2025 年 4 月，OpenAI 发布了 Codex，一个面向开发者的终端 AI 编程工具。一年多过去了，Codex 的用户不再只是写代码的程序员，它正在变成一种全新的工作方式。

2026 年 6 月 26 日，OpenAI 发布了一份内部研究报告《The Shift to Agentic AI: Evidence from Codex》。这份报告用隐私保护的自动化管道分析了 Codex 的使用数据，对比了三类用户群体：外部个人用户、外部企业用户、以及 OpenAI 自己的员工。

得出的结论值得每一个关心 AI 生产力的人认真读一读。Agentic AI 不是「更强的 ChatGPT」，它是一个质变，从「你问 AI 答」变成了「你分配任务，AI 执行交付」。

我通读了 22 页的研究报告，提炼出五个最重要的发现。

一、Codex 用户数暴涨 5 倍，但「数量」不是真正的故事#

从 2026 年 1 月到 6 月，Codex 的周活跃用户数增长了超过五倍。而且增长最快的群体并非最初的开发者用户，而是非技术背景的个人用户（学生、自由职业者、创意从业者等）。

但报告指出，单纯看「活跃用户数」是不够的。真正的变化出现在使用深度上。

报告用了一个巧妙的指标来衡量：输出 token 份额（Codex 生成的 token 占 Codex + ChatGPT 总 token 的比例）。这个指标能区分「浅尝辄止」和「深度依赖」。

数据非常惊人：

  • OpenAI 内部员工：截至 2026 年 6 月 11 日，Codex 贡献了 99.8% 的输出 token。也就是说，OpenAI 员工几乎完全放弃了用 ChatGPT 做工作，全部切到了 Codex。
  • 外部企业用户：Codex 占 63.3% 的输出 token。超过六成的 AI 使用已经从对话模式转向了代理模式。
  • 外部个人用户：Codex 占 16.5%。虽然绝对比例不高，但那些用了 Codex 的个人用户，使用强度远超仅用 ChatGPT 的用户。

这里面有一个很重要的信号：最前沿的用户群体已经完成了从「对话 AI」到「代理 AI」的迁移。而企业用户正在快速跟进，个人用户则是下一波浪潮。

二、8 小时级任务委托暴增 10 倍，用户开始「放手」了#

这是报告中最让我震撼的数据。

报告用一个分类器估算每个 Codex 请求「如果让一个有经验的人来做，需要多长时间」。然后他们追踪了一个指标：有多少用户曾经提交过「需要 8 小时以上」的任务。

2026 年初，这个比例是 2.1%。到 6 月，这个比例已经飙升到了 25.6%，增长了将近十倍。

这意味着什么？意味着用户不再把 Codex 当成一个「代码补全工具」或「快速问答助手」。用户开始把真正需要一整天的复杂任务全部丢给 Codex，然后去做别的事情。

报告中还发现一个有趣的规律：一个对话线程中最复杂、最宏大的任务，往往出现在第一轮。第四轮对话的复杂度只有第一轮的一半不到，后续的轮次更多是 refine、纠错、补充细节。

这说明用户的交互模式已经很成熟了：先提一个大需求 → AI 执行 → 用户检查和微调。这是一个标准的「委托-审查」循环，而不是传统的「你来我往式对话」。

三、28.6% 的 OpenAI 员工同时管理 5 个以上 Agent#

Codex 支持多线程交互，用户可以同时启动多个 Agent，每个 Agent 独立执行不同的任务。

报告分析了用户在 2026 年 6 月 11 日这一周的并发 Agent 数量，发现：

  • 外部企业用户：67.4% 不使用并发，大多数用户的峰值是 2 个并发 Agent。
  • 外部个人用户：63.9% 不使用并发，模式类似。
  • OpenAI 内部员工：只有 10.7% 使用单一工作流，28.6% 同时管理 5 个以上 Agent。

这是什么概念？一个 OpenAI 员工可能同时开着 5 到 10 个 Codex 线程，分别在做代码审查、数据处理、文档撰写、配置部署、调研分析。用户从「亲手干活」变成了「管理一支 AI 团队」。

报告把这种模式称为「人管理 Agent 团队」的工作流。这与外部用户的模式完全不同，后者仍然是「人做大部分工作，AI 辅助」。

四、研究员月产出暴增 50 倍，律师暴增 13 倍#

报告提供了一个具体的时间序列对比：比较同一个群体在 2025 年 11 月和 2026 年 6 月的月均输出 token。

  • OpenAI 的研究员：月输出 token 增长了 50 倍以上。
  • OpenAI 的法务人员：月输出 token 增长了 13 倍。
  • OpenAI 的工程师：早在 2026 年 3 月，Codex 已占其输出 token 的 90% 以上。到了 6 月，几乎所有部门的 Codex 使用份额都超过了 90%。

最值得关注的是非技术岗位的增长曲线。2025 年下半年，法务、销售、HR 等岗位的 Codex 使用量还很低。但进入 2026 年后，这些岗位的增长速度反而比工程师岗位更快。2026 年 1 月，工程师已经有超过一半的 AI 使用切到了 Codex，而法务人员才刚开始。但到了 6 月，后者的曲线几乎追平了前者。

这说明 Agentic AI 在非技术领域的扩散速度，比在技术领域的初始采纳速度还要快。一旦组织内部跑通了使用模式，后续跟进者可以绕过摸索阶段，直接复制已有的最佳实践。

五、Skills 使用率从 5.4% 飙升至 26.6%，Agentic 工作流正在「系统化」#

这是报告的另一个核心洞察：Agentic AI 的真正价值不仅来自「能做什么」，更来自「能不能把好用的工作流固定下来」。

Codex 提供了 Skills 和 Plugins 机制，让用户可以把特定的工作流程、指令组合、工具集成打包成可复用的模块。报告将技能分为五类：预装技能、精选技能、插件技能、自定义插件技能、自定义技能。

数据显示：

  • 2026 年 3 月 1 日，只有 5.4% 的活跃 Codex 用户使用过 Skills。
  • 到 6 月 11 日，这个比例涨到了 26.6%。
  • 在 OpenAI 内部，96.2% 的活跃用户使用 Skills。
  • 外部企业用户中也有 30.4% 在近一周内使用过至少一个 Skill。

增长最快的是插件技能和自定义技能。这两类代表着用户不再满足于 OpenAI 预设的能力，而是开始根据自己的业务场景「定制」AI 的工作方式。一个团队可能会创建一个「数据分析工作流 Skill」，另一位同事用一次 prompt 就能复用整个分析链路。

报告把这种趋势称为 Agentic 工作的「系统化」：从一次性交互变成可重复的生产流程。这恰恰是通用技术（GPT）扩散过程中的关键一步，当技术被嵌入到组织的生产流程中，生产力的跃迁才真正开始。

这意味着什么？#

这份报告最核心的洞察，不是某个具体的数字，而是一个范式的转换。

过去两年，我们讨论 AI 的语境是「效率工具」，衡量标准是「省了多少时间」。但 Agentic AI 的衡量标准已经变了：你委托了多少工作，AI 执行了多少产出。

报告的引言部分有一句话我特别喜欢：

「在一个 Agentic 界面中，一次使用不再对应一次对话，而是对应一个被委托的工作流。」

这就是本质区别。当你用 ChatGPT 的时候，你在做「对话」；当你用 Codex 的时候，你在做「管理」。

报告还提到了一个历史类比：20 世纪初，工厂从蒸汽动力转向电力时，早期的做法只是在原来的位置上换一个电动机，工厂的布局和工作流程完全不变。真正的生产力爆发发生在几十年后，当工厂围绕电力的特性重新设计了生产线。

Agentic AI 可能也在经历类似的阶段。大部分用户现在仍然用 Codex 的方式「像用 ChatGPT 一样」，只是多了自动执行能力。但 OpenAI 内部的数据展示了一个更激进的未来：人类不再亲自执行任务，而是分配任务、审查结果、协调多个 AI Agent 并行工作。

这不是 AI 帮你干活，而是 AI 替你干活。两者之间的差距，是 2 倍和 50 倍的差距。

📄 参考来源：Johnston, D., Holtz, D., Richmond, A.M., Ong, C., Tambe, P., & Chatterji, A. (2026). The Shift to Agentic AI: Evidence from Codex. OpenAI Research. PDF