过去两年，甲骨文花费数十亿美元帮助其他企业运行 AI，但公司内部全面引入生成式 AI 的时间却晚得多。据《商业内幕》报道，甲骨文联合 CEO 克莱·马古尔克在内部员工大会上坦言，直到去年，公司还没有找到让生成式 AI 在整个员工队伍中真正发挥作用的方法。

这番”自曝家丑”式的表态，为大型企业如何真正用好 AI 提供了一份难得的真实样本。

三个月冲到 80% 采用率

甲骨文首席信息官杰伊·埃文斯向员工介绍，转折出现在今年 4 月和 5 月，公司开始部署 ChatGPT Enterprise 和 OpenAI 的代码工具 Codex。甲骨文没有简单地把工具开放给员工，而是同步制定公司标准、安全控制措施和内部政策，三个月内使用率便达到 80%，覆盖约 16 万名员工。

埃文斯说：”我们把这些工具做得太容易上手了，结果可能多少会被成本吓到。”甲骨文因此建立了内部监控机制，可以查看员工使用哪些模型，以及分别产生多少费用。

在模型选型上，成本差异显著。埃文斯指出，OpenAI 的 GPT-6 Astra 使用成本达到其他模型的 2.5 倍，而许多任务并不需要调用如此昂贵的模型，日常工作可以交给成本较低的 Terra 处理。类似地，摩根大通近期为员工使用 Anthropic 的 Claude 设定了每月 2000 美元的上限。

写代码快了，交付没快

两名高管称，AI 显著加快了软件开发，但也把工程流程的瓶颈推向其他环节。埃文斯表示，开发人员用这款工具大约一周就能生成过去一个开发团队通常要花两到三个季度才能完成的代码。

然而目前，开发速度的提升还没有转化为更快的产品交付。马古尔克解释称，公司仍在研究如何重新设计测试、验证、部署和发布管理流程，使其跟上代码生成速度。”写代码本身变快了，并不意味着所有事情突然都会快 1000 倍。”

甲骨文的经历暴露出企业大规模引入 AI 后的下一道难题：强大的模型能够大幅压缩单项任务所需时间，却可能同时带来高额账单，并把瓶颈转移到其他环节。

安全扫描的误报困局

甲骨文还获得提前使用 Anthropic 用于扫描代码安全漏洞的 Mythos Preview 模型。埃文斯称，这款模型投入使用后，短短两周发现的潜在问题就超过甲骨文此前一整年的发现数量。今年 4 月公布的 Anthropic Mythos 被认为是迄今最强的 AI 系统之一，多国政府和安全机构警告其能力超过其他模型，在网络安全领域尤为突出。

不过，如此强的扫描能力也带来了大量误报。埃文斯估计，Mythos 发现的问题中约 60% 至 70% 属于误报。甲骨文因此建立了新的核查流程，由工程师先确认漏洞是否真实存在，再着手修复。

换言之，AI 模型写代码的速度超过公司发布代码的速度，发现缺陷的速度也超过任何人核查的速度。瓶颈被转移，而非消失——这正是许多急于铺开 AI 的大型企业共同面临的现实。

（本文基于《商业内幕》及 IT之家报道，并参考多家媒体转述整理。）

企业级人工智能正在从「问一问」走向「做出来」。OpenAI 在 2026 年 8 月 11 日同时发布两份研究，用真实使用数据勾勒出这场转变的轮廓：少数跑在前面企业，单位员工的 AI 产出已经拉开同行数倍。

两份研究，一套真实数据

其中一份是学术论文《How Organizations Use AI: Evidence from ChatGPT》，作者包括 Aaron Chatterji、David Holtz（哥伦比亚商学院）、Neel Rakholia、Prasanna Tambe（沃顿商学院）与 Gawesha Weeratunga，均来自 OpenAI。配套的《Enterprise Signals》报告则从企业客户的实际用量切入。

研究把 ChatGPT Enterprise 企业账号记录，与使用情况、员工角色、任务分类以及上市公司财务数据（截至 2026 年 3 月）做了关联。在六个月的采用窗口里，样本覆盖 1500 多家组织和超过 1700 万条消息。

四个被记录下来的事实

第一，企业用量快速增长，既来自新客户的加入，也来自老客户使用强度的加深。聚合输出词元在 2025 年 6 月到 2026 年 3 月之间增长约 7 倍；在一批 2024 年 1 月至 2025 年 6 月就采用的一致企业队列内，也增长了约 4 倍，其中约一半增长来自这些既有的采用企业。

第二，在美国上市公司里，采用 AI 的企业往往规模更大、估值更高，研发以及销售与管理费用的投入强度也更高，说明早期采用和企业此前的无形资产、组织能力积累有关。

第三，在采用企业内部，活跃使用横跨不同职能和资深层级，其中早期职业员工的使用强度尤其突出。

第四，使用覆盖广泛的知识工作任务，包括写作、技术工作、沟通和信息综合。

前沿企业把同行甩开 8 倍

《Enterprise Signals》报告刻画了「前沿企业」——即每月 AI 用量排前 10% 的客户——与典型企业的差距。截至 2026 年 6 月，前沿企业每位活跃用户产生的输出词元，是典型企业的 8.3 倍，而当年 1 月这一数字还只是 2.6 倍，差距在三个月内明显拉大。

智能体正在承接更实质、可委托的工作。报告显示，截至 6 月，在 OpenAI 企业客户中，Codex 已经贡献了 Codex 与 ChatGPT 合并输出词元的 64%。自 2 月以来，企业里每周活跃使用 Codex 的用户增速差异显著：法律职能增长 108 倍，销售与招聘各 41 倍，市场 26 倍，而工程仅 5 倍——知识工作职能的智能化正在全面铺开。OpenAI 内部也有 95% 的员工每周使用插件类能力。

差距不在模型，在组织

研究给出的启示是：企业间 AI 落地的速度、广度和目的差异巨大，而且很多组织仍在摸索如何把 AI 真正嵌进工作流程。ChatGPT 每周已经服务超过 8 亿用户，但对企业而言，瓶颈往往不再是模型能力或工具本身，而是组织准备度——能否把智能体接入所需的情境与工具、建立清晰的权限审查和治理，并帮助员工把有效的个人流程变成可共享的团队方式。

来源：OpenAI 官方研究（How Organizations Use AI: Evidence from ChatGPT 及配套 Enterprise Signals 报告）