当我们谈论AI时,大多数人想到的可能是ChatGPT帮我们写邮件、回答问题。然而在企业世界里,AI正在掀起一场更深刻的变革。过去三年里,AI在消费者端的影响最为明显,但历史经验告诉我们,从蒸汽机到半导体,每一项通用技术真正创造经济价值的时刻,都是在企业将其转化为规模化应用之后。OpenAI的数据显示,企业AI应用正在进入这个关键阶段。
报告揭示了四个核心发现。第一,企业使用AI的规模和深度都在急剧增长,ChatGPT的消息量同比增长了8倍,通过API接口进行推理计算的用量增长了320倍。第二,使用AI的企业正在获得可衡量的生产力提升和业务成果,员工平均每天节省40到60分钟,并能完成以前无法胜任的技术任务。第三,企业AI的增长是全球性的,各行业都在快速加速,过去12个月里,中位数行业增长超过6倍,科技行业更是达到11倍。第四,领先者和落后者之间的差距正在拉大,最前沿的员工发送的消息量是中位数员工的6倍,最前沿的企业人均消息量是中位数企业的2倍。
这份报告基于两个主要数据来源。一个是OpenAI企业客户的去身份化、聚合使用数据,另一个是覆盖近100家企业、9000名员工的调研。所有分析都经过脱敏处理,没有任何OpenAI员工查看过单个企业的具体数据。报告特别强调,他们观察到的不仅是AI工具的普及,更是AI如何深入到企业的核心工作流程中,成为日常运营的基础设施。
企业AI使用的加速与深化:从试水到深度整合
过去一年里,企业采用AI的方式发生了质的变化。不再是零星的尝试,而是将AI系统性地嵌入到可重复的、多步骤的工作流程中。数据说话最有说服力:OpenAI现在服务超过700万个ChatGPT企业席位,企业版座位数同比增长约9倍。
从2024年11月开始,每周企业消息总量增长了约8倍,而平均每位员工发送的消息增加了30%。这两个数字结合起来,意味着不仅使用AI的人变多了,每个人使用的频率和强度也在提升。这种增长不是表面的,而是反映了AI正在真正融入日常工作。
报告特别指出了两个标志性的变化,说明AI已经从辅助工具变成了工作流程的核心组件。
首先是定制GPTs和项目功能的爆发式增长。GPTs和Projects是基于ChatGPT构建的可配置界面,企业可以给它们设定特定指令、加载专有知识、连接内部系统,从而执行重复性的多步骤任务。想象一下,这就像给每个部门配备了一个专属助手,这个助手不仅懂公司的业务规则,还能自动执行标准化流程。
今年以来,每周使用定制GPTs和Projects的用户增长了约19倍。最近几个月,企业发送的所有消息中,约20%是通过定制GPT或项目处理的。最广泛部署的GPTs要么将公司的制度知识编码成可复用的助手,要么通过与内部系统集成来自动化工作流程。一些组织已经建立起了大规模开发和分享定制GPTs的文化。西班牙对外银行BBVA就是典型案例,他们定期使用超过4000个GPTs,这表明AI驱动的工作流程已经变成了日常运营中持久存在的工具,而不是偶尔用用的新鲜玩意。
其次是开发者和API工作流的快速扩展。企业通过API接口将模型直接整合到自己的产品和系统中,可以实现高度的控制和定制。当企业从实验阶段转向生产部署时,API消费量迅猛增长。现在已有超过9000个组织处理了超过100亿个token(可以理解为AI处理的文本单位),近200个组织超过了1万亿token。
平均每个组织的推理token消费量在过去12个月增长了约320倍。这个数字背后的意义是,更智能的模型正在被系统性地整合到不断扩展的产品和服务中。代码生成工具Codex虽然还处于企业应用的早期阶段,但增长势头迅猛,团队开始用它完成端到端的软件任务:代码生成、重构、测试和调试。过去六周的数据显示,Codex的每周活跃用户增长了2倍,每周消息量增加了约50%,这表明AI辅助开发正在企业内部快速渗透。
这些变化共同指向一个趋势:AI不再是个人生产力工具的附加功能,而是正在成为企业运营的基础设施。就像电力从照明工具演变为工业革命的动力来源一样,AI也在经历从辅助到核心的转变。
员工的实际收益:时间节省与能力扩展
在大多数场景下,AI帮助员工更快地产出更高质量的工作。不过生产力提升只是故事的一部分,AI更在重塑工作本身的性质。来自近100家企业的调研数据揭示了各个职能部门的实际收益,以及谁在做专业技术工作这个问题的答案正在改变。
调研显示,75%的受访员工表示,在工作中使用AI提升了他们的速度或质量,或者两者兼有。平均而言,ChatGPT企业版用户认为AI每个活跃工作日为他们节省了40到60分钟。不同职能的时间节省有所差异:数据科学、工程和沟通类岗位的员工节省时间更多,达到每天60到80分钟。从每条消息的时间节省来看,会计和财务用户受益最大,其次是分析、沟通和工程职能。
这些收益转化为各职能部门广泛的运营改善。87%的IT员工表示IT问题解决速度更快了,85%的市场和产品人员表示活动执行更快,75%的HR专业人士表示员工参与度提高,73%的工程师表示代码交付速度加快。这些结果表明,生产力收益已经在核心企业职能中实现,不仅限于早期采用的技术岗位。
然而更有意思的变化是,AI不仅在加速现有工作,还在扩展员工能够完成的任务范围。多项研究发现,AI具有均衡化效应,对表现较弱的员工帮助更大。OpenAI的调研结果与这些发现一致:75%的员工表示能够完成以前无法执行的任务,包括编程支持和代码审查、电子表格分析和自动化、技术工具开发和故障排除、以及定制GPT或智能体设计。
这种个人能力的拓展在技术场景中尤为明显,非技术团队越来越多地参与编程和数据分析工作,而这些工作以前是专业角色的专属领地。在ChatGPT企业版用户中,所有职能部门的编程相关消息都在增加。除了工程、IT和研发部门之外,其他部门的编程相关消息在过去六个月平均增长了36%。市场人员开始写简单的数据处理脚本,HR专业人士学会了用代码分析员工数据,这在以前是不可想象的。
在个人层面,影响随着AI使用深度的增加而放大。大样本数据显示,节省的时间与使用更高级ChatGPT功能相关,包括深度研究、GPT-5推理和图像生成等。消耗最多智能资源(以使用的积分衡量)的员工报告节省的时间更多。每周节省超过10小时的员工不仅使用了更多智能资源,还使用多个模型、接触更多工具、在更广泛的任务类型中使用AI。报告显示,节省时间超过10小时的群体使用的积分是节省时间少于2小时群体的8倍。
调研还发现,用户从AI获得的收益与使用的任务类型多样性直接相关。使用数据显示,在大约七种不同任务类型中使用AI的用户,报告节省的时间是只在约四种任务类型中使用AI的用户的五倍。这些任务类型包括数据分析、编程、图像生成、翻译、写作、文本编辑等。换句话说,AI的价值与使用的深度和广度成正比。
行业与地域的增长格局:全球化与差异化并存
过去一年,随着企业从AI试点转向全面部署,整体采用速度非常快,同时不同行业和地区之间存在显著差异。
从行业角度看,OpenAI客户增长呈现出广泛的基础,中位数行业的同比增长超过6倍,即使增长最慢的行业也超过2倍。科技、医疗和制造业增长最快,而金融和专业服务行业则在绝对规模上领先。
具体来说,增长最快的三个行业是:科技行业同比增长11倍,医疗行业增长8倍,制造业增长7倍。从绝对数量看,ChatGPT企业版客户目前最集中在专业服务、金融和科技领域,这些是早期采用者并继续保持领先的使用规模。医疗和制造业虽然起点低得多,但现在已经跻身增长最快的行业,正在迅速缩小差距。
不同行业使用API的方式也反映了各自的业务特点。API最常用于构建和扩展面向客户的应用程序,比如产品内助手、搜索和自动化,科技公司在这方面尤为突出。但用途正在多样化:客服和内容生成现在占API活动的约20%,非科技公司的API使用同比增长5倍。这种模式表明,采用正在从科技主导的产品嵌入扩展到更广泛的运营和工作流部署。
科技公司的API使用率同比增长5倍,主要用于扩展面向外部客户的应用程序。他们在编程工作流方面也处于领先地位,前沿模型如Codex正在加速软件开发。科技公司最主要的API用例包括应用内助手和搜索、智能体工作流自动化、编程和开发者工具、客户支持、以及数据分析和提取。
专业服务行业将API支出集中在编程和开发者工具上,用于构建定制工具,以加速交付、改善客户体验(通常通过个性化)并启用助手应用。他们的主要用例依次是编程和开发者工具、内容和创意生成、应用内助手和搜索、客户支持、智能体工作流自动化。
金融机构往往从客户支持开始,因为支持是一个规模大、可扩展的成本中心,投资回报已经得到验证。编程和开发者工具排在第二位,因为金融公司在投资系统迁移以及为交易、风险和合规构建定制应用。金融行业的主要用例是客户支持、编程和开发者工具、智能体工作流自动化、应用内助手和搜索、以及数据分析和提取。
从地域来看,虽然早期AI采用主要集中在美国,但国际增长现在正在迅速加速。在最大的市场中,澳大利亚、巴西、荷兰和法国的商业客户增长最快,同比增长超过143%。商业客户的ChatGPT使用在全球范围内持续扩大,美国、德国和日本是按消息量衡量最活跃的市场。英国和德国现在跻身美国以外最大的ChatGPT企业版市场,按客户数量计算。国际API客户增长在过去6个月超过70%,日本拥有美国以外最多的企业API客户。
具体数据显示,澳大利亚的付费商业客户数量增长了187%,巴西增长161%,荷兰增长153%,法国增长146%,加拿大增长144%,全球平均增长143%。美国增长142%,德国增长138%,英国增长133%,日本增长130%。这些数字说明,AI的企业应用已经成为全球性现象,不再局限于特定地区。
领先者与落后者的鸿沟:深度使用的价值
不同行业和企业内部个人之间,AI使用方式的差异非常明显。这条鸿沟是扩大还是缩小,将取决于组织如何处理变革管理,以及他们构建成功部署AI所需的系统、技能和运营模式的能力。
为了更深入理解这条日益扩大的鸿沟,报告对比了前沿员工(定义为采用强度处于第95百分位的员工)和中位数员工。前沿员工生成的消息量是中位数员工的6倍。即使在数据分析岗位的员工中,前沿员工使用数据分析工具的频率也是中位数的16倍。
不同任务类型的差距更加惊人。前沿员工和中位数员工之间的差距在写作、编程和分析方面最大。编程显示出最大的相对差距,前沿员工发送的消息量是中位数的17倍。具体来看,操作指导和程序性指引方面,前沿员工是中位数的9倍;信息收集是9倍;分析和计算是10倍;创意媒体是8倍;写作和沟通是11倍;编程则高达17倍。
这些差异很重要。使用数据与调研结果相匹配显示,在大约七种任务类型中使用AI的用户报告节省的时间,是只在约四种任务类型中使用的用户的五倍。也就是说,用户从AI获得的收益与使用深度直接成正比。
即使在活跃的ChatGPT企业版用户中,许多人也没有尝试过一些最强大的工具。在每月活跃用户中,19%从未使用过数据分析,14%从未使用过推理功能,12%从未使用过搜索。在每日活跃用户中,这些比例降至3%、1%和1%。这说明企业在提高AI成熟度方面仍有巨大空间。
在企业层面,采用强度的差距与个人层面观察到的类似。前沿企业(第95百分位)人均消息量约为中位数企业的2倍,发送给GPTs的消息量是中位数的7倍,表明组织整合和工作流标准化程度明显更深。这些企业系统性地投资于所需的基础设施和运营模式,将AI嵌入为核心组织能力,而不是边缘的生产力工具。
报告强调,模型的能力远超大多数组织已嵌入工作流程的程度,这为企业提供了机会。领先者和落后者之间的差距不是因为工具不可用,而是因为组织准备程度和使用深度的差异。
商业影响的实证:六个典型案例
报告通过六个案例研究展示了AI如何在不同组织背景下产生可衡量的商业成果。这些影响不是一刀切的解决方案,而是将AI应用于特定运营和战略挑战的结果。在这些案例中,AI与收入增长、客户体验改善、手工流程自动化和产品开发加速相关联。
客户服务平台Intercom使用OpenAI的实时API构建了Fin Voice,提供低延迟的企业级语音AI智能体。Fin是Intercom的客户服务AI智能体,在聊天、电子邮件和社交渠道上提供业界领先的解决率,每月解决数百万客户查询。但将Fin扩展到新渠道——电话——带来了新的关键挑战:延迟。在电话支持中,问题通常很紧急,即使短暂的停顿也会破坏客户体验,导致来电者放弃或升级到人工。Intercom在实时API上构建了Fin Voice,大幅降低延迟并实现自然的、可中断的电话对话。实时API的低首token时间、强大的指令遵循能力和可靠的工具调用能力,使Fin Voice能够以高质量和可靠性处理复杂的多步骤请求。自3月以来,通过Fin Voice使用实时API生成答案,延迟降低了48%。凭借更快的响应,客户看到Fin Voice平均端到端解决53%的通话,考虑到电话通常比聊天复杂得多,这是一个显著的结果。客户报告,一旦Fin Voice完成初始步骤,最终需要人工智能体的通话解决速度提高40%,提高了高接触通话的效率。鉴于人工处理的支持对话通常成本在5到20美元以上(取决于地区和行业),Fin每年已为客户节省数亿美元。
家居建材零售商Lowe's部署了Mylow和Mylow Companion,为每位在线访客和店内员工提供专业的家居改善指导。Lowe's需要向在线购物者提供专业的家居改善指导,并帮助店内员工(尤其是新员工)在1700多家门店中始终如一地回答复杂问题。Lowe's在Lowes.com上部署了Mylow来提供客户项目和产品建议,并在每家门店为员工部署了Mylow Companion。自今年3月推出以来,Mylow和Mylow Companion每月回答近100万个问题,涉及产品规格、项目知识到客户订单状态等各个方面。Mylow在Lowes.com和屡获殊荣的Lowe's移动应用上可用。当客户在在线访问期间与Mylow互动时,转化率翻了一倍多。Mylow Companion部署在100%的门店,每周回答数十万个员工问题。当员工使用Mylow Companion帮助在过道购物的客户时,Lowe's看到客户满意度分数提高200个基点。
招聘平台Indeed使用GPT驱动的职位匹配和职业指导来改善求职者和雇主的招聘结果。Indeed的使命是帮助人们找到工作。求职者在搜索、评估匹配度和申请职位时可能会遇到阻力,而雇主希望为他们的空缺职位获得更多合格的申请人。双方都受益于更深入的个性化和关于什么构成强匹配的更清晰的背景信息。为了解决这种阻力,Indeed推出了一套AI驱动的产品,使用其专有AI匹配求职者和雇主,加上GPT驱动的解释,帮助解释为什么他们很适合。Indeed邀请申请使用AI大规模生成和发送情境化、个性化的工作邀请,帮助候选人理解为什么某个职位是强匹配,并改善雇主覆盖面。Indeed职业侦察员充当AI职业教练,加速工作发现并简化求职者的申请流程。在实验中,带有大语言模型生成解释的邀请申请使开始申请增加20%,并使下游成功(面试和录用)比传统匹配提高13%。早期结果显示,使用职业侦察员的求职者找到并申请相关工作的速度快7倍,被录用的可能性高38%,84%的人认为它有价值。
西班牙对外银行BBVA部署了一个法律AI聊天机器人,即时验证企业签署授权并解除分行商业运营的障碍。在墨西哥,BBVA必须执行法律检查(也称为bastanteo)以确认公司代表有权在关键交易进行之前代表公司签署和行事(例如开户、签订合同、发放信贷)。历史上,这个过程依赖于专业法律团队响应重复性分行查询,造成延迟、瓶颈和对稀缺法律能力的高需求。BBVA构建了一个生成式AI聊天机器人,为常见签署授权问题提供对标准化、预验证法律常见问题和文档指南的即时访问。内容由BBVA法律服务团队开发和审查,减少了日常查询的手工处理,并使批准的法律指导始终可用。使用ChatGPT企业版构建的解决方案每年自动化超过9000个查询,使BBVA能够重新部署相当于3个全职员工来生产超过11000个bastanteos,实现法律服务部门年度节省目标的26%。
医疗保险公司Oscar Health部署了面向会员的聊天机器人,实时回答福利、费用和一般健康问题,帮助会员应对医疗系统的复杂性。对许多人来说,医疗系统可能难以理解和导航。理解福利、找到合适的医生、估算护理费用和获得问题的清晰答案通常既具有挑战性又耗时。这部分是因为做出正确决策所需的数据通常存在于不同的地方,包括门户、福利文件和过去就诊的医生笔记。Oscar希望创建一个单一、值得信赖的入口点,帮助会员更好地理解和导航医疗系统。Oscar开发了一对面向会员的聊天机器人,按需实时回答会员福利、费用和一般健康问题。与通用AI聊天机器人不同,这些与Oscar系统和数据集成,允许它们从医疗记录、索赔和客户服务互动中提取信息以个性化响应。他们的聊天机器人还可以协助完成常见任务,包括查找网络内医生和补充处方。结果是一个可以解决广泛问题和任务的平台,包括理解福利、支持症状相关问题、准备就诊和解释后续指示,同时根据需要将会员升级到提供者或护理指南。他们的平台即时回答58%的福利问题,能够处理39%的福利消息而无需任何人工升级。今天,他们现在拥有未来能力的基础,包括预约预订、语音交互和特定疾病管理。
生物技术公司Moderna使用AI大幅缩短了目标产品概况开发时间。编写目标产品概况(TPP)通常是一项需要数周的跨职能工作,涉及临床、产品和营销角色的团队。团队必须审查和处理大量证据包,有时多达300页的信息,以创建这些产品开发蓝图。使用ChatGPT企业版,Moderna简化了TPP起草和分析工作流程的大部分内容。系统帮助从大型数据包中提取关键事实和假设,生成结构化草稿部分,并向提供人工监督的团队标记重要细节或潜在错误。TPP的延迟或错误可能影响下游活动,如研究规划、跨职能对齐和产品发布准备。通过减少审查、交叉引用和整合大型证据包所需的时间,团队可以花更多时间对权衡进行压力测试,并在TPP创建过程中更早做出更高质量的决策。Moderna报告,在某些情况下,这个过程中的核心分析步骤已从几周减少到几小时,并相信TPP早期规划中获得的每一天都可以帮助公司更快地为患者提供服务。
这些案例并非孤立现象。外部研究显示,AI采用正在开始影响核心财务绩效指标。波士顿咨询公司2025年的一项研究发现,过去三年,AI领导者实现了1.7倍的收入增长、3.6倍的股东总回报和1.6倍的息税前利润率。他们在非财务指标上也表现优异,如专利产出和员工满意度,将AI成熟度与财务和组织实力联系起来。虽然这些证据仍处于早期阶段,但表明AI采用与改善的财务绩效和组织成果相关。
领先企业的共同实践:组织准备度决定成败
在实践中,领先企业始终做好几件事情。
第一是通过启用上下文实现深度系统集成。他们打开连接器,让AI安全访问核心工具中的公司数据,实现上下文感知的响应和自动化操作。大约四分之一的企业仍未采取这一步骤。
第二是工作流标准化和重用。他们积极推广为常见任务创建、共享和发现可重复解决方案。GPTs通常支持这项工作,而最复杂的组织将API驱动的助手直接嵌入核心内部系统。
第三是高管领导和赞助。他们设定明确的指令、确保资源、协调团队,并为实验创造空间,所有这些都使大规模部署成为可能。
第四是数据准备和评估。他们将制度知识编码为机器可读的例程,为关键数据管道构建API,并运行持续评估以跟踪模型在实际结果上的性能。
第五是审慎的变革管理。他们建立加速组织学习的结构,将集中治理和培训与通过嵌入式AI拥护者的分布式赋能相结合。
AI格局正在快速演变,OpenAI大约每三天发布一个新功能或能力。组织面临的主要约束不再是模型性能或工具,而是组织准备度。
结语:早期阶段的深远影响
在OpenAI超过100万商业客户中,AI正在被嵌入到不断扩展的工作流程、产品和内部系统中。采用是广泛基础的,并在各行业和地区加速,尽管整合深度因组织而异。
数据表明使用深度很重要。更一致地使用高级工具(如推理模型、数据分析、定制GPTs、项目和API)的员工和企业,报告的生产力收益和任务覆盖范围都大于使用仍然有限的员工和企业。
AI也正在改变谁执行某些类型的技术工作。编程和分析任务越来越多地出现在传统专业角色之外,扩展了一些非技术团队能够做的事情。与此同时,行业模式仍然不同,反映了科技、专业服务、金融、医疗、制造等领域的不同运营需求。
尽管AI采用存在日益扩大的差距,企业AI仍处于早期阶段。企业有机会通过采用前沿员工和组织的模式来迎头赶上。随着企业AI的成熟,企业将越来越多地将AI能力转化为产品和服务,通过更快的迭代、更深的个性化和新体验提供新的价值来源。成功将这些能力引入面向市场的工作流程的组织将使用AI不仅作为生产力工具,而且作为收入增长和竞争优势的持久引擎。
报告最后展望,企业AI的下一阶段将由在经济价值任务上更强的性能、对组织背景的更好理解,以及从向模型要求输出转向委托复杂的多步骤工作流程所塑造。随着这些能力的成熟,我们期望组织不仅提高效率,而且发现服务客户和提供价值的新方式。这份报告中的发现代表了AI如何开始重塑现代企业的早期迹象。随着企业AI的发展,OpenAI将继续分享关于AI如何影响企业、员工和更广泛经济的真实世界证据。
