从问答案到接任务 AI正在重写工作的基本单位

最近有一份数据报告，让我重新审视了"我们到底在用 AI 做什么"这个问题。

这份报告来自一家全球最大的 AI 公司内部。他们用自己的真实数据，展示了一个正在发生的根本性转变：AI 正在从"你问我答"的对话工具，变成"你委托我执行"的自主 Agent。报告里有一个数字尤其刺眼——在这家公司内部，每周产出的所有 token 中，99.8% 来自一个叫 Codex 的 Agent 工具。

这不是一个概念性的展望，而是已经发生的事。而它带来的启示，远比数字本身更值得深思。

从聊天机器人到自主 Agent

我们过去对 AI 工作方式的理解，基本停留在"对话"层面——你问一个问题，AI 给你一个答案。整个交互是短暂的、即时的、自包含的。就像一个无所不知的朋友，你随时可以找他聊，但每次聊完就散了。

但 Agent 改变了这一切。Agent 不是"回答"你的问题，而是"接受"你的委托。它可以独立运行数分钟甚至数小时，在这个过程中自主编排工具调用、与环境交互、不断迭代直到找到解决方案。你不再需要一步步引导它，而是像给一个下属布置任务一样，说清楚目标，然后让它自己去跑。

这就是 Agentic AI 的核心转变：知识工作的基本单位，正在从"单次交互"变成"可委托的长时间跨度任务"。

这个转变的意义在于，它让 AI 从一个辅助工具，变成了一个能独立承担项目的执行者。以前是"我用 AI 来帮我做事"，现在是"我把事交给 AI，它自己搞定"。

一个公司内部的真实转型

最能说明问题的，是这家公司自己的转型数据。

2025 年 8 月之前，员工使用 AI 的默认工具是 ChatGPT，只有不到 10% 的 token 输出用在了 Codex 上。那时候，Codex 对大多数人来说还是一个陌生的名字。

但到了 2026 年 6 月，情况完全反转。Codex 成了每个部门的主要 AI 工具，包括法务和招聘这样的非技术部门。在 OpenAI 内部所有每周输出 token 中，Codex 的占比高达 99.8%。普通员工超过 85% 的输出 token 也来自 Codex。

这意味着什么？意味着从工程师到律师，从财务到招聘，所有人都在用 Agent 来完成工作。Agent 不再是某个技术团队的专属工具，而是变成了整个组织的基础设施。

任务越来越长，越来越复杂

第一个趋势最直观：用户开始把越来越复杂、越来越耗时的任务交给 Agent。

到 2026 年 5 月，数据显示：80.6% 的个人用户曾发起过估计需要超过 30 分钟人工工作的请求；70.2% 发起过超过 1 小时的请求；25.6% 至少发起过一次超过 8 小时的请求。

更惊人的是，重度用户（第 99 百分位）每天通过并行 Agent 产生超过 60 小时的 Codex Agent 运行时间。一个人一天只有 24 小时，但通过并行运行多个 Agent，他们可以同时推进多个长时间跨度的项目。

这说明 Agent 不只是在处理"简单重复"的任务，而是在承担真正的"项目级"工作。

从工程师到所有人

第二个趋势更加耐人寻味：Codex 正在成为整个公司的核心工具，而不仅仅是工程师的专属。

数据很清晰。在 OpenAI 内部，工程师率先完成了转型，平均每位工程师 99% 的输出 token 来自 Codex。但更值得关注的是非技术部门——法务、财务、招聘在 2026 年 4 月左右跨过了 Codex 使用量过半的门槛。如今，平均每位律师或招聘人员超过 85% 的输出 token 来自 Codex。

各部门从 2025 年 11 月到 2026 年 6 月的 token 增长数据更是说明了这种扩散的速度：研究部门增长 56 倍，客户支持增长 32 倍，工程部门增长 27 倍，法务部门增长 13 倍。

这些数字背后的含义是：Agent 不再是"技术部门在用"，而是"所有人都在用，而且用得越来越多"。

非开发者才是增长最快的人群

第三个趋势可能是整份报告中最令人意外的：非开发者的采用速度远超开发者。

从 2025 年 8 月到 2026 年 6 月，每周非开发者用户增长了 137 倍（个人用户），组织用户增长了 189 倍。OpenAI 内部员工也增长了 12 倍——但因为起始基数较高，这个数字反而显得"平淡"。

189 倍。这个数字意味着什么？意味着一年前几乎不用编程工具的人，现在正在大量涌入。Agent 作为一个"技术能力民主化"的工具，正在让非技术人员完成以前需要工程师帮忙才能做的事。

市场人员可以用 Agent 处理数据、生成报告；财务人员可以用 Agent 写脚本做分析；运营人员可以用 Agent 搭建自动化流程。他们不需要"学编程"，只需要用自然语言描述需求，Agent 来执行。

岗位边界正在模糊

第四个趋势是最具颠覆性的：Agent 正在打破传统的岗位边界。

数据显示，业务部门（财务、市场、运营）员工使用 Codex 的工作中，超过 1/4 属于"工程/编程"类别。一个财务人员在做的事，有 25% 是以前只有工程师才能做的事。

具体来看各部门的实际工作类型分布：工程部门 72% 是工程/编程，数据科学/研究部门 51%，但财务/商务运营部门达到了 31%，产品/市场/运营部门也有 25%。

这说明 Agent 正在重新定义"岗位"的含义。一个人的"岗位说明书"上写的是"财务分析师"，但他实际在做的事，有三分之一是工程和编程。Agent 降低了技术门槛，让跨职能工作成为可能。

工作流需要重新设计

当 Agent 能独立运行数小时来完成一个项目时，企业的整个工作流都需要重新思考。

传统的审批流程、监控机制、质量检查——所有这些都需要适配"长时间跨度的 Agent 任务"。你不能用管人的方式来管 Agent，也不能用管短对话的方式来管长任务。

这不是工具层面的升级，而是组织层面的重构。

技能价值正在重塑

真正升值的技能，不是执行本身，而是编排、委托和任务设计。

以前，"会写代码"是稀缺技能。但在 Agent 时代，写代码这件事本身可以被委托。真正稀缺的是：理解问题、分解任务、设计工作流、评估结果的能力。这些"元技能"的价值正在急剧上升。

个人能力的天花板被抬高

一个普通员工以前受限于技术专长，很多跨部门的任务根本做不了。现在 Agent 让单个员工能做的事情范围大幅扩展。一个人可以同时推进数据分析、报告撰写、流程自动化等多个方向的工作。

这不只是效率提升，而是能力边界的重新定义。

回到开头的问题：我们到底在用 AI 做什么？

答案正在从"辅助"变成"委托"，从"对话"变成"项目"，从"人驱动"变成"人+Agent 协同"。这份报告用一个公司内部的真实数据告诉我们，这不是未来——这是现在。

工作的基本单位正在被重写。以前是"一次对话解决一个问题"，现在是"一个委托完成一个项目"。这个转变已经发生，而且正在加速。

当 99.8% 的内部 token 输出都来自 Agent，当非开发者用户增长 189 倍，当 80% 的用户在用 Agent 做超过 30 分钟的任务——我们有理由相信，这不只是一个公司的故事，而是整个知识工作行业的未来方向。

///

最后想问大家三个问题：

1. 如果你的工作中有 25% 可以被 Agent 独立完成，你会把省下来的时间用来做什么？
2. 在 Agent 时代，你觉得什么样的人才最有价值？是某个领域的深度专家，还是能用 Agent 跨领域解决问题的"编排者"？
3. 你的公司开始用 Agent 了吗？如果还没有，你觉得最大的障碍是什么？