文 | 世界模型工场
Agent 到底有没有真的改变工作？
OpenAI 最新发布的一份报告《The Shift to Agentic AI: Evidence from Codex》，给出了目前最直接的一组数据。
这份报告由 OpenAI、哥伦比亚商学院、沃顿商学院、杜克大学 Fuqua 商学院的研究者共同完成。
报告分析了 OpenAI Codex 的真实使用数据，比较了三类人群：个人账户用户、组织账户用户，以及 OpenAI 内部员工。
它不仅展示了 OpenAI 内部是如何最大化使用 Codex 的，还会让人产生一种感受：
AI 的使用方式正在经历一次静默的范式转移。
从和 AI 对话到让 AI 干活，从自己动手到管理一群 AI 员工，这个过程已经在发生，但大多数人还没意识到这件事已经在发生了。
报告显示，2026 年上半年，Codex 的周活跃用户数增长超过 5 倍。
但在个人用户、组织用户、OpenAI 内部员工之间，Codex 的使用强度差异很大。
报告数据表明，过去 28 天内使用过 Codex 的活跃用户，个人用户中的比例只有 0.7%，组织用户中的比例达到 17.3%，OpenAI 内部员工中达到 97.9%。
报告特别指出，在 OpenAI 内部，Codex 已经基本替代 ChatGPT，成为主要的工作 AI 界面。
因为 OpenAI 是一个异常有利的环境，员工熟悉前沿模型、使用成本低、组织支持度高、培训和非正式知识分享普遍。
尽管 OpenAI 的使用不代表今天的典型企业，但它展示了一个信号：
当所有的采用障碍都被移除后，Agent 的使用会是什么样子。
Agent 任务越来越难，输出越来越多
报告还分析了用户交给 Codex 任务的复杂度，并为测试设置了一个巧妙的问题：
如果没有 AI，一个有经验的人类完成同样任务，需要多长时间？
结果很惊人。
2025 年 12 月，只有 35.4% 的活跃个人用户，发送过至少一个需要 1 小时以上人工完成的任务。
到了 2026 年 5 月，这个比例翻倍到了 70.2%。
更夸张的是需要 8 小时以上人工完成的任务，发送过这类任务的用户比例从 2.1%，飙升到了 25.6%，增长了 10 倍还多。
2026 年 6 月，OpenAI 法律岗位的普通员工通过 Codex 和 ChatGPT 生成的月输出 Token，比 2025 年 11 月增长了 13 倍，普通研究人员的增长更是超过了 50 倍。
报告还发现一个有趣的现象：
在 Agent 时代，用户从一开始就在委派最复杂的工作。用户先提出最宏大、最复杂的需求，后续的对话只是不断地细化和修正。
这跟传统的 " 先问简单问题、再逐步深入 " 的交互模式完全相反。
Codex 早就不只是写代码了
虽然 Codex 最初是为软件开发设计的，但它的使用早已超出这个范围。
在 Codex 所有用户群体中，最常见的仍然是工程运维、代码实现、代码理解等软件相关任务。
但 Codex 也被广泛用于文档编写、数据分析、研究、协作沟通等非编码工作。
在 OpenAI 内部，Codex 还被用于研究、规划、沟通、招聘、销售、产品工作和数据分析。
使用范围越广的组织，Agent 的渗透越深，这似乎是一个自我强化的循环。
在组织中，工程运维占大多数资历组输出 Token 的最大份额，但知识工件类任务在管理人员和高管中占比更高。
在 OpenAI 内部，个体贡献者更偏向工程运维，而管理层更偏向协作类任务。
不同角色用 Agent 做不同的事，但所有人都在用。
最深度用户在 " 管理一群 AI 员工 "
如果说普通用户还在用 AI 干活，那最前沿的用户已经在管一群 AI 员工干活了。
在 OpenAI 内部，只有 10.7% 的员工在同一时间只运行一个 Agent，近 30% 的员工在某个时间点同时管理 5 个或以上的并发 Agent。
报告描述这是一种 " 人类监督一支 Agent 团队 " 的工作方式，同时把任务分配给多个 Agent，监控进度，选择性介入。
在外部，这种并行工作流还不普遍。
约 67% 的组织用户和 64% 的个人用户，完全不使用并发 Agent。
但在 OpenAI 内部，这批最重度用户每天平均会让 Codex 累计运行约 71 小时。
比如，一个员工同时让 3 个 Codex agents 分别修 bug、写测试、整理文档。如果这 3 个任务各自运行 1 小时，报告就会记为累计运行 3 小时。
外部用户也在增长，但强度明显低得多。
在组织用户中，使用强度排在前 1% 的用户，每日运行时长增长约 25%。
在个人用户中，前 1% 重度用户的每日运行时长增长约 50%。
用户开始把工作流封装起来反复使用
一次性使用 AI 完成某个任务，跟把一套工作流封装好让 AI 反复执行，是两种完全不同的深度。
Codex 通过 " 技能 "（Skills）和 " 插件 " 来实现工作流的系统化，即把指令、软件和外部工具集成打包，可以反复调用，甚至跨用户、跨组织共享。
2026 年 3 月 1 日，只有 5.4% 的活跃 Codex 用户调用过技能。到 6 月 11 日，这个比例达到了 26.6%。
25.7% 的个人用户和 30.4% 的组织用户调用了技能，而在 OpenAI 内部，96.2% 的活跃用户调用了至少一个技能。
报告特别提到，自定义技能的增长尤其快，就是那些用户或组织自己编写的、针对特定团队标准或工作流程的技能。
这是一次更深层的工作方式变革。
一旦组织下定决心，AI 转型可以非常快
很多人以为，新技术总是从顶层先普及，但 Codex 的数据给出了相反的答案。
从职位来看，工程师是最早、最深地使用 Codex 的群体。
在组织用户中，普通工程师有 26.8% 的 Token 是在 Codex 上生成的，这一份额自年初以来增长了 5 倍。
数据和数据分析从业者紧随其后，达到 15.2%。
但从资历来看，Codex 的采用横跨了整个层级，从初级员工到高管都在用。
报告认为，高级用户用 Codex 不只是为了写代码，更多是为了规划、审查和委派任务。
有意思的是，在 OpenAI 内部，后来采用 Codex 的部门如：法务、招聘的转型速度，反而比早期采用的工程部门更快。
2026 年 1 月时，这些部门的 Codex 使用率接近于零，到 4 月初达到约 20%，一个月内就飙升至 75%。
这表明，一旦组织下定决心，转型可以非常快。
这份报告最核心的一个洞见是：
Agent 的采用，不取决于模型有多强，而取决于组织环境有多支持。
同样的 Codex，在个人、组织和 OpenAI 内部，呈现出完全不同的使用模式。
报告认为，决定因素包括：相关文件和系统的访问权限、管理层的期望、员工的技能水平、以及是否有配套的审查流程。
这跟历史上所有通用技术的扩散规律一致。
技术本身只是催化剂，真正的变革发生在组织如何围绕技术重新设计工作流程。
报告用了一个经典的类比：
19 世纪末从蒸汽动力转向电力的过程中，早期工厂只是把蒸汽机换成电动机，工厂布局和 工作流基本没变。
真正的生产力爆发，发生在几十年后工厂被重新设计、生产流程被彻底重构的时候。
Agent 可能正在经历同样的过程。
当下的使用情况或许只是冰山一角，真正的变革还在后面。
