OpenAI 重磅发布：2025 年企业级 AI 现状报告
2025 年 12 月 11 日，OpenAI 公司发布 GPT5.2。此版本主要针对专业知识工作场景优化，包括更强的推理能力、长上下文处理、工具调用、编码和多模态任务。 发布几天以来，总体来说，GPT5.2 在专业/企业用户口碑更好（强调可靠性与生产力）；而普通消费者反馈更趋中性，认为日常聊天不如 GPT5.1 有“味儿”。 还没用过的小伙伴可以看看我们对 GPT5.2 的介绍： 《ChatGPT 5.2 完整使用指南：特性、案例、教程，看这一篇就够了！》 《国内怎么充值 GPT-5.2 会员？最简单的开通方法分享》 本月稍早一点，OpenAI 发布了《2025 年企业级 AI 现状报告》。 OpenAI 用 AI 对近 100 家企业、9000 名员工的调查和真实使用数据进行了、聚合和分析。 报告指出企业级 AI 正从“试点工具”走向“企业核心基础设施”，并且已经开始产生可量化的业务与生产力影响。 全球企业正在把 AI（尤其是 ChatGPT、定制 GPT 和 API）大规模应用到日常工作流程里，已经明显提效、减少成本、催生新业务，但各家公司和行业之间的 AI 应用差距也在被迅速拉大 下面为您解读报告，报告原文地址见文末。 OpenAI 在报告开头先讲了一件非常“炸裂”的观点： 「企业 AI」才是真正决定 AI 价值的地方 这意味着什么？ 过去三年，AI 的“可见影响”主要在消费者端； 但历史经验（蒸汽机、电力、芯片）都说明：前言：
技术的最大价值，一定出现在企业把能力规模化使用之后。
这正是 2025 年正在发生的事 。
报告核心观点
OpenAI 在报告第三页直接给出 4 个总判断：
1、企业 AI 使用正在快速扩大，并深入工作流
ChatGPT 企业消息量 1 年增长 8 倍 API 推理 token 使用量 320 倍增长
👉 不仅是“更多公司在用”，而是 每家公司用得更深了
2、AI 已经产生可量化的生产力与业务结果
员工每天节省 40–60 分钟 开始完成数据分析、编程等“原本不会做的任务” 已在收入、客户体验、研发周期上体现价值
3、企业 AI 增长是全球性的，而且跨行业
过去 12 个月，行业中位数增长超 6 倍 科技行业最快，达 11 倍 美国之外的市场正在快速追赶
4、企业之间的差距正在拉大
前沿员工：消息量是普通员工 6 倍 前沿企业：人均使用强度是中位数 2 倍 能力差距不是工具问题，而是“是否真正嵌入工作流”
企业 AI 使用，正在加速并“变深”
1、企业账号与消息量暴涨
ChatGPT 企业账号数：同比 9 倍 企业周消息量：8 倍增长 单个员工发送消息数：+30%
👉 说明 AI 已经从“偶尔用”，变成“日常用”。
2、 Custom GPT & Projects：
AI 开始变成“可复用的流程工具”
这是一个非常关键的转折点。
Custom GPT / Projects 用户数：19 倍增长 20% 的企业消息，已经通过 GPT 或 Project 完成 BBVA 一家公司，内部 使用超过 4000 个 GPT
这意味着什么？
AI 不再是聊天对象，而是被“流程化、制度化”的工具。
3、 API & 开发者使用爆炸式增长（第 6 页）
超过 9000 家企业处理过 100 亿 token 200 家企业处理过 1 万亿 token 单企业推理 token 使用量：1 年 320 倍
这说明：
企业已经从“试验 AI”，进入“生产环境长期运行 AI”。
员工正在真实感受到 AI 的价值
1、 明确的时间节省
75% 员工表示：效率或质量提升 平均每天节省 40–60 分钟 技术、数据、传播类岗位：60–80 分钟
并且，这不是“少数岗位”的故事，而是：
IT、市场、HR、工程，全面覆盖
2、 AI 正在扩展“谁能做什么”
一个非常重要的发现：
75% 的员工表示：能完成以前做不了的任务
尤其是：
非工程岗位，编程相关使用 半年 +36% AI 对低熟练度员工的帮助更明显（能力拉平效应）
这意味着：
AI 正在改变岗位能力结构，而不是只提高速度。
3、用得越深，收益越大
使用高级功能（推理、分析、多模型）的人 每周省 10 小时以上的人 AI 使用 credits 是普通用户 8 倍
结论非常直接：
AI 的价值不是“有没有”，而是“用到多深”。
行业与地区差异
行业层面
增长最快：科技、医疗、制造 规模最大：金融、专业服务、科技
API 使用也在变化：
从“产品内助手” 扩展到客服、内容、自动化、内部系统
地区层面
澳大利亚、巴西、荷兰、法国：增速最快 美国、德国、日本：使用量最大 国际 API 客户：半年增长 70%+
一句话：
企业 AI 已经不再是“美国专利”。
企业与员工之间的“AI 断层”
员工层面
前沿员工 vs 普通员工：
总消息量：6 倍 编程：17 倍 数据分析：16 倍
而且：
用 7 类任务的人， 比只用 4 类任务的人，节省时间高 5 倍
企业层面
前沿企业：
人均消息量：2 倍 GPT 使用量：7 倍
但同时：
仍有 19% 的月活用户从未用过数据分析功能
👉 差距不是能力不足，而是大量“未被激活的潜力”。
案例部分
报告给了 6 个企业案例：
Intercom：实时语音客服，延迟 ↓48%，年省数亿美元 Lowe’s：AI 导购，转化率翻倍 Indeed：AI 匹配，求职速度 ↑7 倍 BBVA：法律 AI，节省 26% 成本 Oscar Health：医疗客服，39% 无人工介入 Moderna：研发文档，流程从“几周”变“几小时” 共同点只有一个：
AI 都被嵌进了“真实业务流程”。
领先企业的共同行为（第 23 页）
OpenAI 总结了 5 条“通关秘籍”：
给 AI 接入企业数据 把方案标准化、复用 高层直接支持 数据结构化 + 持续评估 系统性的变革管理
并给出一句非常关键的判断：
当前最大瓶颈，不是模型，而是组织准备度。
结论
报告最后的判断非常清晰：
企业 AI 正在全面嵌入工作流 深度使用者，已经获得显著优势 技术任务正在“去专业化” 现在仍是早期，但差距已经形成
一句话总结：
AI 正在从“效率工具”，进化为“收入与竞争力引擎”。
——以上内容，均按 OpenAI《The State of Enterprise AI 2025》原文结构解读
企业级 AI 现状
（2025 报告）
OpenAI
原文地址(英文）：https://cdn.openai.com/pdf/7ef17d82-96bf-4dd1-9df2-228f7f377a29/the-state-of-enterprise-ai_2025-report.pdf?utm_source=chatgpt.com
前言
在 OpenAI，我们的使命是确保人工智能造福全人类，而帮助企业解决问题是这一使命的核心组成部分。
绝大多数具有经济价值的活动发生在组织内部。在那里，创新会直接转化为对员工、客户及其他利益相关方更好的结果。企业级问题也为前沿智能带来了最难的技术挑战：需要在大规模场景下同时满足可靠性、安全性与安全防护。解决这些问题所产生的收入，也可以帮助为全球数亿人提供广泛、免费的强大 AI 使用机会。
在过去三年中的大部分时间里，AI 的显性影响更多体现在消费者端。然而，从蒸汽机到半导体等通用技术的发展历史表明：真正显著的经济价值，往往出现在企业把底层能力转化为可规模化落地的应用场景之后。企业级 AI 现在似乎正进入这一阶段：世界上许多规模最大、结构最复杂的组织，开始把 AI 当作核心基础设施使用。
目前，已有超过 100 万家企业客户在使用 OpenAI 的工具。本报告汇总了来自企业使用数据（已去标识化并做聚合处理）及其他多种来源的证据，以提供一个更贴近现实的视角：AI 如今在组织内部是如何被部署与使用的。
前言：四个关键发现
01 企业使用正在规模化，并更深度融入工作流
ChatGPT 的消息量增长了 8 倍；按组织统计，API 推理类 token 的消耗同比增长 320 倍。这表明：使用 AI 的企业更多了，而且使用强度显著提升。
02 使用 AI 的企业正在获得可衡量的生产力与业务影响
企业用户报告每天可节省 40–60 分钟，并能完成新的技术任务，例如数据分析与编程。案例研究显示，AI 正在推动重要成果：营收增长、客户体验提升、产品开发周期缩短等。
03 企业增长全球化，并在各行业快速加速
过去 6 个月，国际采用率激增：全球各地组织持续加深对 AI 的使用，与美国市场的强劲势头相互叠加。过去 12 个月里，中位数行业增长超过 6 倍，其中科技行业领跑，达到 11 倍。
04 领先者与落后者之间的差距正在扩大
“前沿”（frontier）员工发送的消息量是中位数员工的 6 倍；“前沿”企业按席位计算发送的消息量是中位数企业的 2 倍。尽管这些强大工具已广泛可得，但在使用最先进 AI 工具的概率上出现了实质性差距。模型能力远超大多数组织目前嵌入工作流的程度，这为企业带来了机会窗口。
展望未来，企业级 AI 的下一阶段将由以下因素塑造：在经济价值任务上更强的表现、更好地理解组织上下文，以及从“向模型索取输出”转向“把复杂、多步骤工作流委托给模型”。随着这些能力成熟，我们预计组织不仅会提升效率，还会发现服务客户与创造价值的新方式。
本报告中的发现，是 AI 开始重塑现代企业的早期信号。随着企业级 AI 持续演进，OpenAI 将继续分享真实世界证据，说明 AI 如何影响企业、员工与更广泛的经济。
Ronnie Chatterji 首席经济学家（Chief Economist） OpenAI
引言
过去三年里，企业已在大量使用场景与运营工作流中集成 AI 系统。
这些部署为我们提供了 AI 如何塑造工作的洞察，尤其是在准确性要求高、流程复杂、生产力或决策质量提升会直接带来经济结果的环境中。由于世界上大部分经济价值活动发生在企业内部，企业采用模式清晰地揭示了：AI 目前在哪些地方创造价值、未来又最可能在哪里持续创造价值。
OpenAI 超过 100 万家企业客户的规模与多样性，为观察这一转变提供了独特视角。本报告总结了 OpenAI 企业客户群的关键发现，以及这些模式对企业 AI 当前状态与发展轨迹的启示。通过考察不同行业与职能的采用差异，我们也将展示 AI 在哪些地方正深度嵌入企业，以及差距在哪里出现并扩大。
本报告所有分析均基于已去标识化、聚合后的企业使用数据。消息内容由自动化系统分类，在本次分析过程中，OpenAI 员工不会审阅任何单个企业、商业或 API 客户的具体数据。
企业级 AI 使用正在加速并加深
过去一年，企业 AI 采用显著上升，组织开始把 AI 纳入可重复、多步骤的工作流，覆盖各职能与业务单元。OpenAI 目前服务超过 700 万个 ChatGPT 工作席位（workplace seats），ChatGPT Enterprise 的席位数同比增长约 9 倍。
自 2024 年 11 月起，企业每周消息总量整体增长约 8 倍，平均每位员工发送的消息数增加约 30%。这既反映了更频繁的使用，也反映了使用强度的加深。
以下两点变化尤其体现了 AI 正更深度融入企业核心工作流：
自定义 GPT 与 Projects 正在推动更深的工作流集成
GPTs 与 Projects 是建立在 ChatGPT 之上的可配置界面，可通过指令、知识与自定义动作（actions）进行定制，帮助员工执行可重复、多步骤任务。
自定义 GPT 与 Projects 的每周用户数：年初至今增长约 19 倍 近几个月，约 20% 的企业消息通过自定义 GPT 或 Project 处理
最广泛部署的 GPT 往往用于两类目的： 1）把组织知识固化为可复用的助手； 2）通过与内部系统的集成自动化工作流。
一些组织正在形成大规模开发与分享自定义 GPT 的文化。例如，BBVA 经常使用超过 4,000 个 GPT，这表明 AI 驱动的工作流正越来越多地以“持久化工具”的形式，嵌入日常运营。
开发者与 API 工作流正在快速规模化
企业通过 API 将模型以高可控性与高可定制性直接集成到产品与系统中。随着企业从试验走向生产部署，API 消耗快速增长：目前已有超过 9,000 家组织处理过超过 100 亿 token，接近 200 家组织累计超过 1 万亿 token。
过去 12 个月里，按组织统计的平均推理 token 消耗增长约 320 倍，这意味着更智能的模型正被系统性地集成进不断扩展的产品与服务中。
Codex 虽仍处于企业生命周期早期，但增长很快：团队正把它用于端到端的软件任务，包括代码生成、重构、测试与调试。
员工反馈：使用 AI 带来可衡量的价值
在多数场景中，AI 能让员工更快产出更高质量的工作。但仅用“生产力”不足以完整描述 AI 如何重塑工作。来自近 100 家企业的调研数据显示，AI 在各职能带来关键运营增益，并推动“谁在做专业/技术工作”的变化。
企业员工报告：节省时间 + 各职能效果提升
75% 的受访员工表示，工作中使用 AI 提升了产出速度或质量。 ChatGPT Enterprise 用户平均每个活跃日可节省 40–60 分钟。 数据科学、工程与传播相关岗位节省更多：60–80 分钟/天。 不同职能的“单条消息节省时间”不同：会计与财务用户报告收益最大，其次是分析、传播与工程。
这些结果表明：生产力收益已在企业核心职能中开始显现，而不只局限在最早采用的技术岗位。
技术工作正在突破传统岗位边界
AI 不仅加速既有工作，也在扩展员工可完成的任务与技能。多项研究发现，AI 具有“拉平差距”的效应，对原本表现较弱的员工帮助更大。与这些研究一致，75% 的员工表示他们能够完成此前无法完成的任务，包括：编程支持与代码审查、表格分析与自动化、技术工具开发与排障、自定义 GPT 或智能体（agent）设计等。
这种能力扩展在技术环境中尤为明显：非技术团队正在更多参与过去主要由专业岗位承担的编码与数据分析工作。在 ChatGPT Enterprise 用户中，编码相关消息在所有职能中均增长；在工程、IT 与研究之外的职能里，编码相关消息在过去 6 个月平均增长 **36%**。
更深度使用 AI 的员工，报告更高生产力
在个人层面，随着使用深度增加，影响也随之增强。大样本数据显示：节省时间与使用更高级的 ChatGPT 功能相关，包括 Deep Research、GPT-5 Thinking 与图像生成等。
“消耗更多智能”（以使用的 credits 衡量）的员工，报告更高的时间节省。每周节省超过 10 小时的员工，不仅使用更多智能，也会使用多模型、更多工具，并在更广泛的任务类型上使用 AI。
（注：Noy & Zhang（2023）、Del’Acqua 等（2023）、Schwarcz 等（2025）、Brynjolfsson 等（2025）等研究；credits 与使用量相关，Codex、Deep Research 等高级功能会消耗更多 credits。）
加速节奏因行业与地域而异
过去一年，企业整体采用速度很快，企业从 AI 试点走向全面部署；同时，不同行业与地域呈现差异。
大多数行业增长迅速
OpenAI 企业客户增长覆盖面广：中位数行业同比增长超过 6 倍，即便增长最慢的行业也超过 2 倍。
科技、医疗与制造增长最快；金融与专业服务的使用规模最大。
最快增长行业（同比客户增长）
1）科技：11 倍2）医疗：8 倍3）制造：7 倍
从绝对规模看，ChatGPT Enterprise 客户目前最集中在专业服务、金融与科技：它们是早期采用者，并持续保持高使用规模。医疗与制造从较小基数起步，但如今成为增长最快的行业之一，正在快速缩小差距。
API 使用：从科技产品嵌入走向更广泛的运营部署
API 最常见用途是构建与规模化面向客户的应用（例如产品内助手、搜索与自动化），尤其是在科技公司中。但使用正在多元化：客服与内容生成如今约占 20% 的 API 活动；非科技企业的 API 使用同比增长 5 倍。
这表明：采用正从“科技公司主导的产品嵌入”扩展到“跨行业更广泛的运营与工作流部署”。
企业增长全球化并加速
早期企业采用主要发生在美国，但国际增长正在快速加速：
在最大市场中，澳大利亚、巴西、荷兰与法国的企业客户增长最快，同比增幅均超过 **143%**。 ChatGPT 在全球企业客户中的使用持续扩张：美国、德国、日本在消息量上最活跃。 英国与德国在客户数量上，已成为美国之外最大的 ChatGPT Enterprise 市场之一。 国际 API 企业客户增长在过去 6 个月超过 **70%**；日本是美国之外拥有最多企业 API 客户的国家。
在 2024 年 11 月到 2025 年 11 月期间，付费企业客户数增长（示例）：
澳大利亚：187% 巴西：161% 荷兰：153%并且澳大利亚、巴西、荷兰、法国的增长快于全球平均水平。
AI 采用的分化正在扩大
不同产业，以及同一企业内部不同个人之间，AI 使用方式正在出现明显差异。差距会扩大还是缩小，取决于组织如何开展变革管理，以及其建立系统、技能与运营模型以成功部署 AI 的能力。
为更深入理解这种分化，我们将“前沿员工”（采用强度位于第 95 百分位）与中位数员工对比：
前沿员工发送的消息量是中位数员工的 6 倍。 即便在数据分析岗位中，前沿员工使用数据分析工具的次数也是中位数的 16 倍。
越先进的工具，差距越大
写作、编码与分析是前沿与中位数差距最大的领域。编码在消息量上的相对差距最大：前沿员工发送的编码相关消息量是中位数的 17 倍。
这些差异很重要。将使用数据与调研结果匹配后发现：覆盖约 7 类任务的用户，报告的时间节省是仅覆盖约 4 类任务用户的 5 倍。也就是说，AI 带来的收益会随使用深度直接扩张。
许多活跃用户仍未使用最强工具：企业仍有大量提升空间
即便在活跃的 ChatGPT Enterprise 用户中，仍有不少人没有尝试最强大的工具：
在月活用户中：19% 从未使用数据分析、14% 从未使用推理、12% 从未使用搜索。 在日活用户中：这些比例分别降至 **3%、1%、1%**。
企业层面的“成熟度提升空间”同样显著
企业层面的采用强度差距，与个人层面一致：
前沿企业（第 95 百分位）按席位计算的消息量约为中位数企业的 2 倍； 对 GPTs 的消息量约为中位数企业的 7 倍，表明更深的组织级集成与工作流标准化。
这些企业会系统性投入基础设施与运营模型，把 AI 作为核心组织能力，而不是边缘化的效率工具。
AI 采用与业务影响：案例证据
以下案例展示了 AI 如何在不同组织环境中产生可衡量的业务结果。它们并非“一刀切”的解决方案，而是将 AI 应用于具体运营与战略挑战。总体而言，AI 与以下结果相关：营收增长、客户体验改善、手工流程自动化、产品开发加速等。
案例（页码参考）：
p.17 Intercom p.18 Lowe’s p.19 Indeed p.20 BBVA p.21 Oscar Health p.22 Moderna
这些影响并不局限于少数公司。外部研究也表明，AI 采用开始影响核心财务指标。某 2025 年波士顿咨询（BCG）研究发现：过去三年中，AI 领先者实现了 1.7 倍 的营收增长、3.6 倍 的股东总回报（TSR）、以及 1.6 倍 的 EBIT 利润率；在专利产出与员工满意度等非财务指标上也更强，显示 AI 成熟度与财务与组织能力相关。尽管证据仍属早期，但提示 AI 采用与更好的财务表现与组织结果存在相关性。
案例：Intercom
Intercom 使用 OpenAI 的 Realtime API 为 Fin Voice 提供支持，交付低延迟、企业级可用的语音 AI 代理。
挑战Fin 是 Intercom 的客服 AI 代理，在聊天、邮件与社交渠道上具备行业领先的解决率，每月解决数百万客户问题。但当 Fin 扩展到电话渠道时，出现关键挑战：延迟。在电话支持中，问题往往紧急，即便短暂停顿也会破坏体验，导致用户放弃或转接人工。
解决方案Intercom 基于 OpenAI Realtime API 构建 Fin Voice，大幅降低延迟，实现更自然、支持打断的电话对话。Realtime API 的首 token 低延迟、强指令遵循与可靠工具调用能力，使 Fin Voice 能以高质量与高可靠性处理复杂的多步骤请求。
案例：Lowe’s
Lowe’s 部署 Mylow 与 Mylow Companion，把专家级家装指导扩展到所有线上访客与线下门店员工。
挑战Lowe’s 需要把专家级家装建议规模化提供给线上购物者，并帮助门店员工（尤其是新入职员工）在 1,700 多家门店中一致、稳定地回答复杂问题。
解决方案Lowe’s 在 Lowes.com 上部署 Mylow 提供项目与产品建议，并为每家门店员工部署 Mylow Companion。
案例：Indeed
Indeed 使用 GPT 驱动的岗位匹配与职业教练，改善求职者与雇主的招聘结果。
挑战Indeed 的使命是帮助人们找到工作。求职者在搜索、评估匹配度与申请过程中会遇到摩擦；雇主希望获得更高质量的候选人。双方都受益于更深度的个性化与更清晰的匹配解释。
解决方案Indeed 推出一系列 AI 产品：利用其自研 AI 做岗位匹配，并结合 GPT 生成解释说明“为何匹配”。
“Indeed Invite to Apply” 使用 AI 生成并规模化发送情境化、个性化的岗位邀请，帮助候选人理解匹配原因并提升雇主触达。 “Indeed Career Scout” 作为 AI 职业教练，加速岗位发现并简化申请流程。
案例：BBVA
BBVA 部署法律 AI 聊天机器人，实时验证企业签字授权，疏通网点商业操作。
挑战在墨西哥，BBVA 必须进行法律核验（bastanteo），确认公司代表具备代表公司签署与办理事务的授权后，关键交易才能继续（如开户、签合同、发放信贷）。过去该流程依赖专业法务团队处理大量重复问询，造成延迟、瓶颈与对稀缺法务能力的高需求。
解决方案BBVA 构建生成式 AI 聊天机器人，为常见授权问题提供即时的、标准化且预先验证的法律 FAQ 与文件指引。内容由 BBVA 法务服务团队开发与审核，减少日常问询的人工处理，让合规的法律指引稳定可用。
案例：Oscar Health
Oscar Health 部署面向会员的聊天机器人，实时回答福利、费用与健康相关问题，帮助会员理解复杂医疗体系。
挑战对许多人而言，医疗体系难以理解与导航：福利理解、找医生、估算费用、获得清晰答复往往困难且耗时。相关信息分散在多个位置（门户、福利文件、既往就诊记录等）。Oscar 希望提供一个可信的一站式入口，帮助会员更好理解与使用医疗系统。
解决方案Oscar 开发两款面向会员的聊天机器人，按需、实时回答福利/费用/健康常见问题。与通用聊天机器人不同，它们与 Oscar 的系统与数据集成，可调用病历、理赔与客服交互信息进行个性化回复，并支持常见任务（如查找网络内医生、续配药物等）。
案例：Moderna
Moderna 使用 AI 显著压缩目标产品概况（TPP）开发时间。
挑战撰写 TPP 通常需要数周，由临床、产品与市场等跨团队协作完成。团队必须阅读与处理大型证据包，有时多达 300 页，以形成产品开发蓝图。
解决方案Moderna 使用 ChatGPT Enterprise 精简 TPP 起草与分析流程中的关键部分：从大体量资料中提取关键事实与假设、生成结构化草稿段落、标记重要细节或潜在错误，并由人工团队进行监督。
业务实践：领先企业通常会系统性做到这些
通过“启用上下文”实现深度系统集成开启连接器，让 AI 在安全前提下访问核心工具中的企业数据，实现“理解上下文”的回答与自动化动作。约四分之一企业仍未迈出这一步。
工作流标准化与复用积极推动可复用方案的创建、分享与发现，用于常见任务。GPT 常用于驱动这项工作；更成熟的组织会把 API 助手直接嵌入核心内部系统。
高层领导与赞助设定明确要求、保障资源、对齐团队，并为实验提供空间，从而支持规模化部署。
数据准备与评估体系把组织知识固化为机器可读的流程与规则，为关键数据管线构建 API，并做持续评估以跟踪模型在真实结果上的表现。
有意识的变革管理构建加速组织学习的结构：集中治理与培训 + 分布式赋能（如嵌入式 AI 推动者/冠军）。
AI 生态变化极快：OpenAI 大约每三天发布一个新功能或能力。对组织而言，主要约束不再是模型性能或工具本身，而是组织准备度。
结论
在 OpenAI 的 100 万+ 企业客户中，AI 正被嵌入到不断扩展的工作流、产品与内部系统中。采用范围广且在行业与地区层面持续加速，但不同组织的集成深度差异很大。
数据表明：使用深度很关键。更持续使用高级工具（如推理模型、数据分析、自定义 GPT、Projects 与 API）的员工与企业，相比使用较浅者，报告更高的生产力收益与更广的任务覆盖。
AI 也开始改变“谁在做技术工作”：编码与分析类任务正越来越多出现在非传统专业岗位之外，扩大了部分非技术团队的能力边界。同时，不同行业仍呈现不同模式，反映科技、专业服务、金融、医疗、制造等行业的运营需求差异。
尽管 AI 采用差距在扩大，企业级 AI 仍处于早期阶段。企业可以通过学习前沿员工与前沿组织的做法来追赶。随着企业级 AI 成熟，组织将更频繁地把 AI 能力转化为面向市场的产品与服务，通过更快迭代、更深个性化与新体验创造新的价值来源。成功把这些能力带入市场工作流的组织，将把 AI 作为不仅提升效率的工具，更是可持续的营收增长引擎与竞争优势来源。