，再附一份修改意見。

AI當然不能替代法務做最終判斷，但它可以先把機械篩查做完，讓法務把時間用在真正需要專業判斷的地方。

如果你是做投研的，可以把一份文件夾拖進Agent，里面是上半年五個大區幾十份銷售表，有空行、亂碼、臟數據。輸入一句話，讓TA清洗合并、算總額和環比增速、找出增速最慢的城市、針對那個城市寫一份2000字的業務復盤與改進方案。

輸出結果是一份可以直接發給分公司的2000字深度復盤報告，結構完整，有數據分析、有問題診斷、有改進建議。

一條指令，全流程交付。

這就是OpenAI那個數據反映的趨勢了。為什么Codex的非程序員用戶增長最快？因為不需要寫代碼，不需要懂技術，你只需要描述任務，就會Agent被穩穩地接住。

職場分化背后

是生產方式的變化

聊到這里，我覺得比產品本身更值得關注的，是這件事背后代表的方向。

AI從日常助手變成工作團隊，這不是一句口號，是一個工作方式的升級。

每一次通用技術的普及，都會經歷同一個階段。人們先試著把新技術塞進舊流程里，發現效率提升有限，然后才有人圍繞新技術重新設計整個工作流。

1880年代電力開始普及的時候，工廠最早做的是把蒸汽機拆了、換上電動機，但產線布局還是按照蒸汽機的邏輯來設計的。蒸汽機在中間，傳動軸把動力傳到各個車間，電動機來了之后，還是這個布局。

效率有提升嗎？有，但不多。

真正讓電力改變世界的是后來，工廠重新設計了產線，每臺機器旁邊放一臺電動機，layout完全按照電力的邏輯來，這才有了現代工廠，這才有了大規模生產。

AI今天處在哪個階段？

我覺得處在把蒸汽機拆了換上電動機、但產線還是老布局這個階段。

大多數人用AI的方式，是把AI塞進舊的辦公流程里。你在Word里寫稿，卡住了，去AI聊天窗口問一句，復制粘貼回來。你在Excel里做表，公式不會寫，去問AI，復制粘貼回來。

AI在幫你，但你還是在舊的生產線里干活。

Codex、Cowork、Kimi Work在做的事，是圍繞AI Agent重新設計產線。不是你把AI當助手用，是AI把你的任務當項目管理，它自己拆任務、派給不同的Agent、跟蹤進度、匯總結果、生成交付物。

而對職場人來說，接下來真正拉開差距的，可能不是誰多問了AI幾個問題，而是誰更早學會把任務交給AI推進。

我說這句話不是制造焦慮。

就像1995年，一個人在用算盤算賬，另一個人在用Excel，你說誰的產出效率高？

不是用算盤的那個人不努力。

是工具變了，生產方式變了，努力的回報倍數不一樣了。

AI Agent也是類似的道理，它不會讓努力變得不重要，但它會改變努力的方向。