OpenAI头一回把企业版AI的“后台家底”摊开，8月中旬，它发布了两份相互补充的数据报告：工作论文《How Organizations Use AI: Evidence from ChatGPT》（《组织如何运用人工智能：来自ChatGPT的证据》），以及配套报告《Enterprise Signals》（《企业信号》），它们用真实使用数据，回答了一个此前只能靠猜的问题：企业里到底是谁在用AI、用AI来干什么。论文把ChatGPT Enterprise的企业账户记录，跟员工的职位、岗位任务、上市公司的财务数据“对上账”， 从2024年1月一路分析到2026年3月：员工层面样本覆盖超过1500家组织、1700多万条消息；任务分类样本覆盖973家组织、近870万条消息；还匹配到417家美国上市公司的财务数据。所有结果都做了脱敏和聚合，研究者没有手动翻看任何一条企业消息。（论文地址：https://arxiv.org/abs/2608.12236）结论出人意料，也值得每个管理者细看：最早上车的是大公司，用得最狠的是职场新人。AI的任务清单长得超乎想象，而真正拉开差距的，不是“会不会用AI”，而是“能不能让AI把一件活干完”。增长不是“一锤子买卖”论文以“每家企业、每个自然周”为一个统计单位，追踪从2024年1月到2026年3月采用ChatGPT Enterprise的企业，记录它们每周的消息数、活跃用户数，以及ChatGPT和Codex共同产出的输出token，并在每家企业采用6个月后（第26周）做一次统一观测。先看总量。ChatGPT Enterprise客户生成的输出token，在2025年6月到2026年3月之间增长了约7倍。更值得注意的是增长的结构——其中约一半来自已经采用的企业在“加码”：同一批在2024年1月到2025年6月之间上车的企业，输出token在同期也增长了约4倍。企业AI输出token持续攀升：2025年6月至2026年3月整体增长约7倍（来源：OpenAI论文）换句话说，企业AI不是装上就完事，而是呈现出典型的“越用越深”特征。用量增长背后是两股力量：一是不断有新企业加入，二是老客户越用越多。这次两种力量同时发力，而“老客户越用越多”贡献了约一半的增长，说明AI在组织里逐渐找到了自己的位置。更微妙的是，2026年初，所有不同时间采用的企业，使用量几乎同步加速。这说明，加速不完全是“新手红利”，而更可能来自模型能力本身的提升，让老用户和新用户同时受益。当然，OpenAI自己也承认，token只是衡量使用深浅的一个粗略指标。一条短回答可能价值连城，一段长输出可能毫无用处。但“越用越多”本身，已经是一个清晰的方向信号。最先上车的，是“最有组织”的论文第二个事实，回答了“谁先采用”。把ChatGPT Enterprise采用者跟未采用的美国上市公司放在一起比，差距惊人：采用企业的收入中位数是22.75亿美元，而未采用者只有2.096亿美元，相差约10倍；总资产分别是43.94亿美元对6.68亿美元；员工数2934人对424人；市值49.97亿美元对3.16亿美元；研发支出1.13亿美元对990万美元。采用企业与未采用企业中位数对比：前者规模与投入明显更高（单位：员工数为千人，其余为十亿美元）进一步分析发现，这不是“钱多就买”那么简单。即便把行业和公司规模的影响剔除，人均收入越高的企业，仍然越容易采用AI；还有一个反直觉的发现：人均固定资产越多的企业，反而越不容易采用。也就是说，率先上车的是那些“轻资产、重知识”的公司，而不是重资产的制造企业。规模的作用也显现出来，即公司越大，越早上车。收入排名前25%的企业，采用概率比普通企业高6.9个百分点；前5%的企业高9.8个百分点。即便在同一个行业内比较，前5%的企业也要高出11.3个百分点。比规模更有意思的，是“无形资产”。论文用企业此前多年积累的销售与管理费用、研发投入和软件投入（都按人均计算），来衡量它的“组织底子”，结果发现，这些积累越多的企业，越可能采用ChatGPT Enterprise。这印证了一个老观点：AI不是凭空生效的，它需要“配套能力”来承接，没有现成的组织流程、数据基础和培训体系，模型再强也难落地。这背后的含义有点扎心，历史上，越是先进的通用技术，越是“强者愈强”：大公司、组织底子厚的公司率先采用，也更擅长把技术真正用到日常流程里。如果这个规律重演，生成式AI可能反而拉大企业之间的效率与价值差距——即便底层模型对所有人都开放。真正卷AI的，是职场新人第三个事实，也是全文最有画面感的一个：谁在企业里用得最猛？答案是——资历越浅，用得越凶。不同岗位与资历的AI使用强度：职场新人、分析师用得最勤，高管偏少（来源：OpenAI论文）论文把采用6个月后的活跃用户，按职位和资历拆开看。从职位分布看，工程与技术从业者约占周活跃用户的11%，高管、创始人、合伙人约占9%，财务会计、市场营销各占5%左右。AI的使用横跨几乎所有职能，而不是被程序员“垄断”。从资历分布看，经理与总监约占24%，普通员工约15%，资深骨干约14%，高管约10%，初入职场的员工约7%，同样分布得很散。但这里要区分两个维度：一个是“广度”，指某个群体在每周活跃用户里占多少；另一个是“强度”，指每个活跃用户每周发多少条消息。前者衡量参与面，后者衡量使用深度。真正拉开差距的，是强度。以平均活跃用户为基准，初入职场的员工和实习生，每周发送的消息比平均值高出8到9条；而高管、创始人、合伙人发送的消息明显更少。分析师、市场营销与传播岗位，也是明显的“重度用户”。值得注意的是，这个规律在“同一家公司内部”依然成立，也就是说，不是新人恰好去了用AI更猛的公司，而是在任何一家采用了AI的企业里，年轻人都是最勤快的用户。这套“资历越浅用得越多”的规律，也跟此前关于AI如何影响就业的研究互相印证：AI可能正在降低入门级工作“上手”的门槛，让年轻人用更少的时间完成更多产出。论文还发现，同样是活跃用户，很多经理、总监发消息的频率也偏低，说明“分配任务”和“亲自操作”是两回事。对管理者而言，这意味着培训与激励的对象可能需要重新划定：真正需要被“解放生产力”的，或许恰恰是那些还没坐上管理层、却天天在跟AI较劲的年轻人。从“会问”到“会做”：AI开始自己干活了第四个事实，关于“用来干什么”。论文用自动分类程序，把企业消息归到60种任务类型里，结果发现大家用得“五花八门”，覆盖了几十种工作，而不是集中在少数几种固定用法上。超过一半的活跃用户会用它做文档与技术写作，近一半会做技术、数字类工作，此外还有大量使用分布在沟通、研究、规划、数据分析、法律合规、财务税务等领域。企业AI的任务分布：文档写作最普遍，使用范围覆盖数十种工作（来源：OpenAI论文）还要分清两个维度：一个是“用的人多不多”，有多少人碰过这类任务；另一个是“消息占的比重”，这类任务占总消息的多少。文档与技术写作在这两方面都靠前；而主题概览、法律合规、财务税务这类任务，用的人很广，但每条消息都很“轻”。换句话说，企业AI既在“广撒网”，也在“深挖井”。还有一个细节：始终剩下一大块“其他任务”。这本身就是证据——企业AI的使用范围很广，员工把它用在很多没法被整齐归类的事情上，远不止几个“爆款场景”。任务重点还随行业而变化，金融保险行业里，财务与税务、商业与市场研究类任务明显更多；娱乐、零售、信息等行业，销售与营销类任务更普遍。这说明生成式AI像当年的电脑和互联网一样，正成为各行各业通用的“万能工具”，渗透进日常工作的方方面面。真正把“会问”推向“会做”的，是配套报告《企业信号》的数据。到2026年6月，Codex生成的输出token，已占到企业客户ChatGPT与Codex合计输出token的64%，也就是说，智能体开始接手实质性的、能直接交付的任务。更惊人的是扩散速度：自2月以来，法律、销售、招聘、营销部门的每周活跃Codex用户，分别增长了108倍、41倍、41倍和26倍，而最早用上智能体的工程部门只增长了5倍。前沿企业与典型企业的AI使用差距：半年从2.6倍扩大到8.3倍与此同时，领先者与普通人的差距正在拉大。OpenAI把月人均输出token排名前10%的企业定义为“前沿企业”，把中间10%定义为“典型企业”。2026年1月，前沿企业人均输出token是典型企业的2.6倍；到了6月，这个数字飙到8.3倍。在信息与科技行业，差距甚至达到11.7倍。而典型企业之间，行业差异却很小、增长也慢——这暗示很多企业仍把AI当“高级搜索引擎”，迟迟没有跨过从“会问”到“会做”的门槛。前沿企业的秘密，也不难总结：他们让智能体配齐了三样东西，能读懂工作背景的“上下文”、能连上公司系统和数据的“工具”、能长时间连续干活的“持久力”，让AI真正接入公司的数据、操作真实的应用、自主完成复杂的多步任务；同时也为高风险操作划好边界、保留人工复核。一组数据很能说明问题：前沿企业里，每周有21%的活跃用户在使用插件，典型企业只有9%；而OpenAI内部这个比例高达95%。差距不在“有没有模型”，而在“有没有把AI接进公司的工具、数据和流程”。买得到AI，买不到“落地”把四个事实拼起来，论文想说的其实是一句话：接入不等于落地。一项新技术带来的回报，从来不是装上就能兑现的。电力、半导体、杂交玉米，都经历过一个漫长的“边用边摸索”的过程。企业不断试错、追加配套投入、调整生产方式，直到新技术在日常工作中变得可靠。AI正在重走这条路，而且仍处在很早期。论文最直接的提醒，是别把“全员开通AI”当成终点。同一套模型，在不同企业手里，落地速度、覆盖广度、任务深度可能天差地别。大公司先上车，无形资产多的公司用得好，新人用得猛，智能体正在把“提问”变成“交付”，这些信号拼在一起，指向一个朴素又难做的结论：真正拉开差距的，不是“会不会用AI”，而是“能不能让AI完成一件可检查、可交付的工作”。论文还点出了两层更深的含义。第一，如果最先上车、也用得最深的，永远是那些更大、无形资产更多的公司，那么AI的扩散很可能会先“固化”甚至放大企业间的差异，而不是天然地抹平差距。第二，一家企业采用AI之后，“广度”和“深度”同样重要——技术最终的经济角色，不仅取决于企业有没有接入，更取决于它进入了企业里哪些岗位、被用来做什么。对个人如此，对企业更是如此。技术的门槛在快速消失，而企业的能力门槛，才刚刚开始显形。与其纠结“要不要用”，不如早点回答“用在哪儿、怎么用、谁来用”。毕竟，历史反复证明，通用技术最先眷顾的，永远是那些提前做好准备的人。（本文首发钛媒体APP，作者 | 硅谷Tech-news，编辑 | 焦燕）更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App