OpenAI推出将使用数据与业务结果连接的分析功能，建议企业从具体工作流入手衡量AI带来的实际价值，而非单看Token或使用量。该方法强调定义基线、跟踪完成任务与质量、计入审核与重试成本，以便评估AI部署的真实ROI。
OpenAI正在推动企业重新思考AI投资回报率：企业不应只看使用了多少Token、花了多少钱，或有多少员工登录过系统，而应进一步追踪AI帮助完成了什么工作，以及这些工作是否带来了可衡量的业务结果。
OpenAI在9月16日发布的《如何将AI使用连接到商业价值》中，介绍了ChatGPT Work与Codex管理控制台中的一组分析功能。该功能把使用量和成本数据、任务分类以及部分工作成果放在一起，帮助管理员和业务负责人判断哪些AI工作流值得继续投入。
这是一项产品更新，也反映出企业AI市场正在面对的一个现实问题：AI部署已经从试点阶段进入日常使用，但“有人在用”并不等于“企业获得了价值”。
从使用量和支出，走向任务与结果
OpenAI提供的Usage视图，可以显示ChatGPT Work和Codex的活跃用户、额度以及Token使用情况。管理员可以按团队或用户筛选，观察采用率在哪里增长、支出集中在哪里，也可以发现某个团队是否缺少入门培训，或者某项工作流的容量需求正在上升。
但单独的使用量很难解释一笔AI支出究竟意味着什么。高用量可能来自一项已经成为业务基础设施的重复性工作流，也可能只是大量试错，甚至是模型反复失败后的重试。
因此，OpenAI在Insights中加入了任务分类功能。系统会对部分消息进行分类，将使用情况归入软件工程、销售与收入等工作领域，并进一步细分为功能开发、代码维护、客户研究和规划等任务。管理员可以据此与业务负责人讨论：AI究竟在支持哪一类工作，以及应当用什么指标判断它是否改善了流程。
在Codex的Outcomes视图中，企业还可以观察Codex参与的合并提交和代码行，以及代码审查活动。OpenAI建议工程团队把这些趋势与审查时间、缺陷数量和返工情况结合起来看。AI生成或参与的代码变多，本身并不能证明工程效率提高；只有当交付更快、质量保持稳定，或者返工减少时，使用量才更接近有意义的结果指标。
OpenAI给出的衡量路径：先定义一个工作流
OpenAI建议企业不要一开始就试图计算整个组织的AI回报，而是选择一个重要且重复发生的工作流，先建立基线，再观察一段时间内的变化。
它给出的基本问题包括：团队希望改善什么，是准备工作更快、质量更高、成本更低，还是带来更多销售；在没有AI时，这项工作多久完成一次、需要多长时间，怎样才算合格；使用AI之后，完成时间和质量发生了什么变化；节省出来的时间是否转化成了客户沟通、产品开发或其他有价值的工作；最后，这些收益是否值得覆盖AI、部署、培训和持续支持的成本。
OpenAI特别提醒，评估时应把审核和纠错时间计算在内。一个模型如果能很快生成初稿，却需要员工花大量时间检查和重写，表面的速度优势可能会消失。类似地，较便宜的模型如果更容易失败和重试，也未必带来更低的单项工作成本。
OpenAI在另一篇相关说明《AI时代的计分卡》中，把这一思路概括为“每一美元带来的有用智能”（Useful Intelligence per Dollar）。它建议企业关注四个问题：AI是否完成了重要工作；每项成功任务的完整成本是多少；人们是否能够依赖结果；以及随着使用扩大，每一美元是否完成了更多有价值的工作。
这套口径与传统软件的席位数、活跃用户数和续费率不同。对AI而言，成本不仅包括模型和工具调用，还包括员工时间、人工审核、重试、延迟和返工。企业最终需要衡量的，是达到质量标准的成功任务数量，以及完成这些任务所付出的总成本。
一个245%的ROI示例，但数字并非真实客户结果
OpenAI在产品文章中提供了一个销售团队的假设案例：20名销售人员每周准备两份客户简报。假设使用AI后，每份简报从四小时缩短到一小时，每周工作46周，全年可节省5,520小时。
如果团队把其中一半时间用于更有生产力的工作，并按每小时75美元的全包员工成本计算，估算出的年度产能价值为20.7万美元。文章进一步假设第一年AI、部署、培训和支持成本为6万美元，由此得出245%的“示例性ROI”。
OpenAI明确说明，这些数字全部是假设，估算的只是产能价值，并没有计入更高成交率、更大合同金额等潜在销售收益。因此，这个案例不能被理解为OpenAI客户已经实现245%的实际回报，而是用来说明企业如何建立自己的计算方法。
文章还列出了一些客户案例。OpenAI称，密码管理公司1Password使用Codex构建、审查和测试软件，并估算出553%的ROI以及每年80万美元的工程产能价值；ATV Big Air Tour则称，活动列表审核从每周八小时减少到一小时，库存工作从两三天减少到两三小时；游戏公司Playco称，使用GPT-6 Astra制作和测试可玩原型时，人工修复次数比此前模型减少了50%。
这些数据来自OpenAI及相关客户的案例描述，属于企业自报或供应商发布的结果，并不等同于独立控制实验。不同公司的基线、成本口径、工作复杂度和收益计算方式也可能不同，不能简单横向比较。
企业AI的竞争重点正在从“接入”转向“嵌入”
OpenAI此前发布的《企业AI现状》报告称，企业用户平均每天节省40至60分钟，75%的受访员工表示AI改善了工作速度或质量。报告还指出，企业消息量和API推理Token消耗都在增长，AI正在从单次问答进入更重复、更复杂的工作流。
但这类数据同样需要谨慎理解。员工报告的时间节省是一种感知指标，企业使用量增长也只能说明采用和工作深度发生变化，不能自动推导出利润、收入或客户满意度的改善。
OpenAI在8月发布的Enterprise Signals分析中承认，Token并不是商业价值的完美衡量标准：一条简短回答可能非常有用，一段很长的输出也可能没有实际作用。不过，Token数量仍可以作为观察AI使用深度的代理指标。该分析显示，截至2026年6月，Codex占企业客户ChatGPT与Codex合计输出Token的64%；所谓前沿企业——每月AI使用量排名前10%的企业——每名活跃用户产生的输出Token是典型企业的8.3倍，而1月时这一差距为2.6倍。
OpenAI把这种差距解释为企业从“辅助”转向“委托执行”的速度不同。更深入的使用通常意味着AI获得了更多组织背景、数据连接和工具权限，也承担了更长的多步骤任务。但使用深度越高，企业同时需要处理权限、隐私、审计、审批和错误恢复等问题。
AIFlux此前关于OpenAI推出Data agent、把企业数据连接到分析和行动的报道也指出，自然语言分析要真正进入企业流程，仍然依赖可信的数据语义、底层权限、证据链和人工审批。此次分析工具的更新，与这种产品路线相互呼应：企业不仅要知道AI用了多少资源，还要知道资源被用于哪项工作、完成到了哪一步，以及结果是否能进入下一环节。
仍然难以回答的问题：价值由谁定义
OpenAI的框架把企业AI评估推进了一步，但它并没有消除衡量本身的难题。
首先，不同部门对“完成”的定义不同。客服可能把问题解决视为成功，工程团队可能要求代码通过测试和审查，财务团队则可能要求预测准确、数据可追溯并得到负责人批准。统一的使用量指标容易获得，统一的业务结果却很难建立。
其次，AI带来的时间节省不一定会转化为财务收益。员工少花一小时制作报告，可能用于服务更多客户，也可能被新的会议和审批填满。要把节省的时间转化为收入或成本改善，企业需要明确谁负责重新配置这部分产能，以及如何观察后续变化。
再次，结果质量往往不是一次性准确率能够表达的。AI可能在大多数情况下给出可用答案，却在少数高风险任务上造成严重返工。企业需要跟踪“直接可用”“需要修改”和“需要升级给人工处理”的比例，并把这些结果与风险和责任边界联系起来。AIFlux近期关于AI代理不能只看一次成功、还要衡量重复执行一致性的报道显示，在长期或重复工作流中，“成功过一次”与“可以持续依赖”并不是同一个指标。
最后，OpenAI自己既是工具供应商，也是这套衡量框架的提出者。它提供的分析功能可以帮助客户观察使用和工作流，但关于效率、ROI和客户案例的结论仍应由企业结合自身系统数据独立验证。尤其在企业采购规模扩大、模型调用成本上升的背景下，供应商关于商业价值的叙述需要与财务、运营和质量数据对照，而不能只依赖产品控制台中的指标。
从仪表板开始，而不是从一个宏大ROI数字开始
OpenAI建议企业从管理控制台的Insights中选择一项与业务优先事项有关的任务，邀请业务负责人共同确定基线、质量标准和复盘日期，再决定是扩大工作流、改善培训，还是更换模型和执行方式。
这套方法的核心并不是为所有AI活动制造一个漂亮的总ROI数字，而是把AI支出还原为一连串可检查的问题：完成了多少任务，多少任务达到质量要求，员工和系统为此投入了什么，结果是否带来更快的交付、更低的成本、更少的风险或更多收入。
随着AI从聊天工具走向能够连接数据、调用工具并执行多步骤工作的系统，企业真正需要管理的也不再只是模型价格，而是从使用到结果之间的整条链路。谁可以使用AI、AI可以看到什么、它可以采取哪些行动、哪些环节必须由人审核，以及最终由谁对业务结果负责，可能会和模型本身的能力一样，决定AI投资能否产生持续价值。
来源：OpenAI：《如何将AI使用连接到商业价值》；OpenAI：《AI时代的计分卡》；OpenAI Enterprise Signals；OpenAI：《企业AI现状》报告。