2026年6月25日公司Agent 如何改变工作方式一篇全新经济研究论文衡量 Codex 在前沿领域的经济潜力。阅读论文在新窗口中打开加载中…分享Agent AI 将知识工作的基本单元从单次交互转变为可委托执行的长周期任务。聊天机器人的交互往往简短且自成一体而 Agent 则能在数分钟乃至数小时内自主运行同时编排工具调用、与环境交互并持续迭代直至找到解决方案。正因如此Agent 正迅速成为工作中最强大的 AI 工具。过去一年我们在 OpenAI 内部亲历了这一转变。Codex 公开发布后的最初几个月ChatGPT 依然是 OpenAI 内部的默认 AI 工作工具。截至 2025 年 8 月OpenAI 员工平均花在 Codex 上的 token 占比不足 10%。而如今包括法务、招聘等非技术部门在内的所有部门都已将 Codex 作为首选 AI 工作工具。这一趋势印证了我们的判断随着 Agent 工具能力不断增强、门槛持续降低这将是未来工作的必然走向。Codex 的采用率与其能力同步增长。随着 Codex 接入更强大的模型并推出新产品功能它所能胜任的高效任务范围也在不断扩大。综合个人用户、企业用户和 OpenAI 内部员工的数据我们记录了过去一年的四大趋势用户将 Codex 用于周期更长的工作。截至 2026 年 5 月在抽样的个人用户中80.6% 至少发起过一次预估需超过 30 分钟人工时长的 Codex 请求70.2% 发起过预估超过一小时的请求25.6% 至少发起过一次预估超过八小时的请求。Codex 成为 OpenAI 每个部门的首选 AI 工具。工程部门率先完成迁移法务、财务和招聘部门则在 2026 年 4 月前后相继将 Codex 升级为主要 AI 工具。对于 OpenAI 员工而言Codex 的使用量目前已占输出 token 总量的 85% 以上。由于 Codex 用户往往比非用户消耗更多 token其在整体 token 中的占比更高——Codex 占 OpenAI 内部每周生成输出 token 总量的 99.8%。非开发者的采用速度尤为迅猛超过了开发者。自 2025 年 8 月以来个人用户中的非开发者增长了 137 倍企业用户中的非开发者增长了 189 倍OpenAI 内部非开发者增长了 12 倍。Codex 让 OpenAI 员工得以完成职责范围之外的任务。尽管技术性用途在工程师中仍最为普遍但非技术用户也在频繁借助 Codex 承担编码或技术执行工作包括自动化、数据转换、工具搭建、调试以及结构化分析等。Agent 能处理更艰巨的任务工作时间也更长近四分之一的 Codex 请求针对的是需要人工花费超过一小时才能完成的任务 1。随着 Codex 独立处理长上下文工作的能力不断提升用户逐渐从简短交互转向周期更长、难度更高的任务。下图展示了个人用户跨越四个人工时长阈值的占比估算任务耗时超过 30 分钟、超过 1 小时、超过 4 小时和超过 8 小时 2。从 2025 年 12 月到 2026 年 5 月发起请求预估对应人工耗时超过 30 分钟的用户占比升至 80.6%预估超过 1 小时的占比升至 70.2%而预估超过 8 小时的占比则从较低基数实现了最快速的增长。Agent 使用量的增长在 Codex 每日运行时长上清晰可见。在 OpenAI 的日活用户中使用量最重的用户在一天内会让 Codex 运行数小时的 Agent 工作。截至 2026 年 6 月第 99 百分位的用户每天通过多个并行 Agent 产生的 Codex Agent 轮次已超过 60 小时。随着 Codex 变得更加强大且支持并行化用户从一次只请求一个答案逐渐演变为在一天中同时编排多个 Agent 任务。采用浪潮持续从工程师向 OpenAI 全员蔓延OpenAI 的工程师最先、也是循序渐进地采用了 Codex。公司的普通工程师在 2025 年 12 月前后便将 OpenAI 产品使用量的大部分转移到了 Codex。如今普通工程师 99% 的输出 token 由 Codex 生成而非 ChatGPT。法务、财务和招聘部门在稍晚的 2026 年 4 月前后完成了向 Codex 的多数迁移但其转变速度更快。目前OpenAI 的普通律师或招聘专员在 Codex 上生成的输出 token 已超过其总量的 85%。过去六个月Codex 在 OpenAI 内部的使用深度和强度持续提升。在活跃内部用户中各部门综合输出 token 的变化量大幅攀升。研究部门的增幅最为显著到 2026 年 6 月中位使用量是 2025 年 11 月的 56 倍。客户支持部门增长了 32 倍工程部门增长了 27 倍法务部门的增长虽相对平缓但也达到了 11 月水平的 13 倍。上述两种模式共同呈现了 Codex 如何重塑 OpenAI 利用 AI 开展高效工作的方式。在全公司范围内用户正将主要的 AI 交互方式从聊天机器人切换到 Agent同时投入呈指数级增长的 Agent 劳动力。非开发者是增长最快的用户群体在 OpenAI 内部、企业用户和个人用户的所有群体中Codex 的使用最初都从开发者起步——这对于一款以编码工具起家的产品而言是自然而然的。然而随着 Codex 向更广泛的知识工作领域延伸非开发者的采用速度增长得更为迅猛。如下方用户增长图表所示在个人用户、企业用户和 OpenAI 内部用户群体中非开发者周活用户的增速均超过了开发者用户。截至 2026 年 6 月初非开发者个人用户数自 2025 年 8 月以来增长了 137 倍非开发者企业用户增长了 189 倍非开发者 OpenAI 内部用户增长了 12 倍——后者增速相对较低可能因为该群体的起始基数本就远高于平均水平。这一转变并不意味着每位非开发者都在以与工程师完全相同的方式使用 Codex而是意味着越来越多的非开发者开始将 Codex 用于某种形式的 Agent 工作。Codex 正在拓展潜在高效工作的边界Codex 赋能非技术部门加速了那些原本受制于技术专业知识的工作流程。下方热力图对比了 OpenAI 内部推断的职业构成与 Codex 输出内容所对应的工作类型。对于数据科学和研究岗位而言工程与编码是占比最大的类别而对于财务、商业运营、营销、运营及其他部门知识工作则是最大的类别。尽管如此Agent 工具可以扩展单个员工的能力边界。例如在商业职能岗位的员工通过 Codex 完成的工作中超过四分之一属于工程或编码类工作。Agent 能够降低跨任务边界的成本帮助员工承接过去需要更专业技术支持的相邻工作。职业与 Codex 使用工作类型对比职业与 Codex 使用工作类型对比| | 工作类别 || 综合推断部门 | | | | | || 工程 | 72% | 4% | 1% | 18% | 5% || 数据科学 / 研究 | 51% | 10% | 0% | 30% | 9% || 财务 / 商业运营 | 31% | 9% | 16% | 34% | 10% || 产品 / 营销 / 运营 | 25% | 3% | 7% | 51% | 15% || 其他 | 50% | 7% | 2% | 38% | 4% |部门内输出 token 占比这对 Agent 经济潜力意味着什么非工程师员工对 Agent 工具使用量的增加拓展了这些员工的工作能力边界。这对于正在重新设计工作流程的企业、正在评估哪些技能更具价值的员工以及试图理解 AI 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在前沿领域采用强大的 Agent 工具。研究结果表明当人们能够便捷、低门槛地获取强大 Agent 工具时会发生什么随着工具不断改进人们会将其用于周期更长、更为复杂、跨职能的工作。随着时间推移这很可能就是未来工作的常态。2026经济研究Codex作者OpenAI脚注1 任务周期使用以 Codex 对话记录为输入的 LLM-as-judge 方法进行估算。2 这些阈值为模型估算值应作为方向性参考而非精确数据。此外本数据仅基于个人用户数据来源为随机抽取的 0.1% 用户查询样本。继续阅读查看全部OpenAI 与 Broadcom 发布 LLM 优化推理芯片 公司 2026年6月24日Daybreak面向全球每个组织的安全防护工具 安全 2026年6月22日三星电子为员工引入 ChatGPT 与 Codex 公司 2026年6月21日
