企业 AI 可能正在进入一个新的不平等阶段
企业 AI 采用的第一波浪潮由可及性所定义。哪些公司已经部署了这些工具？有多少员工拥有使用权限？员工是否开始尝试聊天界面？OpenAI 最新的 B2B Signals 研究表明，这些问题已不再能描绘前沿。根据这份报告，正在形成的分化并不只是企业是否使用 AI，而是它们在日常工作中使用 AI 的深度有多大。
最引人注目的数字是，处于使用量第 95 百分位的前沿企业，如今每位员工使用的智能量是普通企业的 3.5 倍，而在 2025 年 4 月，这一数字还是 2 倍。OpenAI 用生成的 token 数量来衡量这一指标，把它作为员工要求 AI 承担工作量的替代 proxy。token 并不被视为价值的直接衡量标准，而是用于估算 AI 使用深度的一种方式。
报告的核心观点是，这种优势正在累积。一旦企业不再停留于广泛接入，而是转向更复杂、面向生产的使用方式，它们似乎就会进一步拉开与仍主要把 AI 当作轻量助手的同行之间的距离。
为什么消息量并不是全部
报告中一个更具影响力的观点是，消息量只能解释前沿优势的 36%。换句话说，这种差距不仅仅在于领先企业向 AI 提出了更多问题，而在于它们要求 AI 承担更丰富、更复杂的工作，提供更多上下文，并产出更实质性的结果。
这种区别很重要，因为它改变了企业采用 AI 时应如何评估成效。一家公司可以报告活跃度持续增长，却仍然在使用上相对浅层。如果员工只是把 AI 用于简单提示或偶尔的起草辅助，组织可能并没有捕捉到那种能够带来更强竞争优势的工作流变革。
OpenAI 的表述暗示，深度正成为更相关的指标。处于前沿的企业似乎正在把 AI 融入真实流程，而不是把它当作辅助性的便利工具。这种转变更难，因为它需要治理、赋能和工作流设计，而不只是软件接入。
委派式工作正在成为前沿的标志
报告特别指出，高级工具和 agentic 工作流是差异最明显的领域。OpenAI 表示，前沿企业每位员工发送的 Codex 消息数量是普通企业的 16 倍。这是数据集中最清晰的信号之一，表明企业 AI 的下一阶段可能会围绕委派式工作展开，而不是简单的聊天式辅助。
这标志着商业 AI 成熟度的描述方式发生了重要变化。如果早期企业采用意味着员工向 AI 寻求帮助，那么前沿采用如今更像是员工把工作分配给 AI。这使 AI 从生产力层工具变得更接近运营基础设施。它也提高了落地实施的门槛，因为委派式工作流通常需要更严格的控制、更清晰的成功标准，以及对输出结果更强的信任。
OpenAI 表示，领先企业正在为生产用途建立治理机制，投入赋能建设，衡量使用深度，复制有效做法，并从基于聊天的辅助转向由 agent 驱动的委派式工作流。它所描述的是一种组织层面的模式，而不仅仅是技术层面的模式。前沿不仅由工具选择定义，更由企业能否把 AI 使用转化为可管理的系统，而不是零散的习惯来定义。
数据是如何呈现的
B2B Signals 被描述为一个持续性指标，用于衡量 AI 在企业中的扩散情况，依据的是来自 OpenAI 企业产品使用情况的隐私保护、聚合信号。公司表示，这些分析依赖去标识化的聚合企业使用数据。它还表示，消息内容是由自动化系统分类的，并且在分析过程中没有 OpenAI 员工审阅任何单个企业、商业或 API 客户数据。
这些方法说明很重要，因为企业 AI 报告经常会遇到信任问题。企业希望获得基准和采用信号，但同时也希望确信敏感的商业使用不会被人工查看。OpenAI 强调聚合和去标识化，旨在缓解这种张力，同时仍然提供对使用模式的宏观视角。
与此同时，读者也应注意这份报告的含义与边界。它把 token 视为需求智能的替代 proxy，而不是企业成果的直接衡量。这意味着，这些发现更适合被理解为使用强度和成熟度的指标，而不是证明每一个额外 token 都能直接转化为生产力或利润。
这对企业战略意味着什么
如果 OpenAI 的发现能够更广泛地成立，许多公司可能一直在拿错误的里程碑来衡量自己。真正的差异化因素已不再是基础部署，而是 AI 是否被足够深入地嵌入，能够在真实工作流中处理复杂、上下文丰富、可委派的任务。
这会带来实际影响。想要更接近前沿的企业，或许需要减少为了扩张接入本身而投入的资源，转而更多投资于培训、治理、流程重构，以及挑选那些能够支撑更深层使用的任务。报告显示，高级采用不会在上线后自动发生，而是需要被持续培育。
它也暗示了一种反馈循环。学会深度使用 AI 的公司可能会发现更多值得委派的新任务，进而推动更多基础设施建设、更多治理机制和更多内部专业能力。这正是报告所指向的累积优势。一旦企业开始在深度层面将 AI 运营化，其领先地位就可能变得更难被慢一步的采用者追赶。
正在形成的竞争鸿沟
总体来看，企业 AI 竞争如今可能正在进入一个更具结构性的阶段。领先者与普通企业之间的差别，已经不只是试验与不试验的区别，而是浅层使用与集成化、委派式、生产级使用之间的区别。
这是一个更严肃的分化，因为它触及的是能力，而不仅仅是采用表象。深度使用 AI 的企业不只是更快地完成熟悉任务，它们还可能重新组织工作的分配与执行方式。如果这种模式持续下去，OpenAI 所描述的前沿优势，可能会越来越不像暂时的领先，而更像一种持久的运营模式。
对于仍把 AI 当作一种范围广泛但轻量化的生产力工具的企业来说，这个信息很明确。可及性是第一个里程碑。深度，可能才是决定谁真正领先的关键。
本文基于 OpenAI 的报道。阅读原文。
Originally published on openai.com
