OpenAI 在 2026 年 8 月 12 日發布了兩份研究，試圖回答一個實際問題：當企業把 AI 從「問答工具」升級為「執行夥伴」，哪些公司真正跑在前面？數據顯示，差距比想像中更大，而且正在快速擴大。
執行型 AI 的訊號：Codex 已佔企業輸出的大宗
OpenAI 的數據指出，截至 2026 年 6 月，企業客戶中 Codex 產生的輸出 tokens 已佔 Codex 與 ChatGPT 合計的 64%。這不是單純的使用頻率，而是工作性質的轉變：代理（agent）執行的是多步驟、長時間的任務，自然產生更多輸出。換句話說，企業不再只是「問 AI 怎麼做簡報」，而是直接讓代理去蒐集資料、產出草稿。
對產品建構者而言，這個訊號值得留意：當 AI 從輔助轉為執行，使用者的需求會從「取得答案」變成「交付成果」。你的產品是否準備好讓代理直接操作工具、存取公司資料，並在最後加上人類審核的環節？
前緣差距擴大：從 2.6 倍到 8.3 倍
OpenAI 每月依「每位活躍使用者的輸出 tokens」排名企業客戶，前 10% 定義為「前緣企業」（frontier firms），中間 10% 為「典型企業」。2026 年 1 月，前緣企業的輸出量是典型企業的 2.6 倍；到了 6 月，差距擴大到 8.3 倍。這個差距跨產業、跨公司規模都存在，並非只有科技公司領先。
這代表什麼？單純取得模型授權並不夠。OpenAI 的研究指出，前緣企業在員工持續學習、共享工作流程、資料基礎建設和治理上投入更多。對產品團隊來說，這意味著「功能齊全」不等於「採用深入」；你需要幫助客戶建立習慣，而不只是提供工具。
進階功能採用率：前緣企業的領先與內部潛力
前緣企業每週有 21% 的活躍使用者使用 Plugins，典型企業只有 9%；技能（skills）的採用率分別是 19% 與 3%。更驚人的是，OpenAI 內部有 95% 的員工每週使用 Plugins。這顯示前緣企業的採用率仍遠低於可能的上限，內部數據提供了「深度採用」的具體參考。
Plugins 的設計值得借鏡：它把「技能」（可重複使用的指令）與「應用程式」（連到公司資料與工具）綁在一起。例如，銷售 Plugin 可以結合團隊的銷售手冊與 CRM 存取，讓代理根據最新客戶資訊和歷史提案，準備一份可供審核的回覆。這種「情境＋工具」的組合，正是代理能否真正執行的關鍵。
代理擴散到知識工作，而不只是工程
軟體工程是最早採用代理的領域，但現在成長最快的是其他知識工作。自 2026 年 2 月以來，每週活躍的企業 Codex 使用者在法律領域成長 108 倍、銷售與招募各 41 倍、行銷 26 倍，而工程領域僅 5 倍。維珍航空（Virgin Atlantic）的案例說明了這種擴散：工程團隊用 Codex 在 30 分鐘內重構原本需兩週的舊程式碼，產品團隊則用 ChatGPT Work 在數小時內完成原本需數週的競爭研究。
對產品經理而言，這是一個訊號：別只把代理定位成「工程師的助手」。法律、銷售、招募、行銷這些領域的任務，往往更依賴公司內部知識與工具串接，這正是代理可以發揮價值的戰場。
早期職涯員工使用更多，領導者該如何應對
與許多調查相反，OpenAI 的行政數據顯示，早期職涯員工在採用六個月後，每週比高階主管多發送 13 則訊息。這不是說高階主管不重要，而是指出一個實際機會：找出 AI 習慣最好的員工，讓他們的流程可被看見，並推廣到整個組織。
OpenAI 的建議很務實：把代理接到公司情境與工具，設定清楚的權限、治理與人工審核，然後把成功的個人工作流程變成團隊的標準做法。這不是口號，而是縮小前緣差距的具體路徑。
結語：從執行個案到組織習慣
這份數據提醒我們，AI 的價值不在於模型本身，而在於組織如何把它變成日常執行的一部分。前緣企業的差距來自深度採用，而深度採用需要基礎建設、學習文化和治理機制的配合。對產品建構者來說，下一步不是追求更多功能，而是思考：如何讓客戶的員工從「偶爾用」變成「每週用」，並讓代理真正完成工作。OpenAI 的完整報告《Enterprise Signals》提供了更多產業與職能的細節，值得進一步參考。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。