OpenAI 的 Codex 研究：Agent 改变的不是聊天，而是派活

如果还把 Agent 当成「更会聊天的模型」，OpenAI 这篇 Codex 研究最有价值的部分就会被漏掉。它讨论的不是聊天框回答得更好，而是知识工作的基本单位变了：从一次问答，变成一段可以被交派、等待、验收、再分派的工作。OpenAI 在官网文章中把这种变化概括为：Agent 可以独立运行数分钟到数小时，调用工具、接触环境，并反复迭代出结果。1

配套论文 The Shift to Agentic AI: Evidence from Codex 分析的是 Codex 使用数据，覆盖三类人群：个人账户用户、企业 / 组织账户用户，以及 OpenAI 内部员工。研究团队用自动化、隐私保护的数据管线做聚合分析，并说明研究者不会直接阅读底层消息内容。2

Codex 最初是面向软件开发的工具，论文也承认软件仍是它最主要的使用场景。但 OpenAI 想证明的不是「AI 会写更多代码」，而是 Agent 工具正在把使用方式从咨询推向执行：调试、重构、验证改动、配置应用、分析数据、生成文档，都更接近「做事」而不是「给建议」。2

这组数字里最有意思的不是 99.8%。OpenAI 内部员工没有用量限制、学习成本低、反馈渠道近，本来就是最容易「全员 Agent 化」的样本。更值得看的是组织账户和个人账户的差距：同样是 Codex，有没有上下文、权限、流程和验收机制，结果完全不同。

OpenAI 官网文章强调，非开发者的增长速度尤其快：自 2025 年 8 月以来，个人用户中的非开发者增长 137 倍，组织用户中的非开发者增长 189 倍，OpenAI 内部非开发者增长 12 倍。1

这不等于法务、招聘、财务都在写生产代码。论文的说法更窄：非技术岗位开始把 Codex 用在自动化、数据转换、工具搭建、调试和结构化分析上。比如业务部门并不一定要成为工程师，但可以让 Agent 处理一部分过去需要排队等技术同事支持的临近任务。1

这里的变化有点反直觉。很多人以为 Agent 会先替代执行者，论文看到的早期形态更像是扩大了个人能触碰的任务边界。会不会写代码仍然重要，但更稀缺的能力变成了：能不能把任务切清楚，能不能给足上下文，能不能判断结果是否可用。

软件开发天然适合 Agent：材料是数字化的，任务可以拆成模块，输出能被测试、编译或人工审查。论文也把软件视为这轮变化的前沿场景。Codex 的使用并不只落在「实现新代码」，还包括理解既有系统、验证代码改动、管理仓库、配置环境和生成文档。2

一旦这些动作跑通，外溢就很自然了。许多知识工作也有类似结构：输入散落在文件、表格、邮件和内部系统里；输出是报告、清单、分析、脚本或流程改动；中间需要反复检查。Agent 比聊天机器人多出来的部分，正是「进入工作环境并修改工件」。

这也是为什么论文反复提到并行、运行时长和技能。传统聊天指标看的是有多少人打开、发了多少消息；Agent 指标要看任务有多长、能不能复用、是否能并行、产出了多少可审查的工件。OpenAI 在结论中直接说，未来分析 AI 使用情况时，活跃用户数、聊天数和消息量可能会变得不够用。2

第一，OpenAI 内部不是普通企业样本。论文自己写得很明白：OpenAI 员工熟悉前沿模型，边际使用成本低，组织支持强，内部还有大量关于能力和用法的知识分享。因此，OpenAI 内部数据更像「阻力很低时可能发生什么」，不能直接外推到所有公司。2

第二，「任务需要人类多少时间」是模型估计，不是实际工时记录。论文对个人账户任务复杂度的估计来自 0.1% 随机样本，而且只包含允许数据用于模型训练的用户；官网脚注也提醒，这些阈值应被视为方向性指标，不应当精确理解。2

第三，输出 token 不是生产率。一个部门输出 token 增长 50 倍，可能说明完成了更多工作，也可能说明 Agent 需要反复尝试、生成了更多中间物。论文谈的是使用模式和组织变化的早期证据，不是已经证明企业利润或人均产出同步增长。

如果只把 Codex 当成「更强的代码补全」，这篇研究的含义会被看窄。更务实的读法是：Agent 的采用不是开账号问题，而是工作分配问题。

团队可以先挑三类任务试：重复出现、上下文可整理、结果可验收。比如数据清洗脚本、内部报告初稿、代码库巡检、配置迁移、测试补齐、招聘材料结构化。不要一上来就把模糊战略问题交给 Agent；那类任务很难验收，失败时也很难复盘。

更关键的是验收角色。Agent 把执行成本降下来以后，人类工作不会自动变轻，可能会先变成更多审查、协调和集成。论文最后给出的判断很直接：高强度用户不是聊天更多，而是在交派任务、并行运行、复用流程，并把自己的精力转向监督和整合。2

所以，判断一个团队有没有真的用上 Agent，不该只看「有多少人每周打开」。更有用的问题是：有没有任务被完整交派出去？有没有可复用的流程说明？有没有人同时管理多个工作流？最后，谁负责验收？如果这些问题答不上来，Agent 还只是一个更贵、更忙的聊天框。