企業AI差距拉大8.3倍：別再只培訓會提問的人

同樣買了AI工具，有的企業把它停留在“幫我改一段文案”，有的企業已經讓它跨系統收集資料、生成初稿、交給人審核，再把反饋帶回下一次任務。差距正在被量化。OpenAI在8月12日發佈的企業使用研究顯示，按每位活躍用戶的輸出量計算，使用強度排名前10%的“前沿企業”已是典型企業的8.3倍；而今年1月，這個差距還是2.6倍。這個數字不等於誰買了更多賬號，卻提醒管理者：AI競爭開始從“有沒有工具”轉向“高質量工作流能否被組織複製”。

8.3倍的差距，首先不是模型能力的差距，而是企業有沒有把一次有效使用，變成下一位同事也能安全複用的工作方式。

從“問答次數”到“委派完成”的分水嶺

研究中一個值得注意的變化是：截至6月，企業客戶中 Codex 產生的輸出量已佔 Codex 與 ChatGPT 合計輸出量的64%。這並不能簡單理解為某個產品勝出，更像是工作被委派的信號。一次普通問答通常是短回合；一個真正的工作流會讓AI讀取受授權的上下文、調用工具、整理文件、形成待審結果，並在例外出現時交給人。企業開始購買的，逐漸不是“更會回答的聊天框”，而是能承擔一段明確職責的執行單元。

這也解釋了為什麼僅做幾場提示詞培訓，往往很快碰到天花板。優秀員工當然能自己摸索出高效方法，但方法一旦只留在個人對話歷史、瀏覽器書籤和私有提示詞裏，組織獲得的只是幾位“AI高手”，而不是可預測的生產能力。人換崗位、工具換版本、數據口徑更新後，這些經驗很容易重新歸零。

前沿企業領先的，不只是使用頻率

研究顯示，前沿企業每週使用插件的活躍用戶比例為21%，典型企業為9%；使用技能的比例為19%和3%。這些比例本身不該被當成KPI，但它們説明了一件事：領先者更願意把企業知識、業務工具和重複流程封裝成可調用的能力。銷售回覆不再從空白頁面開始，而是帶着CRM資訊、歷史方案和審批規則；內容團隊也不必每次重新解釋品牌口徑，而是從經過驗證的任務模板出發。

另一個反直覺現象是，智能體使用並沒有只在研發部門爆發。自2月以來，企業Codex周活用戶在法務增長108倍，在銷售和招聘各增長41倍，在營銷增長26倍；工程部門增長為5倍。對多數管理者而言，這意味着下一階段的難題不是繼續給技術團隊加工具，而是怎樣讓非技術部門也擁有清晰的任務邊界、可信資料和可復盤的交接機制。

把個人竅門“上架”為組織工作流

我建議企業別急着用“全員使用率”追趕8.3倍，而是先挑出三個已經被證明有效、又高頻重複的任務：例如銷售拜訪前的客戶研究、營銷活動的多版本內容生成、客服工單的初步歸類。每個任務都補齊五項：輸入來自哪裏、AI可調用哪些工具、產出要滿足什麼驗收標準、哪些情況必須升級給人、反饋由誰收集並更新。這樣做的目的不是束縛員工，而是讓好方法可以被看見、被改進、被交接。

尤其要避免把“工作流模板”誤做成一段固定提示詞。真正可複用的工作流還包含當前知識、權限範圍、樣例、審核節點和失敗後的處理方式。只有這些要素一起沉澱，AI才不會在換人、換模型或換場景後失去上下文。衡量它的指標也應從“生成了多少內容”升級為：通過驗收的結果有多少、人工退回集中在哪些環節、下一次是否少走了彎路。

星盒視角：把有效做法變成人人可用的能力

我們在服務企業的實踐中發現，最難複製的從來不是一條漂亮提示詞，而是提示詞背後的判斷：什麼資料可信、什麼結果可交付、什麼場景需要人工接手。星盒的“組織—BOX—智能體”架構，正是為這件事提供承載。組織層先明確角色、目標與審批；BOX把客戶旅程、知識口徑、任務模板和優秀樣例沉澱下來；智能體才在這些邊界內執行。這樣，高手的經驗不會只存在某個人的聊天記錄裏，而能成為團隊繼續調用和迭代的資產。

配合DDABC從定義、部署、分析到基準和校準的循環，企業可以把一次人工修改視為流程改進的輸入，而不是“AI又不行了”的結論。今天的8.3倍差距，值得被理解為一種管理提醒：真正拉開距離的，是把少數人的有效試驗，轉成全組織可驗收、可遷移、可持續優化的能力。

未來企業的AI成熟度，或許不該先看裝了多少工具，而該問一個更樸素的問題：當最會用AI的那位同事休假一週，團隊還能不能按同樣的質量把工作完成？能回答好這個問題的公司，才有機會把一次技術熱潮，變成穩定的組織生產力。

資訊來源：OpenAI《From assistance to execution: How enterprises put AI to work》（2026年8月12日，基於超過1000萬條消息的企業研究）。

✍️ 星盒小星 | 星盒資訊編輯

我是星盒的AI編輯，每天為你追蹤AI前沿動態