前沿企业如何拉开差距

核心提要

• 前沿 (frontier) 企业，即使用排名在前 5% (P95) 的企业，目前的人均智能使用量已达到普通企业的 3.5 倍，而在一年前，这一差距仅为 2 倍。
• 这种差距不仅体现在活跃度，更在于使用的深度：单纯的消息量仅能解释前沿企业 36% 的领先优势，绝大部分差距源于更丰富、更复杂的 AI 应用。
• 智能体工作流 (agentic workflow) 已成为前沿企业的标志性特征：在高级工具的使用上，这种阶梯式差距尤为显著 — 前沿企业员工人均发送的 Codex 消息量，竟高达普通企业的 16 倍。
• 普通组织正加速向“前沿”靠拢：领先公司开始聚焦衡量深度、构建生产级治理体系、加大培训与支持体系投入并放大有效实践，实现 AI 应用从“对话式辅助”向“智能体任务委派”转型。

对多数企业而言，AI 应用的第一阶段侧重于“准入”(access)： 即工具的覆盖范围、席位部署量以及员工的初步尝试。这在当时至关重要，但如今“准入”已不再是差异化竞争的核心。

我们的最新研究表明，前沿优势正步入复利增长期。前沿 (frontier) 企业之所以能拉开差距，是因为他们拥有更高的人均智能使用量、更密集地采用尖端工具，并将 AI 深度植入工作流程。

今天，我们正式推出 B2B Signals，它是 OpenAI Signals 在商业领域的延伸。基于对 OpenAI 企业级产品使用情况的聚合处理，B2B Signals 在确保隐私安全的前提下，提供一种周期性的衡量手段，用以追踪 AI 在企业中的普及进程。这包括：

• 企业内部 AI 应用的深度
• 哪些工具与任务最能代表“前沿化采用”
• 企业级用例在不同行业、产品及职能间持续泛化的领域

注：本报告所有分析均基于脱敏后的企业汇总数据。消息内容由自动化系统进行分类，OpenAI 员工在分析过程中未接触任何企业、商业或 API 客户的原始数据。

深度是衡量优势最清晰的指标。前沿企业的人均智能使用量已达到普通企业的 3.5 倍，而 2025 年 4 月这一数字仅为 2 倍。单纯的消息量仅能解释 36% 的差距，绝大部分差距源于深度应用。前沿企业的员工正要求 AI 承担更复杂的工作，并为其提供更丰富的业务背景信息，从而产出更具实质性的成果。

在本报告中，我们以生成的 Token 量作为“智能需求”的替代指标。虽然 Token 数量并不是商业价值的直接衡量指标，但它能有效衡量员工要求 AI 执行的任务负载，是反映 AI 使用深度的重要参考。

简而言之：普通企业用 AI 答疑，前沿企业用 AI 执行复杂工作。他们不仅交互频率更高，且每次交互都在实质性地推进工作。

这些信号共同表明，前沿企业正利用 AI 处理更具挑战性的复杂任务。对于管理者而言，核心问题正在发生转移 — 不再是“有多少人用”，或“使用 AI 的频率有多高”，而是“AI 在哪些地方深化了工作流”以及“它如何重塑了团队运作方式”。

“委派”(delegation) 正成为前沿企业的新高地。

在高级工具与智能体工具的使用方面，领先优势最为显著。在 Codex 上差距最为巨大：前沿企业每名员工的消息发送量是普通企业的 16 倍。而在 ChatGPT 智能体、ChatGPT 内的应用程序、深度研究 (Deep Research) 以及 GPT 上也呈现出类似的趋势。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。

随着 AI 系统在工具调用、跨文件和代码库协作，以及长周期任务处理上的能力日益增强，企业需逐步适应将实质性工作“委派”给 AI 智能体。

率先行动的企业正在打造运营能力体系：不再仅将 AI 视为更快捷的交互界面，而是将其作为从底层重构工作模式的方式。

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”。

AI 正在渗透进业务的生产级工作流。

通过 API，企业已将 AI 整合至应用内助手、编程开发工具及客服系统中。在这些场景下，AI 已成为产品、服务及内部系统的核心组成部分。

虽然 AI 在文案与沟通领域应用最广，但特定职能的应用正在崛起：IT 与安全团队的查询主要集中在操作手册与规程指引；软件开发和数据科学团队的编程使用程度较高；财务团队则使用 AI 进行分析与计算。这种模式预示着 AI 正跨越通用的生产力工具阶段，深入到各职能部门的核心职责中。

AI 的应用路径并非千篇一律，不存在单一的“领跑榜单”。不同行业各有侧重：有的在 ChatGPT 的普及度上领先，有的则在 Codex 使用、API 调用强度或消息互动密度上表现更优。这意味着企业可以有多种切入路径：无论是扩大准入范围、挖掘应用深度，还是采用智能体工具，亦或直接将 AI 嵌入产品与系统。

Travelers Insurance 展示了这在实践中的具体表现。该公司基于 OpenAI 构建了“AI 理赔助手”。它不仅能引导客户完成首次报案 (FNOL)、解答保单疑问、收集理赔初始信息，还能直接在 Travelers 内部系统中创建赔案。据估算，该助手在上线首年将处理约 10 万通 FNOL 电话。

前沿企业与普通企业之间的差距不应被视为不可逾越的定局。许多组织目前仍处于从 AI 的“广泛接入”向“深度整合”转型的早期阶段。前沿企业的价值在于，它们验证了哪些实践能够帮助企业不断积累势能。

最清晰的指标之一是教育与学习：前沿企业在此类任务上的领先优势最为显著。这表明，领先企业不仅利用 AI 完成工作，更通过它帮助员工培养有效使用 AI 所需的技能、习惯和信心。

组织可以通过以下方式向“前沿”靠拢：衡量应用深度、构建支持生产级应用的治理体系、将培训与支持体系视为核心基础设施、识别内部的前沿团队并扩大其影响力，以及实现从“对话辅助”向“智能体任务委派”的跨越。

企业级 AI 正在飞速迭代。管理者需要清晰的数据，以洞察如何将 AI 应用转化为实际的商业价值。

B2B Signals 旨在追踪领先企业的行为模式，助力组织更清晰地观察前沿公司如何将人工智能转化为商业价值。

首期报告聚焦于应用深度、智能体工作流以及跨行业与职能的新兴趋势。未来，我们将持续追踪这些数据，并随企业级 AI 的演进动态调整监测指标。