企业AI应用现状与核心发现 - 企业AI应用正从消费者领域转向企业核心基础设施阶段，大规模复杂组织开始将AI作为核心基础设施使用[5] - OpenAI目前拥有超过100万企业客户，提供了观察AI如何部署的独特视角[6][13] - 报告基于两大主要数据源：来自OpenAI企业客户的真实使用数据，以及对近100家企业的9000名员工的调查[14][16] 企业AI使用正在加速和深化 - ChatGPT工作场所席位已超过700万，ChatGPT企业席位同比增长约9倍[17] - 自2024年11月以来，企业每周消息总量增长约8倍，平均每位员工发送的消息量增加30%[18] - 定制GPT和项目的周用户数年初至今增长约19倍，近期约20%的企业消息通过定制GPT或项目处理[20][21] - API使用迅速扩大，超过9000个组织处理了超过100亿个token，近200个组织超过了1万亿个token[22] - 过去12个月，每个组织的平均推理token消耗量增加了约320倍[23] - Codex的周活跃用户数在过去六周内增长了50%，周消息量也相应增加[24][25] AI带来的可衡量生产力与业务影响 - 75%的受访员工表示，使用AI提高了工作速度或质量[27] - ChatGPT企业用户平均每个活跃工作日节省40-60分钟，数据科学、工程和通信工作者节省更多（60-80分钟/天）[27] - 具体职能改善包括：87%的IT员工报告IT问题解决更快，85%的市场营销和产品用户报告活动执行更快，75%的HR专业人士报告员工参与度提高，73%的工程师报告代码交付更快[28] - 75%的员工报告能够完成以前无法完成的任务，例如编程支持、代码审查、电子表格分析和自动化等[29] - 在工程、IT和研究部门之外，与编码相关的消息在过去六个月平均增长了36%[30] - 使用更深入、功能更先进的员工节省时间更多，每周节省超过10小时的员工使用的“智能积分”是零节省员工的8倍[31][32] 行业与地域的采用差异 - 过去12个月，行业中位数客户规模增长超过6倍，技术行业以11倍的增长领先[10][36] - 客户增长最快的行业：技术（11倍）、医疗保健（8倍）、制造业（7倍）[40] - 在绝对数量上，ChatGPT企业客户最集中在专业服务、金融和技术等早期采用行业[39] - 非科技公司的API使用量同比增长了5倍，表明采用正从技术主导的产品嵌入扩展到更广泛的运营和工作流部署[41] - 国际增长加速：澳大利亚、巴西、荷兰和法国的付费商业客户数量增长（2024年11月至2025年11月）超过全球平均水平的143%[46] - 美国、德国和日本是按消息量计算最活跃的市场，英国和德国是美国以外最大的ChatGPT企业客户市场[48] - 过去6个月，国际API客户增长超过70%，日本是美国以外企业API客户数量最多的国家[48] AI采用中的分化现象 - 前沿员工（采用强度前95%）产生的消息量是普通中位数员工的6倍，在使用数据分析工具上更是中位数的16倍[50][51] - 在写作、编码和分析任务上，前沿员工与普通员工的差距最大，其中编码的消息量差距达17倍[54][55] - 用户参与的任务类型越多，节省的时间越多。使用约7种任务类型的用户报告节省的时间是使用约4种任务类型用户的5倍[56][57] - 即使在活跃的ChatGPT企业用户中，仍有部分人未使用最强大的工具：19%的月活跃用户从未使用数据分析，14%从未使用推理，12%从未使用搜索[60][61] - 在企业层面，前沿企业（前95%）每个席位产生的消息量是普通中位数企业的2倍，发送给GPT的消息量是7倍，表明其组织整合和工作流标准化程度更深[62][64] AI采用的商业影响案例证据 - 2025年波士顿咨询集团研究发现，过去三年，AI领导企业实现了1.7倍的收入增长，3.6倍的总股东回报和1.6倍的息税前利润率[67] - Intercom案例：使用OpenAI实时API构建语音AI客服，延迟降低48%，53%的电话由AI端到端解决，需要人工介入的电话解决速度也提高了40%[69][70][71] - Lowe‘s案例：部署AI助手为在线购物者和店内员工提供指导，每月回答近100万个问题，使用AI助手的在线访问转化率提高了一倍以上[73][74][75] - Indeed案例：使用GPT生成解释的“邀请申请”功能，使已开始的申请增加20%，下游成功（面试和录用）提高13%。使用AI职业教练的求职者找工作和申请速度快7倍，被录用的可能性高38%[77][78][79] - BBVA案例：部署法律AI聊天机器人自动处理年度超过9000次查询，使法律团队能够将相当于3名全职员工的精力重新部署，每年完成超过11000次法律检查，贡献了该部门26%的年度节省KPI[80][81][82] - Oscar Health案例：部署面向会员的聊天机器人，能够即时回答58%的福利问题，处理39%的福利消息而无需人工升级[83][84][85] - Moderna案例：使用ChatGPT企业版简化目标产品档案开发流程，将核心分析步骤从数周缩短到数小时[86][87][88] 领先企业的成功实践 - 深度系统集成：通过连接器让AI安全访问公司核心工具内的数据，约四分之一的企业尚未迈出这一步[89] - 工作流标准化与重用：积极推广针对常见任务的可重复解决方案的创建、共享和发现[89] - 高管领导与支持：设定明确指令，确保资源，协调团队，并为规模化部署创造实验空间[89] - 数据准备与评估：将机构知识编码成机器可读的流程，为关键数据管道构建API，并运行持续评估以跟踪模型在真实场景中的表现[89] - 审慎的变革管理：建立加速组织学习的结构，结合集中治理、培训和通过嵌入式AI倡导者实现的分布式赋能[89] 结论与未来展望 - AI正被嵌入到不断扩展的工作流、产品和内部系统中，采用广泛且在加速，但整合深度因组织而异[90] - 使用深度至关重要，更持续使用高级工具（如推理模型、数据分析、定制GPT、项目、API）的员工和企业报告了更大的生产力收益和更广泛的任务覆盖[91] - AI正在改变技术工作的执行者，编码和分析任务越来越多地出现在传统专家角色之外[92] - 尽管AI采用存在分化，但企业AI仍处于早期阶段，企业有机会通过效仿前沿员工和组织的模式来追赶[93] - 成功将AI能力引入面向市场工作流的组织，将把AI不仅用作生产力工具，更作为收入增长和竞争优势的持久引擎[93]