最近半年以來，我密集在使用 Claude Code 或是 Codex。

而且實際上，我現(xiàn)在使用 AI 的方式也從 ChatGPT 轉(zhuǎn)向了 Codex 或是 Claude Code。

我相信很多人也類似。

我們好像已經(jīng)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(fā)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(qū)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(shù)據(jù)研究了一件事，就是 AI 從聊天助手變成一個「代理執(zhí)行」，這件事到底發(fā)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(yè)用戶、OpenAI 自己的內(nèi)部員工。

數(shù)據(jù)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(shù)字：OpenAI 的內(nèi)部員工現(xiàn)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(nèi)部基本上已經(jīng)沒人用了，是個擺設(shè)。

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(fā)現(xiàn)很多谷歌大佬其實都在使用 Claude Code。

所以本質(zhì)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(nèi)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(fā)人員用的比較多，但其實并不是。

論文里顯示的數(shù)據(jù)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(chǎn)出token 的變化

而且非開發(fā)者的增速，比開發(fā)者還快。

從去年 8 月到今年 6 月，個人用戶里非開發(fā)者增長了 137 倍，企業(yè)用戶里非開發(fā)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(shù)沒有什么太大關(guān)聯(lián)，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(nèi)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(nèi)部的使用模式，是外面企業(yè) 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(jīng)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(zhì)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(zhí)行一系列的步驟。他會調(diào)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(jié)果。

這是一種完全的委托。你不再是一個執(zhí)行者，而是一個任務的發(fā)起人和最終結(jié)果的審核者。

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

這種「委托」的規(guī)模，其實也在快速擴大。

到今年 5 月，已經(jīng)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(jīng)有 25.6% 的用戶在提交了。

半年前，這個數(shù)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(jié)，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(fā)，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(xiàn)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(fā) agent 數(shù)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(xiàn)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(fā)現(xiàn)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(jié)果以及調(diào)整方向的人。

這種角色的轉(zhuǎn)變，其實也讓我們所需要的能力發(fā)生了根本的轉(zhuǎn)變。

我們以前可能需要的是一些專業(yè)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(xiàn)在執(zhí)行能力上。

但現(xiàn)在，我們更需要具備的是判斷力、目標設(shè)定的能力、對結(jié)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(fā)生了移動。

管理學里面有一個經(jīng)典的說法，工業(yè)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(zhí)行者，變成了機器的監(jiān)督者和協(xié)調(diào)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(xiàn)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(shù)據(jù)，F(xiàn)inance 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(shù)團隊幫忙的事情，現(xiàn)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(guān)注 AI 會替代什么崗位，其實我覺得我們更應該關(guān)注的是，AI 會把什么崗位轉(zhuǎn)變成管理崗位，以及轉(zhuǎn)變之后應該怎么樣調(diào)整自己。

這讓我想起最近京東發(fā)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(jīng)開始讓這些騎手學習機器人相關(guān)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(xiàn)在的工作，委托出去之后還剩什么？歡迎在評論區(qū)說說你的判斷覺得有用 → 點個??在看轉(zhuǎn)給還不知道的朋友點個贊 告訴我你看完了關(guān)注「AI范兒」，下次更新第一時間收到