“B2B Signals 洞察表明，对于那些更深入、更广泛地使用 AI，且在更多工作流中采用 AI 的公司而言，前沿优势正开始呈现复利增长”
OpenAI最新5月6日推出了一个企业级AI应用栏目：B2B Signals。它的核心目的是分析和探讨：AI到底在企业里用到了什么程度？哪些企业真的把AI转化成了组织能力？最终帮助旨在各类机构深入洞察如何将人工智能转化为实际的商业价值。
该报告释放出非常清晰的信号：
AI组织竞争的第一阶段，是“谁先接入”；第二阶段，是“谁用得更频繁”；而现在，真正的分水岭已经变成：谁能把AI从聊天助手，升级为可以被委派任务的工作伙伴。
而更重要的，前沿 (frontier) 企业，即 AI 使用排名位于前 5% (P95) 的企业，展现出更高的人均智能使用率。这些企业不仅更密集地采用尖端工具，还将 AI 嵌入业务流程之中。对于部分企业而言，这种领先优势正产生复利效应，而竞争差距也日益体现为使用深度的不同。
先看报告的核心要点
- 前沿优势正产生复利效应：前沿企业的人均智能使用量已达普通企业的 3.5 倍，较一年前的 2 倍进一步拉大。
- 前沿企业应用更深，而非仅是频率更高：消息量仅能解释前沿企业与普通企业之间 36% 的差距，绝大部分优势源于更深层次的应用。
- 智能体工作流正成为前沿应用的标志：这种差距在高级智能体工具上最为显著，前沿企业发送的 Codex 消息量是普通企业的 16 倍。
- 组织可通过变革缩小差距：为了迎头赶上，企业需要衡量应用深度、优先构建治理系统、加大培训与支持体系的投入、大规模推广成功案例，并实现从“对话式辅助”向“智能体任务委派”的转型。
一、前沿企业的人均AI使用量，已经是普通企业的3.5倍
对于企业而言，席位部署仅仅是起点。更清晰的指标在于员工是否正利用 AI 处理更深层次、更复杂的任务。图表对比了前沿企业（定义为 P95 级别）与普通企业（定义为 P50 中位水平）的人均 Token 生成量。
虽然 Token 并非衡量商业价值的完美指标：简短的回答可能非常有价值，而冗长的回复可能价值不高。但 Token 生成量有助于衡量员工要求 AI 执行的任务负载，它是反映 AI 应用深度以及员工对“智能”需求量的替代指标。
结果显示，前沿企业的人均智能需求量是普通企业的 3.5 倍。这一差距已从 2025 年 4 月的 2 倍进一步拉大，表明深度应用 AI 的企业正在扩大领先优势，并能更从容地将 AI 的新能力转化为更深层次、更复杂的业务产出。
二、前沿优势主要源于应用深度，而非更高的消息量
前沿企业的人均智能需求显著高于普通企业，但这种差距绝非单纯的消息量所能解释。图表对 3.5 倍的前沿优势进行了拆解：即便普通企业保持与前沿企业相同的消息发送频率，也只能弥补这 3.5 倍差距中的 36%。
剩下的差距则与应用深度相关。前沿企业的员工正要求 AI 承担更复杂的工作，并为模型提供更丰富的业务背景信息，从而产出更具实质性的成果。
三、前沿优势在高级工具与智能体工具中最为显著，其中 Codex 使用量高出 16 倍
前沿优势在支持高级工作流的工具上表现最为突出。在 Codex 上的差异最为巨大，前沿企业的人均消息发送量高达 16 倍。在 ChatGPT 智能体、ChatGPT 内的应用程序、深度研究 (Deep Research) 以及 GPT 上也展现出较大的差距。这表明前沿企业更擅长利用工具来辅助编程、委派多步任务、融合公司私有知识并开展复杂的调研工作。
相比之下，更通用且易于上手的工具（如用户上传、搜索和数据分析）所展现的前沿优势较小。这些工具对大多数企业来说更易使用，因为它们是对既有工作流的延伸。前沿优势在高级工具与智能体工具中最为显著，因为这些工具的采用需要更强的专业能力、与工作空间知识及工具的更深入联动，以及将任务交由 AI 处理的决策意愿。
四、前沿企业最显著的优势体现在教育与学习方面
在教育与学习类任务中，前沿优势最为突出：前沿企业在此类任务中的消息发送量是普通企业的 7 倍。前沿企业利用 AI 帮助员工培养技能并学习新课题。他们还利用 AI 来深化对人工智能的理解，包括其功能边界、如何高效使用，以及如何将其融入既有的工作流。这一差距的规模表明，普通企业在将 AI 作为员工学习与发展工具方面，可能存在利用不足的情况。
编程方面同样展现出 4 倍的显著差距，这与高级工具及智能体工具使用上的整体差距相一致。“操作指南”以及“写作与沟通”类任务的前沿差距最小，这可能是因为此类任务是更易上手、更为人熟知的 AI 用途。
五、AI 应用在写作领域最为广泛，但特定职能的应用正在增长
写作与沟通仍是 ChatGPT 最常见的使用场景。然而，不同职能的使用模式存在显著差异。IT 与安全团队 60% 的消息集中在操作手册与规程指引；软件开发及数据科学与工程团队近一半的消息与编程相关；而财务团队有十分之一的消息涉及分析与计算。
这些模式与更广泛的证据相一致，即前沿模型正在有效提升具有经济价值的职能任务。GDPval是一项针对 44 种职业的真实知识型工作评估，旨在衡量模型在产出实际工作成果（如文档、电子表格、幻灯片、图表和多媒体）时的表现。随着 AI 能力的增强，企业级应用正延伸至与各职能核心职责结合更紧密的任务中。
六、行业领先地位并非单一维度：不同领域在 ChatGPT、Codex 及 API 方面占据领先地位
OpenAI还特别提醒，AI领先不是单一维度的。不同产业在不同指标上表现不同。
比如，金融与保险业在ChatGPT采用上领先，可能与其大规模部署能力、知识工作密度和合规场景有关；专业、科学和技术服务业在Codex采用和API调用强度上表现突出，说明它们更深地进入了开发者工作流和产品集成；教育服务业在人均使用密度上领先，体现出学习场景的天然优势；零售和医疗健康在API调用强度上排名靠前，说明AI正在被嵌入面向客户或内部运营的实际系统中。
不要简单问“我们行业排第几”，而要问“我们在哪条路径上领先”。有的企业领先在员工广泛使用，有的企业领先在开发者工作流，有的企业领先在API产品化，有的企业领先在知识管理和培训，有的企业领先在客户服务自动化。
七、企业正将 API 应用推向生产级工作流与面向客户的应用场景
公司正越来越多地利用 API 将模型直接集成到产品、服务及内部系统中。常见的生产级用例包括：应用内助手、编程与开发工具、客户支持、调研工作流以及工作流自动化。
这些部署案例表明，企业级 AI 正在跨越实验阶段，进入具有可衡量运营影响的可复用工作流。在各类客户案例中，企业正利用 OpenAI 模型来加速知识型工作、提升工程吞吐量，并为客户和员工打造 AI 驱动的交互体验。下面是不同类型企业使用AI的方式
AI组织转型没有唯一标准答案，但有一个共同方向：从试点走向生产，从个人使用走向团队流程，从工具采用走向业务价值。下面是OpenAI提供的几个具体案例：
Cisco 利用 Codex 在大型企业工程组织中加速复杂的软件开发。在生产工作流中，Codex 将构建时间缩短了约 20%，每月节省超过 1500 小时的工程时间，并将缺陷修复的吞吐量提升了 10 至 15 倍。正如 Cisco 团队所言，最大的收益源于将 Codex 视为“团队的一员”。
Rakuten 在工程运营与软件交付中部署了 Codex，将平均故障恢复时间 (MTTR) 缩短了约 50%，使团队解决生产问题的速度翻倍。Rakuten 还利用 Codex 根据内部标准进行自动代码审查和漏洞检查，在不牺牲安全性的前提下加速版本发布。在复杂项目中，Codex 能够将部分需求转化为可运行的全栈实现，将交付周期从季度缩短至数周。
Balyasny Asset Management 利用 OpenAI 在大型专业知识型组织中加速投资研究。其专有的 AI 研究平台已被约 95% 的投资团队使用，将原本耗时数天的研究流程缩短至数小时。例如，以前需要两天的央行演讲分析流程，现在仅需约 30 分钟，帮助分析师在申报文件、会议纪要、研究报告和市场数据之间更快地进行推理。
八、企业如何迈向AI前沿？关键是五件事
OpenAI最后提出了五项实践，我认为这也是所有企业推进AI组织转型时必须补上的五块拼图。
第一，不能只衡量访问情况，还要衡量使用深度。
企业不要只看有多少员工开通账号、多少人登录、多少人发消息，而要看AI是否进入高价值工作流，使用是否变得更复杂，任务是否更接近核心业务，团队速度和产出质量是否发生变化。
第二，要建立支持生产级应用的治理体系。
领先企业不是不要治理，而是把治理作为规模化应用的前提。企业要明确AI可以访问哪些信息，可以在哪些场景运行，什么时候只能建议，什么时候可以行动，哪些高风险决策必须由人类审核。真正好的治理，不是把AI管死，而是让AI可以安全地扩大应用。
第三，要把培训与支持体系当作核心基础设施。
AI培训不能只是一两场公开课，也不能只是教几个提示词。更有效的方式，是结合具体职能开展用例研讨、工作坊、黑客松、内部先锋网络、案例库建设和最佳实践沉淀，让组织形成持续学习机制。
第四，要识别内部前沿团队，并把他们的经验扩散出去。
很多企业内部已经有少数团队用得很好，但这些经验没有被组织看见，更没有被复制。管理者要找到这些团队，研究他们为什么用得好：是流程不同、领导支持不同、任务类型不同，还是协作机制不同。然后把这些经验转化成可推广的方法。
第五，要完成从“对话”到“任务委派”的跨越。
这可能是最关键的一点。AI不只是用来问答、写作、总结和润色，而是可以承担一段明确的任务。员工要学会定义任务、提供上下文、设定边界、检查结果、反馈修正。管理者也要学会重新设计人和AI之间的任务分工。前沿企业正鼓励员工向 AI 委派任务，而非仅仅将其视为静态助手。
原文信息来源：https://openai.com/zh-Hans-CN/signals/b2b/
?关注AI组织进化论｜赋能AI组织转型
AI转型升级中，我们也坚信人是终极变量，而管理者则是关键杠杆。因此我们设计了一门面向AI时代管理者的《极简AI领导力-加速迈向智能组织》课程，聚焦如何领导AI，而不仅仅个人使用AI，帮助管理者快速掌握推动团队AI落地的核心框架、方法与工具，推动团队AI升级。适合管理者、技术负责人、产品负责人、HR、OD 及数字化转型相关伙伴，欢迎私信交流。
前期我们已经在成都、杭州、深圳、北京成功举办公开课，到目前为止，累计已有100多位学员参与《极简AI领导力：加速迈向AI原生组织》课程，学员来自腾讯、阿里、字节、美团、理想汽车、德勤咨询、蒙牛集团等制造业、医药、能源、消费品不同类型组织（排名不分先后）
上海场 ：5月16日（接近满班，还有极少名额）
广州场：5月22日
深圳场：5月24日
火热报名中，有感兴趣伙伴扫码联系～
课程速递｜20多位来自字节、阿里、美团、德勤、理想、滴滴等企业的伙伴，顺利完成《极简AI领导力》，下一站上海
其他推荐阅读：
案例PPT｜谷歌最新六大机制：AI时代如何对抗大公司病，重塑产品力
如何领导AI和人？一文说透人机协同五种模式及应用流程（含PPT）如何领导AI和人？一文说透人机协同五种模式及应用流程（含PPT）
