最近半年以來，我密集在使用 Claude Code 或是 Codex。

而且實際上，我現在使用 AI 的方式也從 ChatGPT 轉向了 Codex 或是 Claude Code。

我相信很多人也類似。

我們好像已經習慣了這種使用方式了。這種使用方式跟我們最早使用 ChatGPT 是完全不一樣的。

OpenAI 今天發了篇論文，里面把這種方式定義為「委托」。也就是說，我們不再僅僅是 AI 的用戶，而是開始成為 AI 的委托人了。

這兩個字的區別，其實比我們想象的大得多。

先說這篇論文講什么吧。

OpenAI 用 Codex 的真實用戶數據研究了一件事，就是 AI 從聊天助手變成一個「代理執行」，這件事到底發生得有多快。

他們研究的對象包括三類人，普通個人用戶、企業用戶、OpenAI 自己的內部員工。

數據是從 2025 年底到 2026 年 6 月，大約半年的時間。

先說個讓我非常意外的數字：OpenAI 的內部員工現在 99.8% 的 AI 使用量是來自于 Codex，而不是 ChatGPT。

這太夸張了，接近 100% 都在使用 Codex。

也就是說，ChatGPT 在 OpenAI 內部基本上已經沒人用了，是個擺設。

圖：論文第 7 頁 Figure 1 Panel B，三類用戶 Codex token 占比折線圖

我的第一反應肯定是 OpenAI 強制要求員工去用它，但比例這么高，我覺得就不只是強制那么簡單了。

這讓我想起之前谷歌的團隊。我相信他們也會強制員工要用 Antigravity，但是發現很多谷歌大佬其實都在使用 Claude Code。

所以本質上還不是強不強制的問題，是你這個工具到底好不好用的問題。如果不好用，其實強制也強制不了，因為大家都有自己的工作去完成。

這么高的使用率，只能說明這個工具在他們內部一致認為確實還是非常好用的。

我相信很多人會誤認為 Codex 這種工具一定是研發人員用的比較多，但其實并不是。

論文里顯示的數據非常夸張，從去年 11 月到今年 6 月，半年時間，研究員月均輸出 token 增長了 53 倍，客戶支持增長了 32 倍，工程團隊增長了 26 倍，法務團隊增長了 12 倍。

圖：OpenAI 官方博客：自 2025 年 11 月以來各部門合并產出token 的變化

而且非開發者的增速，比開發者還快。

從去年 8 月到今年 6 月，個人用戶里非開發者增長了 137 倍，企業用戶里非開發者增長了 189 倍。

我們還可以看到其他部門使用 Codex 的占比，招聘團隊 89%、法務團隊 88%。

其實跟技術沒有什么太大關聯，但他們從今年 2 月份開始，使用率一下子從零飆升到了 6 月的接近 90%。

圖：論文第 9 頁 Figure 3 Panel B，OpenAI 內部各職能部門 Codex 占比曲線

所以這個確實跟我想象中的不太一樣。

論文里面有個說法我覺得很準，就是 OpenAI 內部的使用模式，是外面企業 6 到 12 個月的預告。

說到這，我們還是要說一下使用 AI 和委托 AI 到底有什么不一樣。

ChatGPT 這種交互模式是我們已經很熟悉的，就是問答，你問他答。你讓他寫一段文字，他寫完給你，然后你改，或者你追問，直到滿意為止。

這種方式本質上還是你在做事情，AI 只是你的輔助工具。

而 Codex 的模式就不一樣了，你是在描述一個目標，讓他去執行一系列的步驟。他會調用各種工具，比如讀文件、跑代碼，然后自己 debug，最后直接給我們一個結果。

這是一種完全的委托。你不再是一個執行者，而是一個任務的發起人和最終結果的審核者。

所以現在很流行說提示詞工程都過時了，現在叫 Loop Engineering。說的就是現在我們只需要在發起任務和最終驗收的循環里面就可以了。

這種「委托」的規模，其實也在快速擴大。

到今年 5 月，已經有 80.6% 的用戶提交過需要花一個人 30 分鐘以上才能完成的任務；有 70.2% 的用戶提交過 1 小時以上的；而需要一整天（8 小時以上）才能完成的任務，也已經有 25.6% 的用戶在提交了。

半年前，這個數字只有 2.1%。

也就是說，人們敢托付給 AI 的事情，越來越重了。

圖：論文第 13 頁 Figure 6 Panel A，各復雜度任務的用戶占比隨時間變化

論文里面還有一個細節，超過 10% 的用戶，每周至少有一天同時在跑 3 個以上的 Codex Agent。

也就是說三個并發，一次性把三件事情同時交出去，然后再去想下個任務。

這種工作方式以前只有團隊負責人才能做到，但現在一個程序員也可以同時管理多條工作流。

圖：論文第 17 頁 Figure 9，三類用戶峰值并發 agent 數量分布

用過 Codex 或者是 Claude Code 的朋友應該會很清楚，會明顯感覺到現在終于有了一個不會累的助手。

而且這個助手不需要我們手把手來教，我們只需要讓他清楚目標，他就會知道怎么樣去做。如果錯了，讓他重新來就可以了。

你會發現我們的角色其實變了，我們從一個寫代碼的人，變成了一個描述需求、審查結果以及調整方向的人。

這種角色的轉變，其實也讓我們所需要的能力發生了根本的轉變。

我們以前可能需要的是一些專業技能，比如會寫代碼、會做分析、會起草合同。

那時候我們的價值更多體現在執行能力上。

但現在，我們更需要具備的是判斷力、目標設定的能力、對結果的審查和校正能力。

這其實不是替代，也不是簡單的效率提升，而是我們在工作鏈條里的位置發生了移動。

管理學里面有一個經典的說法，工業革命讓人從勞動力變成了工廠的管理員。

這并不是說人不重要了，而是人的角色從一個體力執行者，變成了機器的監督者和協調者。

在那個時代，會使用、觀察并判斷機器是否出問題，比單純會手工做事情更值錢。

只不過現在又來了一次類似的移動，而這次移動的對象不再是體力勞動者，而是腦力勞動者。

而且這個邊界，比我們想象的模糊得多。

論文里有個數據，Finance 和 Biz Ops 團隊用 Codex 完成的工作里，有 31% 是工程或編碼類任務；Product 和 Marketing 團隊也有 25%。

也就是說，以前需要找技術團隊幫忙的事情，現在財務、市場的人直接自己做了。

崗位的邊界，正在被 agent 悄悄抹掉。

圖：OpenAI 官方博客 Occupation vs. work done with Codex 熱力表格

很多人一直在關注 AI 會替代什么崗位，其實我覺得我們更應該關注的是，AI 會把什么崗位轉變成管理崗位，以及轉變之后應該怎么樣調整自己。

這讓我想起最近京東發布的消息。

因為大家都很擔心外賣員、騎手會被機器人替代，京東已經開始讓這些騎手學習機器人相關的知識（比如維護等），幫他們做崗位的升級，其實也是類似的操作。

但如果在你的工作里面，委托出去之后就沒有什么是只有你能做的，那這樣的升級可能就不是你的機會了。

這可能也是很多人焦慮的真正來源，不是 AI 會替代我做什么，而是委托出去之后，我還剩什么？

參考：

OpenAI.The Shift to Agentic AI: Evidence from Codex
https://cdn.openai.com/pdf/5d1e1489-21c0-43e4-9d42-f87efdbf0082/the-shift-to-agentic-ai-evidence-from-codex.pdf

OpenAI.How agents are transforming work
https://openai.com/index/how-agents-are-transforming-work/

你現在的工作，委托出去之后還剩什么？歡迎在評論區說說你的判斷覺得有用 → 點個??在看轉給還不知道的朋友點個贊 告訴我你看完了關注「AI范兒」，下次更新第一時間收到