前沿企业如何构建AI优势
TL;DR · AI 摘要
前沿企业正通过更深层次、更广泛的AI使用建立复利优势，尤其在代理型工作流和复杂任务执行上显著领先。
核心要点
- 前沿企业每位员工使用的AI智能量是普通企业的3.5倍，且差距主要来自使用深度而非消息数量。
- 代理型工作流成为成熟标志，前沿企业在Codex等高级工具上的使用强度达普通企业的16倍。
- 领先企业通过度量深度、构建治理机制、规模化有效实践，推动从聊天辅助向任务代理演进。
结构提纲
按章节快速跳转。
前沿企业AI使用深度加速拉开差距，智能密度成关键指标。
从被动响应到主动执行，AI代理在核心流程中承担复杂任务。
跨行业普及的同时，高价值场景集中在代码、运营与客户服务。
衡量深度、生产级治理、赋能建设、规模化复制、迈向代理模式。
基于匿名聚合数据定期输出企业AI扩散趋势与 Adoption 指标。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- 前沿企业的AI优势构建
- 复利式AI优势
- 智能密度提升3.5倍
- 使用深度主导差距
- 代理型工作流
- Codex使用达16倍
- 从问答到任务执行
- 领先企业实践
- 度量使用深度
- 构建生产治理
- 规模化有效模式
金句 / Highlights
值得收藏与分享的关键句。
The AI advantage is beginning to compound: Frontier firms now use 3.5x as much intelligence per worker as typical firms.
Message volume explains only 36% of the frontier advantage; most of the gap comes from richer, more complex AI use.
Agentic workflows are becoming a frontier marker: frontier firms send 16x as many Codex messages per worker.
Workers at the frontier are asking AI to take on more complex work, providing richer context, and generating more substantive outputs.
Leading firms move from chat-based assistance to delegated work with agents.
All analyses are based on de-identified, aggregated enterprise usage data — no individual customer data was reviewed.
前沿企业如何构建人工智能优势 | OpenAI
[](http://openai.com/)
- 研究
- 产品
- 企业
- 开发者
- 公司
- 基金会（在新窗口中打开）
OpenAI
目录
2026年5月6日
前沿企业如何构建人工智能优势
B2B Signals 展示了那些更深入、更广泛并采用更多委托式工作流的企业，其人工智能优势正开始加速积累。
加载中…
分享
摘要
- 处于使用量第95百分位的前沿企业，每位员工使用的智能量是普通企业的3.5倍，而一年前仅为2倍。
- 差距主要体现在深度而非仅仅是活跃度：消息数量仅能解释36%的前沿优势；大部分差距来自更丰富、更复杂的AI使用方式。
- 代理式工作流正成为前沿企业的标志：最大的优势体现在高级工具上，前沿企业每位员工发送的 Codex 消息数量是普通企业的16倍。
- 组织可以向前沿靠拢：领先企业会衡量使用深度，建立支持生产环境使用的治理机制，投资赋能建设，规模化成功实践，并从基于聊天的辅助转向通过智能体进行任务委托。
对许多企业而言，AI 采用的第一阶段关注的是访问权限：谁拥有 AI 工具、部署了多少席位、员工是否在尝试使用。这些仍然重要，但如今访问权限已不再是决定性因素。
我们最新的研究表明，人工智能的优势正开始累积。前沿企业之所以领先，是因为他们每位员工使用了更多的智能，更密集地采用了先进工具，并将 AI 更深地嵌入到工作流程中。
今天，我们推出 B2B Signals，这是 OpenAI Signals 的企业版扩展。它基于企业使用 OpenAI 产品的隐私保护聚合信号，定期衡量 AI 在各企业间的扩散情况，包括：
- 企业内部 AI 使用的深度
- 与前沿采用最相关的工具和任务
- 商业用例在行业、产品和职能中的扩展领域
_注：本报告中的所有分析均基于去标识化的聚合企业使用数据。消息内容通过自动化系统分类，分析过程中无任何 OpenAI 员工查看过单个企业、业务或 API 客户的数据。_
人工智能优势正开始累积
最明显的信号是使用深度。前沿企业目前每位员工使用的智能量是普通企业的3.5倍，高于2025年4月的2倍。消息量仅能解释这一差距的36%；大部分差异来自于更深层次的使用。前沿企业的员工正要求 AI 承担更复杂的工作，提供更丰富的上下文，并生成更具实质性的输出。
在本报告中，我们使用生成的 token 数量作为所需求智能的代理指标。token 并不能直接衡量商业价值，但它有助于衡量员工要求 AI 完成的工作量，因此是衡量 AI 使用深度的一个有效代理。
简而言之：普通企业用 AI 回答问题；前沿企业则用它协助执行复杂任务。他们不只是发送更多消息；每次交互都在完成更多实际工作。
综合来看，这些信号表明前沿企业正在将 AI 应用于更复杂和更具挑战性的任务。对领导者而言，问题已从“有多少人能访问”或“使用频率如何”，转变为“AI 如何深化工作流程”以及“团队运作方式发生了怎样的变化”。
代理式工作流正成为成熟的下一个标志
前沿趋势也正朝着任务委托方向发展。
优势在先进和代理式工具中最为明显。Codex 的差距最大，前沿企业每位员工发送的消息数量是普通企业的16倍。ChatGPT Agent、ChatGPT 中的应用程序、深度研究（Deep Research）和 GPTs 也呈现出类似的趋势，表明前沿企业在采用帮助员工编码、委托多步骤任务、应用公司上下文以及开展更复杂研究的工具方面表现更优。
随着 AI 系统越来越能够使用工具、跨文件和代码库操作并完成长期任务，企业需要适应将有意义的工作委托给 AI 智能体。
率先行动的企业正在建立运营能力，使 AI 不仅成为更快的交互界面，更成为从底层重新设计工作的途径。
思科（Cisco）在大型企业工程组织中使用 Codex 加速复杂的软件开发工作。在生产工作流中，Codex 帮助减少了约20%的构建时间，每月节省超过1,500个工程工时，并将缺陷解决吞吐量提高了10-15倍。正如思科团队所说，最大的收益出现在他们将 Codex 视为“团队一员”时。
AI 使用广泛，但日益专业化
AI 正在进入企业各个领域的生产工作流。
企业正在将 API 应用于应用内助手、编码与开发工具以及客户支持等场景。这些正是 AI 可以融入产品、服务和内部系统的领域。
AI 在写作与沟通方面的使用最广泛，但特定职能的使用正在增长。IT 和安全部门的查询主要集中于操作指南和流程说明，软件开发和数据科学团队表现出较高的编码使用率，而财务团队则利用 AI 进行分析和计算。这一模式表明，AI 正超越通用生产力工具的角色，深入到与各职能部门核心职责紧密相关的工作中。
不存在单一的 AI 采用排行榜。某些行业在 ChatGPT 的广泛采用上领先，其他行业则在 Codex 使用、API 强度或消息强度方面领先。这意味着组织有多个切入点：扩大访问规模、深化使用、采用代理式工具，或将 AI 直接集成到产品和系统中。
Travelers 保险公司的实践展示了这种多样化的应用。其基于 OpenAI 构建的 AI 理赔助手可引导客户完成首次损失通知，回答保单问题，收集启动理赔所需的信息，并直接在其系统内创建理赔案件。Travelers 预计该助手在第一年内将处理约10万次首次损失通知电话。
是什么让 AI 领导者脱颖而出
前沿企业与普通企业之间的差距不应被视为不可逾越的鸿沟。许多组织仍处于从广泛访问向更深、更集成的 AI 使用过渡的早期阶段。前沿的价值在于揭示哪些实践有助于企业长期建立 momentum（发展势头）。
最明显的信号之一是教育和学习领域，该领域在任务层级上的前沿优势最大。这表明领先企业不仅用 AI 完成工作，还帮助员工培养高效使用 AI 所需的技能、习惯和信心。
组织可通过以下方式向前沿靠拢：衡量使用深度、建立支持生产环境使用的治理机制、将赋能视为核心基础设施、识别前沿团队并扩大其影响力，以及从聊天交互转向通过智能体进行任务委托。
B2B Signals 将定期分享企业 AI 的洞察
企业级 AI 正在快速演进，领导者需要清晰的数据来理解如何将 AI 采用转化为商业价值。
B2B Signals 跟踪领先企业的行为和模式，帮助企业更清楚地了解领先公司如何将智能转化为商业价值。
本次首发重点关注使用深度、代理式工作流以及跨行业和职能的新兴模式。未来的更新将持续追踪这些指标的进展，并随着企业 AI 的发展调整信号内容。
作者
OpenAI
继续阅读
推出 ChatGPT Futures：2026 届公司 2026年5月6日
OpenAI 与 PwC 合作重塑 CFO 办公室 全球事务 2026年5月4日
我们的研究
最新进展
安全
ChatGPT
API 平台
面向企业