三句话速览
- 01
领先企业与普通企业之间的 AI 使用差距，不是缓慢扩大，而是随着代理式工作从 2.6 倍跃升到 8.3 倍。
- 02
领先者不再只让 AI 写一段文字，而是提供上下文、工具和可验证标准，把综合、执行、维护等系统级任务委托给代理。
- 03
决定差距的不是模型本身，而是组织能否打破旧工作习惯，把技能、插件、责任边界和跨团队协作变成可复制的工作系统。
AI 领先优势正在复利化：当组织从“向聊天框提问”升级为“把可验证工作交给代理”，每次成功都会沉淀上下文、技能和流程，使下一次委托更容易、更大、更有价值。
10 条核心观点
01领先用户与平均用户的差距急剧扩大
The usage gap between frontier firms and typical firms expanded from 2.6 times in January to 8.3 times by June.
前沿企业与普通企业之间的使用差距，从一月的 2.6 倍扩大到六月的 8.3 倍。
- frontier firm：月度人均输出 token 位于前 10% 的企业
- typical firm：位于第 45–55 百分位的普通企业
- usage gap：按人均输出 token 衡量的使用差距
原文语境
节目转述 OpenAI 的 Enterprise Signals 数据，并说明前沿企业按月度活跃用户的人均输出 token 定义。
观点解读
这是使用量代理指标，不等同于生产率 8.3 倍；它的重要性在于显示领先者正在把更多工作交给 AI。
02代理让 AI 承接更难、更复杂、更重要的工作
Agentic workflows let AI take on work that is more difficult, complex, and consequential than ordinary chat assistance.
代理式工作流让 AI 承担比普通聊天辅助更困难、更复杂、也更重要的工作。
- agentic workflow：能够规划并执行多步任务的代理式流程
- consequential：会产生实际后果的
- take on：承担
原文语境
开场把 2026 年差距陡增归因于代理用例成熟，使 AI 不只回答问题，而能完成多步工作。
观点解读
调用量增加只是表象；真正的跃迁来自任务价值、持续时间和系统影响范围的增加。
03代理 token 已成为企业输出的多数
By June, agentic work represented 64 percent of enterprise output tokens, while chat accounted for 36 percent.
到六月，代理式工作占企业输出 token 的 64%，聊天式工作占 36%。
- represent：占据、代表
- output token：模型生成的文本单位
- account for：占比
原文语境
节目描述从二月 13% 代理 token、三月 27%、四月底 53%，到六月 64% 的变化。
观点解读
主持人明确提醒：这不表示 64% 的使用次数都是代理，而是按输出 token 估算的工作量更偏向代理。
04非技术岗位的代理使用增长最快
Nontechnical roles are showing the fastest growth in enterprise Codex usage despite starting from a smaller base.
尽管起点较低，非技术岗位的企业 Codex 使用增长最快。
- nontechnical role：非技术岗位
- smaller base：较低的初始基数
- enterprise usage：企业场景使用
原文语境
节目转述二月至今工程技术岗位约增 5 倍，财会 20 倍、营销传播 26 倍、招聘与销售 41 倍、法律 108 倍。
观点解读
增幅受低基数影响，不能直接比较绝对使用量，但说明代理式工作已明显越过软件工程边界。
05领先不是模型问题，而是工作方式问题
The widening lead comes from how organizations put models to work, not merely from having access to better models.
不断扩大的领先优势来自组织如何使用模型，而不只是能否获得更好的模型。
- widening lead：持续扩大的领先幅度
- put models to work：把模型投入实际工作
- merely：仅仅
原文语境
OpenAI 将核心变化概括为从 assistance 到 delegation，并强调上下文、工具和复杂任务。
观点解读
同样的模型在不同组织产生不同价值，关键变量是流程、数据访问、评测、授权和责任设计。
06插件和技能是复利的基础设施
Frontier firms have far more employees using plugins and reusable skills than typical firms.
前沿企业中使用插件与可复用技能的员工比例，远高于普通企业。
- plugin：连接外部应用或数据的能力组件
- reusable skill：封装常见流程的可复用指令
- far more：显著更多
原文语境
普通企业约 9% 周活用户使用插件、3% 使用技能；前沿企业约 21% 与 19%；节目还转述 OpenAI 内部为 95% 与 93%。
观点解读
插件扩展可行动范围，技能把成功方法固化；二者让一次探索变成全组织可重复的资产。
07知识工作必须补齐上下文和可验证性
General knowledge work becomes agent-ready when teams provide clear context, specifications, and criteria for verification.
当团队提供清晰上下文、任务说明和验证标准时，一般知识工作才会适合代理执行。
- agent-ready：具备交给代理执行的条件
- specification：明确任务说明
- criteria for verification：验证标准
原文语境
节目引用 OpenAI：代码库天然提供上下文、测试和反馈，而知识工作常常语境有限、难以说明、缺乏验收标准。
观点解读
非技术团队不应只等待模型变强，而应主动把材料、规则、样例和验收方式结构化。
08高价值用例沿阶梯从生成走向维护
Advanced AI use climbs a ladder from generation to synthesis, execution, and ongoing system maintenance.
高级 AI 使用沿着一条阶梯，从生成走向综合、执行，再走向持续的系统维护。
- synthesis：综合多个信息源
- execution：在现有系统中实际执行
- ongoing maintenance：持续维护
原文语境
主持人提出四级用例阶梯：生成邮件或公式；综合异质数据；操作系统执行；长期维护工作系统。
观点解读
越往上，价值与风险同时增加，因此需要更强权限边界、日志、回退和人工审阅。
09代理负责覆盖与协调，人负责风险与问责
Agents can own coverage and coordination while people retain risk judgment and accountability.
代理可以负责覆盖面与协调，而人保留风险判断与问责责任。
- coverage：全面检查与处理
- coordination：跨步骤协调
- accountability：对结果承担责任
原文语境
法律案例中，代理可比较条款、标记偏差、起草红线、记录决定和监控承诺；人负责重大条款、风险容忍度和最终批准。
观点解读
清晰分工避免两个极端：把代理限制成写作工具，或让其在不可逆决定上无监督行动。
10下一轮增益将来自多人和跨团队 AI
The next wave of gains will come from multiplayer AI that connects work across teams instead of keeping agents in individual silos.
下一波收益将来自连接跨团队工作的多人 AI，而不是把代理留在个人孤岛中。
- multiplayer AI：多人共享上下文并协作的 AI
- individual silo：个人信息孤岛
- next wave of gains：下一轮增益
原文语境
主持人认为即使前沿用户已进入执行和维护层，许多代理仍只服务一个人；跨团队交汇处存在更大潜力。
观点解读
多人化要求共享上下文、权限、交接和责任记录，也是从个人效率走向组织能力的关键。
深度分析
差距来自复利，而不是一次性提效
领先团队每完成一个代理流程，就会沉淀更多上下文、技能、插件和验收数据；这些资产降低下一次委托成本，形成正向循环。
落后团队若仍把 AI 当作临时聊天工具，得到的是孤立回答，几乎没有可复用组织资产。
知识工作需要被“工程化”，但不必变成代码
代码天然拥有版本、测试与明确失败信号；合同、营销、财务等工作也需要建立对应的材料边界、样例、审核规则和责任人。
这种结构化不是消灭专业判断，而是让专业判断集中在高风险例外和最终问责。
成熟度的终点是组织级代理系统
生成和检索主要提高个人速度，执行与维护开始改变系统运行；多人 AI 则把价值扩展到跨团队交接。
因此权限、共享上下文、观测性与治理不会是附属功能，而是下一阶段产品和组织设计的核心。
值得回听的时间点
8.3 倍差距
用核心数据说明代理正在拉开使用鸿沟。
旧工作习惯与心智肌肉
解释普通用户为何难以改变已熟练的手工流程。
非技术岗位增长
展示 Codex 从工程扩展至法务、销售和财务。
前沿企业的两条主线
更多委托给代理，领先优势随之复利。
聊天与代理 token 反转
代理输出从 13% 升至 64%。
2.6 倍到 8.3 倍
定义前沿企业并解释差距变化。
技能与插件采用
比较普通企业、前沿企业与 OpenAI 内部。
用例阶梯
从生成、综合走向执行和维护。
多人 AI
预测跨团队协作成为下一轮增益。
人物、工具与数字
立场与分歧
共同立场
- 领先组织通过委托、上下文与工具扩大代理价值。
- 一般知识工作要有明确验证标准才能安全扩展。
主要分歧
- OpenAI 强调模型与强化学习进步；主持人更强调用户自己发现了适合本组织的代理模式。
- 输出 token 是工作量代理指标，不是直接生产率或商业价值。
工作启发与行动
- 企业 AI 规划应从“开通账号”升级为“建立可委托任务组合”。
- 技能与插件的使用率可以成为组织代理成熟度的先行指标。
- 非技术团队需要为知识工作补齐上下文包、验收标准与权限边界。
- 领先差距具有复利特征，等待模型进一步成熟可能让组织流程差距更难追赶。
可以从这里开始
- 本周选一个高频知识流程，拆成生成、综合、执行、维护四层。
- 为该流程整理输入材料、决策规则、成功样例和明确验收标准。
- 先让代理处理可逆步骤，并保留日志、人工批准和回退路径。
- 把稳定做法封装成技能，把所需数据连接封装成插件或受控工具。
- 每月跟踪活跃代理用户、技能采用率、成功任务成本和人工返工率。
- 选择一个跨部门交接点，试验共享上下文与责任明确的多人代理流程。
事实、观点与不确定项
以下沿用历史报告的标注与判断，归档迁移未对节目事实重新核验。
历史稿标注的事实
- 单集由官方 RSS 于 2026-08-26 03:35:31（北京时间）发布，时长 27:54。
- 完整官方 RSS 音频经本地语音识别转写，并抽查开头、中段和结尾。
- 节目明确引用 OpenAI 的 Enterprise Signals 研究并区分聊天与代理 token。
观点与判断
- 代理使用会让领先企业的优势继续复利，是主持人的核心推断。
- 跨团队多人 AI 将带来下一轮收益，是主持人的预测。
- 2026 是“代理真正成为现实的一年”，属于节目观点。
仍需留意
- 所有企业采用率与倍数均为节目对 OpenAI 研究的转述，本报告未独立审计底层样本。
- 输出 token 会受任务长度与模型行为影响，不能等同于完成任务数。
- 语音识别对少量专有名词可能存在拼写误差，关键数字已按音频上下文复核。
金句与关键词
The numbers do not lie.“数字不会说谎。”这句短语强调代理采用的变化已不只是趋势判断；但报告仍需谨慎解释 token 指标的边界。
回到原始内容
保留历史报告的观点与证据边界。英文观点句沿用原稿标注，转述句不作为逐字引用。了解编辑说明
收录于 2026-08-26