OpenAI 联合三所商学院发布 Codex 报告：Agent 正在重塑工作流

OpenAI 联合哥伦比亚商学院、沃顿商学院与杜克大学 Fuqua 商学院发布了一份题为《The Shift to Agentic AI: Evidence from Codex》的报告，首次以 Codex 的真实使用数据为样本，系统比较了个人用户、组织用户与 OpenAI 内部员工三类群体的 AI 使用方式。报告显示，Agent 的采用正经历一次静默的范式转移——从「与 AI 对话」到「让 AI 干活」，再到「管理一群 AI 员工」。

采用速度：半年增长五倍，但分布极不均衡

2026 年上半年，Codex 的周活跃用户数增长超过 5 倍。然而三类群体的渗透率差距悬殊：

个人用户中，过去 28 天内使用过 Codex 的活跃比例仅 0.7%。
组织用户中，这一比例达到 17.3%。
OpenAI 内部员工中，达到 97.9%，已接近全面普及。

报告特别指出，在 OpenAI 内部，Codex 已经基本替代 ChatGPT 成为主要工作 AI 界面。尽管 OpenAI 的环境（员工熟悉前沿模型、使用成本低、组织支持度高）不代表典型企业，但展示了一个清晰的信号：当采用障碍被移除后，Agent 的使用会是什么样子。

任务复杂度与产出量同步爆发

报告用「一个经验丰富的工程师完成同样任务需要多久」来衡量 Codex 任务的复杂度。结果显示：

需要 1 小时以上人工完成的任务：2025 年 12 月，仅 35.4% 的活跃个人用户发送过；到 2026 年 5 月，这一比例翻倍至 70.2%。
需要 8 小时以上人工完成的任务：用户比例从 2.1% 飙升至 25.6%，增长超过 10 倍。

产出端同样惊人。2026 年 6 月，OpenAI 法律岗位普通员工通过 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 50 倍。

一个有趣的现象是：在 Agent 时代，用户从一开始就在委派最复杂的工作，先提出最宏大的需求，后续对话只是不断细化和修正，这与传统的「先问简单问题、再逐步深入」模式完全相反。

不只是写代码：Agent 已渗透到非工程职能

虽然 Codex 最初为软件开发设计，但使用范围已大幅扩展。在所有用户群体中，工程运维、代码实现、代码理解仍占最大份额，但文档编写、数据分析、研究、协作沟通等非编码任务同样广泛存在。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。

不同角色的使用偏好存在差异：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；OpenAI 内部，个体贡献者偏向工程运维，管理层更偏向协作类任务。报告总结道：使用范围越广的组织，Agent 的渗透越深，这是一个自我强化的循环。

并行 Agent：少数人在「管理 AI 团队」

在 OpenAI 内部，已有近 30% 的员工在某个时间点同时管理 5 个或以上并发 Agent。报告将这种工作方式描述为「人类监督一支 Agent 团队」：同时把任务分配给多个 Agent，监控进度，选择性介入。最重度的前 1% 用户每天让 Codex 累计运行约 71 小时。

相比之下，外部用户中约 67% 的组织用户和 64% 的个人用户完全不使用并发 Agent。不过组织用户前 1% 重度用户的日运行时长增长了约 25%，个人用户前 1% 增长了约 50%，外部的并行工作流正在追赶。

技能封装：从一次性使用到可复用工作流

Codex 通过「技能」（Skills）与插件将指令、软件和外部工具集成打包，支持反复调用和跨用户共享。

2026 年 3 月 1 日：仅 5.4% 的活跃 Codex 用户调用过技能。
2026 年 6 月 11 日：这一比例升至 26.6%。
在 OpenAI 内部：96.2% 的活跃用户调用了至少一个技能。

报告特别指出，自定义技能（用户或组织针对团队标准和工作流程自行编写）的增长尤其迅速，代表了一次更深层的工作方式变革。

采用路径：基层先行，但后来者加速

从职位看，工程师是最早、最深地使用 Codex 的群体——组织用户中普通工程师 26.8% 的 Token 在 Codex 上生成，自年初增长 5 倍。但从资历看，采用横跨整个层级，从初级员工到高管都在用，高级用户更多用于规划、审查和委派任务。

一个反直觉的发现是：在 OpenAI 内部，法务、招聘等后来采用 Codex 的部门，转型速度反而比早期采用的工程部门更快。这些部门 2026 年 1 月使用率接近零，到 4 月初升至约 20%，一个月内飙升至 75%。报告认为，一旦组织下定决心，AI 转型可以非常快。

核心洞见：决定因素是组织环境，而非模型能力

报告的核心结论是：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。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。

报告用了一个经典类比：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。