Uber将把ChatGPT Work从约1000人的试点推广到全球逾3万名员工，旨在把跨应用、跨步骤的知识工作交由智能体协助处理。公告披露了访问权限、集成与培训计划，但尚未提供采用率、节省工时或投资回报等可验证数据。
Uber正把与OpenAI的合作从面向司机和乘客的产品，进一步扩展到公司内部的日常工作。根据OpenAI于2026年10月22日发布的公告，Uber从当天开始在全公司推广ChatGPT Work，计划让全球超过3万名员工获得这一工具的访问权限。此前的试点覆盖约1000名员工。
这不是一款新模型的发布，而是一次企业部署范围的扩大。OpenAI将其描述为Uber首次在全公司部署面向知识工作的智能体平台：员工不仅可以向AI提问，还可以让它连接办公工具，处理需要多个步骤才能完成的任务。
但推广规模与使用成效是两回事。截至这份公告发布，双方尚未披露全员实际采用率、节省工时或投资回报等可核验数据，也没有给出完成全部推广的具体时间表。超过3万人的数字说明预期覆盖范围，并不意味着这些员工都已经开始使用，或已经获得相同程度的效率提升。
从回答问题，到跨应用完成工作
按照公告，ChatGPT Work将在Uber的ChatGPT Enterprise环境中提供服务，可连接Google Drive、Gmail、Google Calendar和Slack等工具，用于查找资料、准备会议简报、制作演示文稿、分析数据，以及完成跨应用工作流。
这些任务的共同点是，所需信息往往散落在不同系统中。准备会议可能需要同时理解邮件往来、共享文件和团队讨论；形成一份分析报告，则不仅涉及生成文字，还包括查找数据、整理材料和制作交付文件。ChatGPT Work的产品定位，是把这些步骤纳入一个持续推进的任务，而不是要求员工分别发起多轮问答、再手动拼接结果。
这一能力方向并非此次Uber公告才提出。OpenAI在2026年7月9日的产品发布说明中，就将ChatGPT Work定义为可以跨应用与文件采取行动、拆分复杂项目，并生成表格、幻灯片、文档和网页应用的智能体。公司称，用户可以查看进展、调整方向，并对重要操作进行批准。
AIFluxNews此前对ChatGPT Work发布及其工作方式变化的报道，讨论的也是从生成回答到交付成果的转向。此次Uber扩展部署，提供了观察这一路线如何进入大型企业日常流程的具体案例；它本身还不是对这些能力在所有业务场景中均有效的证明。
千人试点之后，培训和权限同样重要
Uber此次推广并非只向员工开放一个入口。公告还提到，部署将配合Uber内部的AI技能库、获批准的系统集成，以及专门的员工培训，覆盖运营、财务、营销和产品等职能。开发者及软件工程团队则将继续使用Codex支持软件开发和编码工作流。
这意味着，ChatGPT Work与Codex在此次安排中各有侧重：前者扩大知识工作场景的覆盖，后者继续服务于软件工程。公告并未表示Uber会用同一种智能体替代所有岗位现有的工具。
Uber首席技术官Praveen Neppalli Naga在公告中表示，公司希望让员工获得创新和解决问题的工具。不过，这一表态表达的是部署目标，而不是已经完成的效果评估。
从落地条件看，内部技能库、集成审批和培训值得关注。让员工获得访问权限，只是起点；他们还需要知道哪些任务适合委托、应提供什么背景资料，以及何时必须检查结果。公告没有进一步说明Uber技能库的具体内容，也没有披露各部门的推广顺序或培训完成情况，因此目前无法判断这些配套措施实际覆盖到了什么程度。
与司机助理、语音叫车属于不同层面的合作
Uber与OpenAI的合作此前已经进入面向平台用户的产品。在2026年5月6日发布的官方客户案例中，OpenAI介绍了Uber Assistant，以及借助Realtime API等技术支持的乘客语音叫车体验。
按照当时的介绍，Uber Assistant旨在帮助司机理解收入趋势、平台操作和市场情况，并通过不同的专门系统处理不同类型的问题。乘客端的语音功能则试图让用户用自然语言表达出行需求，再由系统理解意图并提出建议。
这些是5月已公开的合作背景，不能当作10月22日的新发布内容。此次公告的区别在于，服务对象转向Uber内部员工，任务也从司机指导、乘客交互，转向资料研究、会议准备、数据分析和内容制作等知识工作。
因此，不能用此前司机产品的使用情况来证明ChatGPT Work在Uber内部的成效。两类部署面对的用户、任务和评估标准不同，需要各自的数据支持。
覆盖人数之外，还需要回答什么
当智能体能够读取公司资料，并在连接的应用中采取行动时，权限控制与结果核验就不再只是附加功能。错误的信息可能进入报告，不恰当的操作也可能影响其他系统；能否及时发现、限制和纠正这些问题，会直接影响员工是否愿意把真实任务交给它。
OpenAI在7月的产品说明中称，企业管理员可以集中管理访问人员、公司上下文、可连接工具和允许执行的操作，并通过合规接口查看对话与行动记录。该说明也提到用量和支出控制：较复杂的任务可能消耗更多套餐用量，管理员可以设置工作区、群组和个人层面的限制。
这些属于产品层面的控制能力，不等于Uber已经公开了自己的具体配置。10月22日的公告没有说明Uber会开放哪些数据范围、哪些操作必须人工批准，也未披露采购金额、使用额度或整体部署成本。因而，目前还无法据此计算这次推广的投入产出。
同样需要区分的是，完成一项任务的速度与最终业务价值并不完全相同。要判断推广是否有效，后续至少需要了解员工实际使用的频率、成果需要多少人工返工，以及节省的时间是否超过培训、检查和系统维护的成本。这些是评估此次部署的重要问题，而不是公告已经回答的问题。
双方表示，将随着推广推进，继续分享采用情况、使用案例和可量化结果。现阶段能够确认的是，Uber正在将一个千人试点扩大为面向全球逾3万名员工的部署，并配套内部技能、获批集成和培训。它展示了企业智能体从局部试验走向更大范围应用的一步；能否成为稳定、可控且具有经济价值的日常工作工具，仍有待后续证据。