智能体 AI (Agentic AI) 将知识型工作的基本单元，从单次交互转变为受托执行的长周期任务。聊天机器人的交互通常较短且自成一体。而智能体则能够独立运行数分钟乃至数小时，在此期间协调调用各类工具、与环境进行交互，并不断迭代以寻求解决方案。因此，智能体正迅速成为最强大的办公 AI 工具。

过去一年间，我们在 OpenAI 内部亲历了这一变革。在 Codex 公开发布后的最初几个月内，ChatGPT 仍是 OpenAI 内部默认的 AI 办公工具。截至 2025 年 8 月，OpenAI 员工在 Codex 上消耗的 Token 平均占比不足 10%。而如今，所有部门 — 包括法务和招聘等非技术部门 — 都已将 Codex 作为主要 AI 办公工具。鉴于智能体工具的能力不断扩展且门槛不断降低，这一趋势印证了我们对未来工作模式的预判。

Codex 的普及率与其能力的提升同步增长。随着 Codex 引入更强大的模型和新的产品特性，它能够承担的生产力任务范围不断扩大。综合个人用户、企业（组织）用户以及 OpenAI 员工的使用情况，我们总结了过去一年中的四大趋势：

2026 年 5 月，超过 70% 的用户交由 Codex 处理的任务，若是人工执行，耗时均会超过一小时¹。随着 Codex 独立处理长上下文 (long-context) 任务的能力不断提升，用户也从简短的互动，逐渐转向交托周期更长、难度更大的任务。

下图预估了突破四个“人工耗时阈值”的个人用户比例：这些任务若由人类完成，所需时间超过 30 分钟、1 小时、4 小时和 8 小时²。从 2025 年 12 月到 2026 年 5 月，发起预估耗时超 30 分钟人工工作量请求的用户比例升至 80.6%；发起超 1 小时人工工作量请求的用户比例升至 70.2%；而发起超 8 小时人工工作量请求的用户群体，在较低的基数上实现了最快的增长。

智能体使用量的增长可以直接在 Codex 的日运行时间上体现出来。在 OpenAI 的日活跃用户中，重度用户在单日内会让 Codex 运行长达数小时的智能体任务。截至 2026 年 6 月，处于前 1% (99th percentile) 的用户平均每天生成超过 60 个小时的 Codex 智能体运行时间 (agent turns)，且这些运算被分配给多个并行运行的智能体。随着 Codex 的功能增强且并行处理能力提升，用户不再局限于每次只向 Codex 索取一个答案，而是越来越多地在一天内协调执行多项智能体任务。

OpenAI 的工程师最早开始逐步采用 Codex。到 2025 年 12 月，该公司的普通工程师已将大部分对 OpenAI 产品的使用转移到了 Codex 上。如今，普通工程师 99% 的输出 Token 都由 Codex 生成，而非 ChatGPT。法务、财务和招聘部门紧随其后，大约在 2026 年 4 月转向以 Codex 为主，但他们的过渡速度要快得多。目前，OpenAI 内部普通律师或招聘人员 85% 以上的输出 Token 均由 Codex 生成。

在过去的六个月里，Codex 在 OpenAI 内部的使用广度与深度均大幅提升。在活跃的内部用户中，各部门产生的总输出 Token 量急剧上升。研究部门的增幅最大：到 2026 年 6 月，其中位数使用量达到了 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；法务部门的增长虽然相对平缓，但也达到了 11 月份水平的 13 倍。

这两种趋势共同说明了 Codex 如何重塑 OpenAI 利用 AI 进行生产性工作。在整个公司层面，用户的主要 AI 交互方式正从聊天机器人转向智能体，并正以前所未有的指数级规模部署“智能体劳动力 (agentic labor)”。

纵观所有用户群体（OpenAI 内部用户、企业用户以及个人用户），Codex 的应用最初都始于开发者 — 作为一款以编程工具起步的产品，这是其天然的目标受众。然而，随着 Codex 向更广泛的知识型工作领域拓展，它在非开发者群体中的普及速度甚至更快。如下方的用户增长图表所示，在个人、企业及 OpenAI 内部群体中，每周活跃的非开发者用户增速均超过了开发者用户。到 2026 年 6 月初，非开发者个人用户的数量达到了 2025 年 8 月的 137 倍；非开发者企业用户增长了 189 倍；而 OpenAI 内部的非开发者用户则增长了 12 倍（这大概是因为该内部群体的基数起点已远高于平均水平）。

这一转变并不意味着每个非开发者都在以工程师的方式使用 Codex。相反，它意味着越来越多的非开发者正在运用 Codex 执行某些形式的智能体辅助工作。

Codex 使非技术部门能够加速那些过去因缺乏技术专长而受阻的工作流程。下方的热力图对比了 OpenAI 内部的推断职位与 Codex 输出结果中所代表的工作类型。在数据科学与研究领域，工程与编程是占比最大的类别；而在财务、业务运营、市场营销、常规运营及其他部门中，知识型工作则占据了最大比例。

也就是说，智能体工具能够拓宽个体员工的工作能力边界。例如，在商业职能部门员工使用 Codex 完成的工作中，超过四分之一属于工程或编程范畴。智能体能够降低跨越任务边界的成本，协助员工完成过去需要更加专业的技术支持才能应对的相邻领域工作。

非工程师员工越来越多地使用智能体工具，拓展了这些员工的工作能力边界。这对于决定如何重构工作流程的企业、对于正在评估哪些技能将变得更具价值的员工，以及对于试图了解 AI 将如何改变劳动力市场的政策制定者和研究人员而言，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智能体工具。我们的研究结果揭示了，当人们能够以广泛且低门槛的方式接触到强大的智能体工具时会发生什么：随着工具的不断演进，人们会将其应用于周期更长、更加复杂且更具跨职能属性的工作中。这极有可能成为未来工作模式的真实写照。