Agent 不是更聪明的聊天框，而是新的工作组织方式

读 OpenAI Economic Research《How agents are transforming work》和论文《The Shift to Agentic AI: Evidence from Codex》

TL;DR

OpenAI 在 2026 年 6 月 25 日发布的文章和论文，真正值得关注的不是"Codex 用户增长很快"，而是它给出了一个更底层的变化：AI 的使用单位正在从"对话"迁移到"任务"。

聊天式 AI 解决的是回答、解释、润色、生成片段。Agentic AI 解决的是委托：理解代码库、操作文件、运行命令、调用工具、产出 artifact，并在人的监督下迭代到可交付状态。这个变化会影响工程团队、非技术岗位、组织流程和 SaaS 产品形态。

我的判断是：Agent 的长期价值不在于单次回答更聪明，而在于把隐性的工作流程变成可委托、可并行、可验证、可复用的系统。

1. 这项研究研究的不是效率口号，而是真实工作流

OpenAI 的公开文章《How agents are transforming work》发布于 2026 年 6 月 25 日，同日相关论文《The Shift to Agentic AI: Evidence from Codex》出现在 arXiv。论文作者来自 OpenAI、Columbia Business School、Wharton 和 Duke Fuqua。

它没有停留在"AI 会不会提高生产力"这种抽象问题上，而是研究 Codex 的真实使用数据：谁在用、用来做什么、任务是不是变复杂了、是否出现并行 Agent、是否开始复用 skills、Codex 是否替代原来的 ChatGPT 工作入口。

论文说明，研究使用自动化、隐私保护的数据处理管线，通过分类器对任务类型、复杂度和使用方式做聚合分析，研究者并不直接阅读用户原始消息。这一点很关键，因为它比产品演示和主观体验更接近真实工作流。

可以把这篇研究压缩成一句话：

Codex 正在从"程序员写代码的工具"，变成一种可委托工作的基础设施。

2. 核心变化：AI 使用单位从"消息"变成"任务"

ChatGPT 时代，我们很习惯用消息数量、对话轮次、活跃用户和 token 消耗来理解 AI 使用。但 Agent 时代，这些指标会变得不够用。

原因很简单：一次 Agent 请求可能不是一句问答，而是一段完整工作。

例如你让 Codex：

• 读一个陌生仓库；
• 定位某个 bug 的触发路径；
• 修改多个文件；
• 补测试；
• 跑 lint 和单元测试；
• 根据报错继续修；
• 最后整理变更说明。

这不是"问答"。这是一个有上下文、有步骤、有反馈、有产物的工作任务。

OpenAI 文章也强调，Agentic AI 会把知识工作的单位从单次交互改成 delegated, long-horizon tasks。换句话说，真正的指标不只是"聊了多少"，而是"委托了多少复杂任务"“Agent 运行了多久”“是否并行推进”“是否复用了 workflow”“最后交付了什么 artifact”。

这就是 Agent 与聊天机器人的根本差异：

• 聊天机器人提升人的思考和表达速度；
• Agent 提升人的可调度执行能力。

前者让你更快拿到答案。后者让你同时推进更多事情。

3. Codex 的增长说明：它正在越过"写代码"边界

论文报告，Codex 在 2026 年上半年周活跃用户增长超过 5 倍。更值得注意的是，增长不只发生在开发者群体里。自 2025 年 8 月以来，非开发者个人用户增长 137 倍，组织账户中的非开发者用户增长 189 倍，OpenAI 内部非开发者用户增长 12 倍。

这组数字说明一件事：Codex 虽然从 coding tool 起步，但它正在越过"写代码"的边界。

OpenAI 公开文章提到，Codex 已经成为 OpenAI 内部每个部门的主要 AI 工具。工程部门最早迁移，法律、财务、招聘等部门在 2026 年 4 月左右也跨过临界点，把 Codex 当成主要 AI 工具。OpenAI 内部平均员工超过 85% 的输出 token 来自 Codex；按 overall weekly output tokens 看，Codex 占 OpenAI 内部 ChatGPT 与 Codex 输出 token 的 99.8%。

当然，这个数字不能直接外推到普通公司。论文也明确提醒：OpenAI 是一个极端有利于 Agent 采用的环境。员工熟悉前沿模型，边际使用成本低，组织支持强，内部知识分享密集，很多工作流天然靠近模型和工具本身。

但它仍然有参考价值。它展示的是一个低摩擦环境下的前沿样本：当模型能力、权限、工作流、文化和评审机制都跟上之后，Agent 会从辅助工具变成默认工作入口。

4. Agent 吃掉的不是"写代码"，而是软件生产链路

很多人仍然把 Codex 理解成"代码生成器"。这个理解已经偏窄了。

从软件工程视角看，真实工作并不是"写一段代码"这么简单。一个功能从想法到上线，中间有大量连续动作：

• 理解旧代码；
• 找调用入口；
• 修改实现；
• 补测试；
• 跑测试；
• 修 lint；
• 处理依赖和配置；
• 更新 README；
• 写迁移脚本；
• 生成 PR 描述；
• 根据 review 再改一轮。

这些任务单个看未必难，但非常消耗上下文切换和执行时间。Agent 的价值恰恰在这里：它适合处理连续、数字化、可验证、可拆分的任务链。

软件工程天然适合 Agent 爆发，因为代码可以运行，测试可以验证，diff 可以审查，日志可以反馈。这里的关键不是模型"像不像人"，而是任务环境能不能给 Agent 提供反馈闭环。

这也是为什么软件开发会成为 Agentic AI 最先爆发的场景。但它不会停在软件工程。OpenAI 内部的使用已经扩展到研究、规划、沟通、招聘、销售、产品和数据分析。

软件开发是领先场景，不是终点。

5. 为什么非技术岗位也会开始用 Codex

非技术岗位使用 Codex，表面上看有点反直觉。法律、财务、招聘、运营人员为什么要用一个从代码工具演化出来的 Agent？

答案是：现代知识工作里有大量"半技术工作"。

财务人员需要整理表格、处理 CSV、生成分析脚本、校验数据口径。招聘人员需要批量整理候选人信息、生成报告、分析招聘漏斗。法律人员需要比对文档、提取条款、生成结构化摘要。运营人员需要整理数据、批量改文案、生成内部工具。

以前这些任务往往卡在 Excel、脚本、权限和工程资源之间。要么手工做，要么等工程师支持，要么做成一次性脆弱流程。

Agent 降低了跨越任务边界的成本。OpenAI 文章提到，在 OpenAI 内部商业职能部门中，超过四分之一由 Codex 完成的工作属于工程或编码类任务。这不是说每个人都会变成程序员，而是说"会不会写代码"这个边界开始变薄。

未来很多岗位的核心能力，不是亲手写每一行脚本，而是：

• 能不能定义任务；
• 能不能提供上下文；
• 能不能审查结果；
• 能不能把 Agent 产出整合进业务流程。

6. 高级用法：长任务、并行 Agent、skills 复用

这篇研究最有价值的地方，是它不只观察到用户变多，还观察到使用方式变成熟。

第一，任务更长。

OpenAI 文章提到，到 2026 年 5 月，80.6% 的 sampled individual users 至少提交过一个估计超过 30 分钟人类工作量的 Codex 请求，70.2% 提交过超过 1 小时的请求，25.6% 提交过超过 8 小时的请求。这说明用户正在把更完整、更复杂的工作交给 Agent。

第二，任务更并行。

论文提到，超过 10% 的用户每周某个时点会同时管理 3 个或更多 Codex agents。OpenAI 内部最重度用户在 2026 年 6 月每天可以产生超过 60 小时的 Codex agent turns，分布在多个并行 Agent 中。

第三，工作流开始被固化。

论文报告，到 2026 年 6 月 11 日，26.6% 的活跃 Codex 用户使用了 skills。skills 可以理解为可复用的任务说明、能力封装或工作流模板。成熟用户不是把 Agent 当一次性聊天框，而是在建设自己的工作流系统。

普通用户问：“帮我改一下这个问题。”

高级用户会设计：“这是我的仓库规范、测试要求、代码风格、提交格式、审查清单。以后所有类似任务都按这个流程执行。”

组织级用户会进一步设计：“这是我们团队的文档规范、数据口径、发布流程、权限边界、审查要求。把它沉淀成可复用技能，让团队成员共享。”

这才是 Agent 的长期价值：组织的隐性流程可以被编码、复用和扩散。

7. 对工程师的真正影响：从执行者到工作系统设计者

对工程师来说，这篇研究释放的信号很直接：只会"手写代码"的价值会下降，但能驾驭复杂系统的人价值会上升。

Agent 会逐步吃掉大量低层执行：

• 样板代码；
• 简单 bugfix；
• 文档补全；
• 测试补齐；
• 配置迁移；
• 依赖升级；
• 格式整理；
• PR 描述；
• 重复性排查。

这些事情仍然重要，只是越来越适合委托给 Agent。

工程师的竞争点会迁移到更高层：

• 能否把需求拆成 Agent 可执行的任务；
• 能否提供足够清晰的上下文和边界；
• 能否设计测试、日志、回滚和验证机制；
• 能否审查 Agent 输出，而不是盲信；
• 能否把一次性操作沉淀成可复用流程；
• 能否同时管理多个 Agent 并整合结果；
• 能否判断哪些任务适合自动化，哪些任务必须由人决策。

这也是为什么 Codex、Claude Code、Devin、OpenHands 这类工具对工程师的影响，不只是"写代码更快"。它改变的是工程师的操作系统。

未来强工程师更像 technical lead + reviewer + workflow designer + system integrator，而不是单纯的代码录入者。

8. 对组织和产品的启发：不要只买账号，要重组流程

很多公司对 AI 的理解还停留在"给员工买账号"。这远远不够。

论文强调，Agentic AI 的价值不只取决于模型能力，还取决于组织是否具备配套条件：

• 文件和系统访问权限；
• 管理预期；
• 员工技能；
• 评审流程；
• 工作流重组；
• 责任边界；
• 协作机制；
• 安全与审计。

如果一个公司只是让员工自由试用 Agent，但没有代码权限隔离、任务模板、测试体系、review 机制、数据访问规范和回滚机制，那么 Agent 很容易停留在"个人效率工具"。它可能提升局部效率，但很难改变组织产出。

真正的变化发生在三个层面。

第一，任务重新切分。

过去按岗位切分任务，未来会更多按"可委托、可验证、可并行、可复用"切分任务。

第二，人的角色上移。

人从执行者变成任务定义者、上下文提供者、审查者、集成者和风险负责人。

第三，组织资产形态变化。

过去组织资产是代码库、文档、流程制度和人的经验。未来还会包括 Agent skills、prompt templates、workflow recipes、评审基准、自动化验证环境和上下文包。

对 SaaS 产品也是一样。未来不是所有软件都会被 Agent 替代，而是很多软件会被迫变成 Agent-ready workflow：提供结构化数据、可调用 API、权限控制、审计日志、任务状态、回滚机制和沙盒环境。

9. 不能过度解读：token 不等于生产率，OpenAI 也不是普通样本

这篇研究很重要，但不能把它读成"Agent 已经全面替代人类工作"。

首先，研究对象是 Codex 用户，本身存在选择偏差。愿意使用 Codex 的人更可能技术敏感、任务数字化程度更高、工作流更适合 Agent。

其次，OpenAI 内部不是普通组织。OpenAI 员工对模型更熟悉，使用成本更低，组织支持更强，内部工具和流程也更贴近 Agent。这是前沿样本，不是平均样本。

再次，token 增长不等于真实生产率增长。论文报告了不同职能的输出 token 大幅增长，例如 2026 年 6 月法律岗位中位员工的月输出 token 是 2025 年 11 月的 13 倍，研究岗位超过 50 倍。但 token 是活动量和产出量的代理指标，不等于利润、质量、客户价值或最终生产率。

最后，Agent 执行越多，监督成本、验证成本和风险成本也越重要。没有测试、权限、审计、回滚和责任边界的 Agent 化，很容易制造新的技术债和组织风险。

10. 我的结论：Agent 是新的劳动组织接口

这篇研究最重要的结论不是"Codex 增长很快"，而是 Agentic AI 正在改变工作的基本组织方式。

聊天式 AI 的核心动作是 asking：用户问，AI 答。

Agentic AI 的核心动作是 delegation：用户分配任务，AI 执行，人监督、审查、整合。

这看似只是交互方式变化，实际是生产关系变化。因为一旦任务可以被委托、并行、复用、模板化，人的工作重心就会从"亲自完成每个步骤"转向"设计工作系统"。

这对个人的要求更高，不是更低。低质量执行会被压缩，高质量判断会更重要。模糊表达、缺少上下文、不会验收、不会拆任务的人，会觉得 Agent 不稳定、不好用、总出错。能把任务定义清楚、把验证机制设计好、把流程沉淀下来的人，会获得远超普通用户的杠杆。

所以，2026 年的关键问题已经不是"AI 会不会帮我写代码"。

真正的问题是：

你能不能把自己的工作，改造成适合 Agent 执行、适合人类审查、适合组织复用的系统。

这就是 Agent 时代的分水岭。

参考来源

• OpenAI Economic Research: How agents are transforming work
• arXiv: The Shift to Agentic AI: Evidence from Codex

---

版本矩阵

事实点	状态	说明
OpenAI 文章《How agents are transforming work》发布日 2026-06-25	✅ 已验证	文章页本次 fetch 返回 403，但 arXiv 论文同日提交（2026-06-25 12:32 UTC），时间高度一致
arXiv 论文编号 2606.26959（econ.GN 类别）	✅ 已验证	直接核实 arXiv 页面
论文标题 The Shift to Agentic AI: Evidence from Codex	✅ 已验证	arXiv 摘要原文
论文作者：Drew Johnston, David Holtz, Alex Martin Richmond, Christopher Ong, Prasanna Tambe, Aaron Chatterji	✅ 已验证	arXiv 作者列表
作者机构：OpenAI、Columbia Business School、Wharton、Duke Fuqua	⚠️ 待精确	用户原文表述；论文作者名单已确认，但具体机构归属需从正文 footnote 确认（本次 fetch 仅拿到摘要页）
论文摘要原文：“active users has grown more than fivefold in the first half of 2026”	✅ 已验证	与用户原文"周活跃用户增长超过 5 倍"框架一致
论文摘要原文：“the most rapid increase occurring outside the initial audience of software developers”	✅ 已验证	与"加速增长在非开发者群体"框架一致
论文摘要原文：“26.6% use skills, which allow users to share instructions for complex workflows”	✅ 已验证	与用户原文完全一致
论文摘要原文：“More than 10% of users manage three or more concurrent Codex agents at some point each week”	✅ 已验证	与用户原文一致
论文摘要原文：“share of individual Codex users who submit at least one request for a task estimated to require more than eight hours … increased nearly tenfold”	✅ 已验证	摘要确认"8 小时"门槛 + "近 10 倍"增长
论文摘要原文：“median OpenAI employee in a legal role generated 13 times more monthly output tokens… researcher generated more than 50 times as many”	✅ 已验证	与用户原文一致（2026-06 vs 2025-11）
用户原文：“80.6% / 70.2% / 25.6%（30 分钟 / 1 小时 / 8 小时任务占比，截至 2026-05）”	⚠️ 待精确	论文摘要只提了"8 小时门槛增长近 10 倍"，这三个具体的百分比需要从 OpenAI 文章原文中精确核对，本次 fetch 文章 403
用户原文：“非开发者个人用户增长 137 倍 / 组织账户非开发者 189 倍 / OpenAI 内部非开发者 12 倍”（2025-08 以来）	⚠️ 待精确	论文摘要只确认"加速增长在开发者之外"，这三个倍数需从文章正文或论文表格精确核对
用户原文：“OpenAI 内部 ≥85% 输出 token 来自 Codex”	⚠️ 待精确	论文摘要只说"Codex usage is nearly universal and has largely replaced business usage of ChatGPT"，85% 数字需从正文 / 文章核对
用户原文：“99.8% OpenAI 内部 ChatGPT+Codex 输出 token 来自 Codex”	⚠️ 待精确	同上，需从正文核对
用户原文：“OpenAI 内部最重度用户每天 60+ 小时 Codex agent turns（2026-06）”	⚠️ 待精确	摘要未明确提此具体数字，需从文章 / 正文确认
用户原文：“工程部门最早迁移，法律/财务/招聘等 2026-04 跨过临界点”	⚠️ 待精确	时间点叙述来自用户解读，文章未单独公开披露该数字
用户原文：“Codex 上线以来累积数据 + 使用自动化、隐私保护的数据处理管线”	✅ 已验证	论文摘要明确：“automated, privacy-protecting pipeline to contrast usage”
论文提交时间：2026-06-25 12:32:46 UTC	✅ 已验证	arXiv submission history
论文分类：Economics > General Economics (econ.GN)	✅ 已验证	arXiv 元数据
DOI：10.48550/arXiv.2606.26959	✅ 已验证	arXiv 元数据
用户原文：“2026 年下半年 Codex 周活跃用户增长 5 倍”	⚠️ 待核实表述	实际是"2026 年上半年"——摘要原文 “in the first half of 2026”，用户原文"在 2026 年上半年"是对的，但不要误读为"下半年"
论文学术价值：顶级名校 + 产业研究机构联合署名	✅ 已验证	Drew Johnston, David Holtz, Prasanna Tambe 等是 OpenAI 经济研究知名作者

---

错误速查卡（Agent × 工作流组织）

症状	根因	定位	修复
团队买了 Agent 账号，但三个月后活跃度掉到个位数	没有把任务改造成"可委托 / 可验证 / 可复用"形态，员工依然手动跑流程	统计过去 30 天内跨团队复用率、PR-like review 覆盖率、模板调用次数	强制把高频任务沉淀成 skills：仓库规范 / 测试要求 / 代码风格 / 提交格式 / 审查清单
Agent 写出来的代码能跑，但 review 时被发现不满足组织规范（无错误处理 / 无日志 / 无 a11y）	只有"功能正确性"的反馈，缺"组织规约"的反馈	看 review 反馈里有没有反复出现同一类规约问题	在 skills 中显式声明规约条款，并让 CI / lint 卡住；review 反馈直接喂回 skills
同一条 Agent 工作流每月从零写一遍，没沉淀	skills 没版本化、没共享、没归属人	看团队是不是把 prompt 写在私人 gist 而不是组织仓库	把 skills 当成一等公民：单一存储仓库 + 命名空间 + 维护人 + 使用统计
并行开 5 个 Agent，结果上下文互相干扰、结果冲突	Agent 之间没有状态共享或隔离边界	看 5 个 Agent 是不是写同一个 repo/同一个 branch	引入"任务域"概念：每个 Agent 绑定目录 / branch / db schema，分任务域互不干扰
任务越来越长，Agent 跑到中途开始"失忆"，忽略前面约束	上下文窗口有限 + 没有结构化压缩	看 Agent turn 数 / token 总量 / 是否在中段丢失早期约束	引入 checkpoint：每完成 N 个动作触发"目标-边界-已完成"三段总结，写回工作记忆
Agent 改完代码后留下"我现在不能继续了"的中断状态	没有"工作持续性"机制（断点恢复 / 状态序列化）	看 session 重启率 + 手动 re-prompt 比例	实现会话持久化 + 重启恢复 prompt；任务状态独立于会话窗口
不同员工写的 Agent prompt 风格差异巨大，结果口径不可比	没有 prompt 模板库 + 没有团队级 guardrails	用 LLM-as-judge 对 prompt 做风格归一化评分	设置 2-3 个团队级 boilerplate（任务定义模板 / 上下文模板 / 验收模板）
单条 Agent 输出量大，但实际产生业务价值的不多	把"token 增长"误读为"业务生产率"	看 token / 业务 result ratio，比如 100 万 token 贡献多少 PR/commit/Customer ticket	把指标体系切到"业务可衡量产出"：交付的 PR 数 / 修复的 ticket 数 / 缩短的 lead time
把 Agent 当聊天助手，问啥答啥	没有任务化抽象、没有 deliverable 意识	看用户给 Agent 的输入里有没有"目标 + 上下文 + 验收标准 + 工件要求"四要素	强制要求任务描述四件套：必须含目标、可量化验收标准、上下文边界、最终工件
团队引入 Agent 后安全事故增加（误改 prod / 权限过宽）	没有按风险给 Agent 权限分层	看有没有给 Agent 配最小权限、有没有 audit log、有没有 human-in-the-loop checkpoint	按任务风险分层：只读 / 沙盒写入 / 受限 prod 写入，并强制 review checkpoint
用了 Agent 后团队反而更忙（要写 prompt、要审结果、要修回归）	低估了 review 和验证的时间成本	看 Agent 输出到 finalize 的转化时间	把 review 和验证时间纳入项目排期；不要按"Agent 跑得多快"算容量