OpenAI 5 月 6 号发了一份报告叫 B2B Signals，专门盘企业用 AI 的真实数据。
数据来源很硬：OpenAI 自己后台的去标识聚合数据，不是问卷，不是调研，是真实使用行为的统计。
一句话核心：访问权和使用人数已经不是差距了，差距是"同样的人在用 AI 干多复杂的活"。
前沿企业（使用强度前 5%）现在每员工用掉的 token 量是普通企业的 3.5 倍，一年前还是 2x。
Codex 这种 agentic 工具的差距更猛：前沿企业每员工发的 message 量是普通企业的 16 倍。
下面把数据和案例拆开看。
3.5 倍差距是怎么算出来的
OpenAI 用「每员工生成的 token 量」作为「智能消耗」的代理指标。
粗暴但有效：token 量越大，AI 帮员工干的活越复杂。
新发现是这个差距从 2025 年 4 月到现在一年多，从 2x 拉到了 3.5x。
更关键的拆解：
• message 数量只解释了 36% 的差距 • 剩下 64% 来自 message 本身变得更复杂、要求更深、产出更厚
意思是：普通企业还在用 AI 答问题，前沿企业已经在让 AI 干活。
每次交互不止变多，每次交互本身在做更多实际工作。
这是差距开始复利的真正信号。
Codex 16 倍 gap：agentic 工具是真分水岭
如果按产品维度切，差距最大的不是 ChatGPT 这种通用聊天，是 Codex。
OpenAI 报告里前沿企业的 Codex 使用量是普通企业的 16 倍。
ChatGPT Agent、Apps in ChatGPT、Deep Research、GPTs 这些 agentic 系产品也都呈现类似方向，但倍数小一些。
普通聊天产品反而差距没那么大，因为它已经普及了。
OpenAI 的解读很直白：
前沿企业不是用 AI 当快一点的输入界面，是把 AI 当成可以接下整段工作的同事。
这种从「chat 助手」往「agent 委派」的迁移，是企业 AI 成熟度的下一个标志。
能驾驭 Codex 的企业，操作肌肉、流程改造、信任度都已经到位了。
写作最广，但每个职能开始有自己的 AI 用法
横切看用法，最广的还是写作和沟通，几乎所有部门都在用 AI 写东西。
但有意思的是不同职能开始往自己的核心工作压：
• IT 和安全团队：query 集中在 how-to 和操作流程指引 • 软件工程和数据科学：代码相关使用量最高 • 金融团队：主要用 AI 做分析和计算
这种「按职能特化」是一个新趋势：AI 从「通用提效」走向「嵌进每个职能的核心工作」。
报告还提到一个观察叫「没有单一 leaderboard」：有的行业 ChatGPT 普及最广，有的 Codex 用得最猛，有的 API 调用量最大。
意思是不同企业有多个进入前沿的入口，不必都按同一条路走。
Cisco 月省 1500 工时，Travelers AI 接 10 万通电话
光看数据有点抽象，OpenAI 给了两个真案例。
Cisco：在大型工程组织里把 Codex 推进生产工作流：
• build 时间减少 20% • 每月省下 1500+ 个工程师小时 • 缺陷修复吞吐量提了 10 到 15 倍
Cisco 工程团队的原话：Codex 像 team 里的一员，不是工具是同事。
Travelers 保险：用 OpenAI 做了 AI Claim Assistant：
• 处理保险首次报案全流程 • 引导客户报案、回答保单问题、收集理赔信息、自动建工单 • 第一年预计处理 10 万通报案电话
这两个案例都不是 demo 阶段，是真上线在跑产能的生产系统。
Cisco 的 1500 工时和 Travelers 的 10 万通是可量化的 ROI 数字，下次老板问「AI 到底带来什么」，直接抄走这两个数。
前沿企业的 5 个共性
OpenAI 在报告末尾总结了普通企业能往前沿走的 5 个动作，全是观察来的，不是建议：
1. 衡量深度不只看人数
关注每员工 token 量、复杂任务占比这些深度指标。
2. 搞生产级治理
敢把 AI 放进客服、理赔这种核心业务流，治理框架先到位。
3. 把 enablement 当基础设施投
不是 HR 的小项目，是 IT 级别的工程。
4. 找到内部走在前面的团队
研究他们怎么用，把方法横向复制到全公司。
5. 从聊天往 agent 委派转
长期看用户跟 AI 的接口会从 chat 变成「分配任务、agent 跑」。
还有一个细节值得记：教育和学习类任务的"前沿优势"最大。前沿企业不只用 AI 完成工作，更用 AI 让员工持续学会怎么用 AI，形成正反馈循环。
一句话抓重点
B2B Signals 的核心信号就一条：
AI 的差距已经不是有没有用，是用得多深。
3.5 倍差距 64% 来自深度而非数量，意味着接下来一年企业 AI 投入应该从「买更多 ChatGPT 席位」转向「让现有用户做更复杂的事」。
适合谁看：CIO、企业 AI 负责人、做 to-B AI 产品的团队，特别是想跟客户论证 ROI 的销售岗。
这份报告里的 1500 工时、10 万通电话、3.5x、16x 都是销售 deck 可以直接抄的数据点。
完整原文：openai.com/index/introducing-b2b-signals
配套访谈视频也值得看一遍，两位 OpenAI 工程负责人聊企业落地实战。
