【OPENAI】代理式AI如何重塑知识工作

OpenAI 的研究与内部数据表明，代理式 AI（Codex）正将知识工作的单位从一次性对话转向可委托的长时任务，非技术岗位的采用增速最快并显著扩展了每位员工可完成的工作范围；在 OpenAI 内部，Codex 已成为多数部门的主要 AI 工具并承担绝大部分输出。整体趋势显示代理能执行更长时、复杂度更高的任务并跨职能降低技术门槛，从而提高生产力。

背景和定义
– 代理式 AI（agentic AI）指能在多个步骤中自主调用工具、与环境交互并迭代求解的模型，与短交互的聊天机器人不同。

OpenAI 内部观测（时间范围：2025 年末至 2026 年上半年）
– 采用曲线：工程师率先采用，随后法律、财务、招聘等非技术部门快速跟进；到 2026 年中，Codex 在公司多数部门成为主要 AI 工具。
– 使用强度：Codex 在 OpenAI 内部占据了绝大多数输出令牌（近 99.8% 的周输出），平均员工的 Codex 输出占比超过 85%。
– 任务时长：到 2026 年 5 月，80.6% 的个体用户至少发起过估计相当于人类 30 分钟以上工作的请求，70.2% 超过一小时，25.6% 超过八小时；顶端用户可在一天内并行产生 60+ 小时的 agent 运行量。

非开发者采用与职能扩展
– 非技术用户增长更快：自 2025 年 8 月以来，非开发者的周活跃用户在个人与组织层面分别增长数十倍至百倍。
– 跨界执行：许多业务职能使用 Codex 执行之前需要专门技术支持的任务（如自动化、数据转换、调试、结构化分析），部分业务人员产生的工作类型里超过四分之一是工程或编码类内容。

对工作与经济潜力的意义
– 单位工作量扩展：代理使得可委派的工作从“单次问答”扩展到“长时、多步骤、可并行”的任务，改变了知识工作的生产单元。
– 提升生产力与灵活性：通过降低跨任务门槛，代理帮助员工承担邻近或以往外包的技术工作，可能对组织效率和劳动力配置产生长期影响。

限制与观察点
– 虽然数据来自 OpenAI 自身的大规模内部使用，但外部企业采纳路径与速度可能不同。
– 任务质量、监管、可解释性和风险控制仍需进一步研究与实践验证。

代理式 AI 正把短交互扩展成可委托的长期劳动力，组织应尽快评估流程与治理以配合这一转变。

原文链接