文 | 世界模型工場

Agent到底有沒有真的改變工作？

OpenAI最新發布的一份報告《The Shift to Agentic AI: Evidence from Codex》，給出了目前最直接的一組數據。

這份報告由OpenAI、哥倫比亞商學院、沃頓商學院、杜克大學Fuqua商學院的研究者共同完成。

報告分析了OpenAI Codex的真實使用數據，比較了三類人群：個人賬戶用戶、組織賬戶用戶，以及OpenAI內部員工。

它不僅展示了OpenAI內部是如何最大化使用Codex的，還會讓人產生一種感受：

AI的使用方式正在經歷一次靜默的范式轉移。

從和AI對話到讓AI干活，從自己動手到管理一群AI員工，這個過程已經在發生，但大多數人還沒意識到這件事已經在發生了。

Codex用戶半年增長五倍，但采用不均衡

報告顯示，2026年上半年，Codex的周活躍用戶數增長超過5倍。

但在個人用戶、組織用戶、OpenAI內部員工之間，Codex的使用強度差異很大。

報告數據表明，過去28天內使用過Codex的活躍用戶，個人用戶中的比例只有0.7%，組織用戶中的比例達到17.3%，OpenAI內部員工中達到97.9%。

也就是說，在普通個人用戶中，Codex仍然是早期產品；在企業組織中，Codex已經開始擴散；但在OpenAI內部，它已經接近全面普及。

報告特別指出，在OpenAI內部，Codex已經基本替代ChatGPT，成為主要的工作AI界面。

因為OpenAI是一個異常有利的環境，員工熟悉前沿模型、使用成本低、組織支持度高、培訓和非正式知識分享普遍。

盡管OpenAI的使用不代表今天的典型企業，但它展示了一個信號：

當所有的采用障礙都被移除后，Agent的使用會是什么樣子。

Agent任務越來越難，輸出越來越多

報告還分析了用戶交給Codex任務的復雜度，并為測試設置了一個巧妙的問題：

如果沒有AI，一個有經驗的人類完成同樣任務，需要多長時間？

結果很驚人。

2025年12月，只有35.4%的活躍個人用戶，發送過至少一個需要1小時以上人工完成的任務。

到了2026年5月，這個比例翻倍到了70.2%。

更夸張的是需要8小時以上人工完成的任務，發送過這類任務的用戶比例從2.1%，飆升到了25.6%，增長了10倍還多。

與此同時，產出也在暴漲。

2026年6月，OpenAI法律崗位的普通員工通過Codex和ChatGPT生成的月輸出Token，比2025年11月增長了13倍，普通研究人員的增長更是超過了50倍。

報告還發現一個有趣的現象：

在Agent時代，用戶從一開始就在委派最復雜的工作。用戶先提出最宏大、最復雜的需求，后續的對話只是不斷地細化和修正。

這跟傳統的“先問簡單問題、再逐步深入”的交互模式完全相反。

Codex早就不只是寫代碼了

雖然Codex最初是為軟件開發設計的，但它的使用早已超出這個范圍。

在Codex所有用戶群體中，最常見的仍然是工程運維、代碼實現、代碼理解等軟件相關任務。

但Codex也被廣泛用于文檔編寫、數據分析、研究、協作溝通等非編碼工作。

在OpenAI內部，Codex還被用于研究、規劃、溝通、招聘、銷售、產品工作和數據分析。

使用范圍越廣的組織，Agent的滲透越深，這似乎是一個自我強化的循環。

報告還比較了不同職能的使用差異。

在組織中，工程運維占大多數資歷組輸出Token的最大份額，但知識工件類任務在管理人員和高管中占比更高。

在OpenAI內部，個體貢獻者更偏向工程運維，而管理層更偏向協作類任務。

不同角色用Agent做不同的事，但所有人都在用。

最深度用戶在“管理一群AI員工”

如果說普通用戶還在用AI干活，那最前沿的用戶已經在管一群AI員工干活了。

在OpenAI內部，只有10.7%的員工在同一時間只運行一個Agent，近30%的員工在某個時間點同時管理5個或以上的并發Agent。

報告描述這是一種“人類監督一支Agent團隊”的工作方式，同時把任務分配給多個Agent，監控進度，選擇性介入。

在外部，這種并行工作流還不普遍。

約67%的組織用戶和64%的個人用戶，完全不使用并發Agent。

但在OpenAI內部，這批最重度用戶每天平均會讓Codex累計運行約71小時。

比如，一個員工同時讓3個Codex agents分別修bug、寫測試、整理文檔。如果這3個任務各自運行1小時，報告就會記為累計運行3小時。

報告顯示，從2026年4月7日以來，OpenAI內部這批前1%重度用戶的Codex累計每日運行時長，增長了近88%。

外部用戶也在增長，但強度明顯低得多。

在組織用戶中，使用強度排在前1%的用戶，每日運行時長增長約25%。

在個人用戶中，前1%重度用戶的每日運行時長增長約50%。

用戶開始把工作流封裝起來反復使用

一次性使用AI完成某個任務，跟把一套工作流封裝好讓AI反復執行，是兩種完全不同的深度。

Codex通過“技能”（Skills）和“插件”來實現工作流的系統化，即把指令、軟件和外部工具集成打包，可以反復調用，甚至跨用戶、跨組織共享。

2026年3月1日，只有5.4%的活躍Codex用戶調用過技能。到6月11日，這個比例達到了26.6%。

分群體看差距更明顯：

25.7%的個人用戶和30.4%的組織用戶調用了技能，而在OpenAI內部，96.2%的活躍用戶調用了至少一個技能。

報告特別提到，自定義技能的增長尤其快，就是那些用戶或組織自己編寫的、針對特定團隊標準或工作流程的技能。

這是一次更深層的工作方式變革。

一旦組織下定決心，AI轉型可以非常快

很多人以為，新技術總是從頂層先普及，但Codex的數據給出了相反的答案。

從職位來看，工程師是最早、最深地使用Codex的群體。

在組織用戶中，普通工程師有26.8%的Token是在Codex上生成的，這一份額自年初以來增長了5倍。

數據和數據分析從業者緊隨其后，達到15.2%。

但從資歷來看，Codex的采用橫跨了整個層級，從初級員工到高管都在用。

報告認為，高級用戶用Codex不只是為了寫代碼，更多是為了規劃、審查和委派任務。

有意思的是，在OpenAI內部，后來采用Codex的部門如：法務、招聘的轉型速度，反而比早期采用的工程部門更快。

2026年1月時，這些部門的Codex使用率接近于零，到4月初達到約20%，一個月內就飆升至75%。

這表明，一旦組織下定決心，轉型可以非常快。

最會造AI的人，也是把AI用得最狠的人

這份報告最核心的一個洞見是：

Agent的采用，不取決于模型有多強，而取決于組織環境有多支持。

同樣的Codex，在個人、組織和OpenAI內部，呈現出完全不同的使用模式。

報告認為，決定因素包括：相關文件和系統的訪問權限、管理層的期望、員工的技能水平、以及是否有配套的審查流程。

這跟歷史上所有通用技術的擴散規律一致。

技術本身只是催化劑，真正的變革發生在組織如何圍繞技術重新設計工作流程。

報告用了一個經典的類比：

19世紀末從蒸汽動力轉向電力的過程中，早期工廠只是把蒸汽機換成電動機，工廠布局和 工作流基本沒變。

真正的生產力爆發，發生在幾十年后工廠被重新設計、生產流程被徹底重構的時候。

Agent可能正在經歷同樣的過程。

當下的使用情況或許只是冰山一角，真正的變革還在后面。