How agents are transforming work

标题：代理如何改变工作方式

URL来源：https://openai.com/index/how-agents-are-transforming-work

Markdown内容： 代理式人工智能将知识工作的单位从单次交互转变为委托的、长期的任务。聊天机器人的交互通常简短且自成一体。代理可以在数分钟或数小时内独立运行，同时协调工具调用、与环境交互，并不断迭代以接近解决方案。因此，代理正在迅速成为最强大的工作用AI工具。

在过去一年中，我们在OpenAI亲身经历了这一转变。在Codex向公众发布后的最初几个月内，ChatGPT仍然是OpenAI内部工作的默认AI工具。到2025年8月，OpenAI员工平均仅将不到10%的token用于Codex。现在，包括法律和招聘等非技术部门在内的每个部门，都将Codex作为其主要的工作用AI工具。这一趋势反映了我们相信，随着代理式工具功能和可访问性的扩展，这将是未来工作的趋势。

Codex的采用与其实力的提升同步增长。随着Codex利用更强大的模型和新的产品功能，它能够承担越来越多的生产性任务。在个人用户、组织用户和OpenAI员工中，我们记录了过去一年的四个趋势：

• 人们使用Codex进行更长期的工作。到2026年5月，80.6%的个人用户样本中至少有一次Codex请求估计需要超过30分钟的人工工作时间，70.2%的用户至少有一次估计需要超过一小时，25.6%的用户至少有一次估计需要超过八小时的Codex请求。
• Codex成为OpenAI每个部门的主要AI工具。工程部门率先采用，但法律、财务和招聘部门在2026年4月左右也转向将Codex作为其主要AI工具。对于平均OpenAI员工来说，Codex的使用现在占输出token的85%以上。由于Codex用户通常比非用户使用更多的token，其在整体token中的占比更高：Codex占OpenAI内部每周生成输出token的99.8%。
• 非开发人员的采用增长尤其迅速，超过了开发人员的采用增长。自2025年8月以来，非开发人员用户数量在个人用户中增长了137倍，在组织用户中增长了189倍，在OpenAI内部增长了12倍。
• Codex使OpenAI员工能够完成超出其工作职责的任务。虽然技术使用在工程师中仍占主导地位，但非技术人员经常使用Codex来承担编程或技术执行任务，包括自动化、数据转换、工具开发、调试和结构化分析。

代理在更困难的任务上工作更长时间

几乎所有Codex请求中，有近四分之一是需要一个人超过一小时才能完成的任务1。随着Codex在独立长期工作方面的能力提升，用户逐渐从简短的交互转向更困难、时间跨度更长的任务。

以下图表估计了个人用户跨越四个时间阈值的比例：需要一个人花费超过30分钟、超过一小时、超过四小时和超过八小时的任务2。从2025年12月到2026年5月，用户发起请求，预计需要一个人花费超过30分钟的工作比例上升至80.6%。预计需要一个人花费超过一小时的工作请求比例上升至70.2%。预计需要一个人花费超过八小时的工作请求比例增长最快，但基数较低。

智能代理使用量的增长可以从每日Codex运行时间中看出。在OpenAI的每日活跃用户中，使用最频繁的用户会在一天内要求Codex运行大量小时的代理工作。到2026年6月，处于第99百分位的用户每天定期生成超过60小时的Codex代理操作，这些操作分布在多个并行代理中。随着Codex变得更加强大和可并行处理，用户从仅一次请求Codex一个答案，逐渐转向在一天内越来越多地协调多个代理任务。

采用情况继续从工程师扩展到OpenAI的其他用户

OpenAI的工程师最先逐步采用Codex。到2025年12月，公司内平均工程师已将他们使用OpenAI产品的主要部分转移到Codex。如今，平均工程师有99%的输出令牌是通过Codex生成，而不是ChatGPT。法律、金融和招聘部门在2026年4月左右开始主要使用Codex，但他们的转换速度要快得多。目前，OpenAI的平均律师或招聘人员有超过85%的输出令牌是通过Codex生成。

在过去六个月中，Codex在OpenAI的使用情况变得更加深入和激烈。在活跃的内部用户中，各部门的综合输出令牌数量急剧增加。研究部门的增长最为显著：到2026年6月，中位数使用量比2025年11月高出56倍。客户支持部门增长了32倍，工程部门增长了27倍，而法律部门虽然增长较为缓慢，但仍达到了2025年11月水平的13倍。

这两个趋势共同说明了Codex如何改变了OpenAI使用AI进行生产性工作的模式。在整个公司范围内，用户正在从聊天机器人转向代理作为主要的人工智能交互形式，并部署了呈指数级增长的代理劳动。

非开发人员是增长最快的用户群体

在所有用户群体中，包括OpenAI、组织用户和个体用户，Codex的使用最初集中在开发者身上，这符合其最初作为代码工具的目标用户。然而，随着Codex向更广泛的知识工作扩展，非开发人员的采用速度甚至更快。如下面的用户增长图表所示，个体用户、组织用户和OpenAI用户群体中，每周非开发人员用户的增长速度都超过了开发人员用户。到2026年6月初，自2025年8月以来，非开发人员个体用户数量增长了137倍。非开发人员组织用户数量增长了189倍，而非开发人员OpenAI用户数量增长了12倍，这可能是因为这一群体的起点已经远高于平均水平。

这种转变并不意味着每个非开发人员都在以与工程师相同的方式使用Codex。而是意味着越来越多的非开发人员正在使用Codex进行某种形式的代理工作。

Codex正在拓展潜在生产性工作的边界

Codex 使非技术部门能够加速以往因技术专业知识而受阻的工作流程。下图的热力图将 OpenAI 推断出的职业与 Codex 输出所代表的工作类型进行了比较。在数据科学和研究领域，工程和编码是最大的类别，而在金融和业务运营、市场营销、运营及其他部门，知识性工作是最大的类别。

尽管如此，智能代理工具可以扩展单个工作者的能力。例如，业务职能员工使用 Codex 完成的工作中，超过四分之一是工程或编码。智能代理可以降低跨越任务边界所需的成本，帮助员工完成过去需要更多专业技术支持的相邻工作。

职业与使用 Codex 完成的工作

职业与使用 Codex 完成的工作 | 工作类别 | | --- | | 合并推断部门 | | | | | | | 工程 | | | | | | | 数据科学 / 研究 | | | | | | | 金融 / 业务运营 | | | | | | | 产品 / 市场营销 / 运营 | | | | | | | 其他 | | | | | |

部门内输出令牌的占比

这对智能代理经济潜力意味着什么

非工程师员工更多地使用智能代理工具，将扩展这些员工能够完成的工作范围。这对决定如何重新设计工作流程的企业、学习哪些技能变得更有价值的员工，以及试图理解人工智能如何改变劳动力市场的政策制定者和研究人员都具有重要意义。

我们的论文展示了前沿用户如何采用功能强大的智能代理工具。我们的研究结果表明，当人们能够广泛、无障碍地使用功能强大的智能代理工具时，随着工具的改进，人们会使用它们进行更长时间、更复杂和更跨职能的工作。随着时间的推移，这很可能是未来工作的发展方向。