核心概念

2026 年 5 月 6 日，OpenAI 發布首份 B2B Signals 研究報告，追蹤企業客戶如何將 AI 能力轉化為業務優勢。報告核心命題直接：前沿企業（frontier firms）與典型企業之間的 AI 使用差距，不是在模型選擇上，而是在使用深度上。

B2B Signals 是什麼

B2B Signals 是 OpenAI 首次系統性追蹤企業用戶行為的研究系列，聚焦三個維度：

  • 使用深度（depth of use）：員工平均用 AI 完成多複雜的工作
  • 代理工作流（agentic workflows）：有多少工作被「委派」給 AI 自主執行
  • 跨產業模式：不同職能的 AI 採用路徑差異

報告第一版選擇 Codex 使用量作為最關鍵的前沿指標，因為 Codex 代理工作流代表從「詢問 AI」到「交辦給 AI」的質性轉變。

16 倍差距：關鍵數字

報告最具衝擊力的數字：前沿企業每位員工發送的 Codex 訊息量，是典型企業的 16 倍。這不是能力差距，而是組織選擇的差距——前沿企業更積極把複雜任務委派給 AI，而非僅用 AI 回答問題。

同樣的方向性差距出現在：ChatGPT Agent、Deep Research、Apps in ChatGPT、GPTs。這四個工具的共同點是：都要求員工「讓 AI 做事」，而非「問 AI 問題」。差距的量級也相近，說明這是組織文化的系統性差異，不是單一工具的偶發現象。

使用的職能分化

AI 的跨職能採用模式正在分化：

職能 主要 AI 使用場景
IT 與資安 程序性指導、排障腳本
軟體開發 / 數據科學 高頻編碼、程式生成
財務 分析、計算、報表自動化
寫作 / 溝通 使用最廣泛，但增長趨緩

這個分化意味著 AI 正在從「通用生產力工具」轉向職能核心工作的直接參與者。前沿企業在這個轉型上走在更前面。

Codex 的規模指標

報告同期揭示 OpenAI 企業規模的成長數字：

  • Codex 每週活躍用戶：300 萬（2026-05-11，B2B Signals 發布時）；超過 400 萬（2026-05-25，Gartner 魔力象限報告及 Dell × Codex 案例揭露）
  • API 每分鐘處理量：超過 150 億 token
  • GPT-5.4 驅動 agentic workflows 的參與度創歷史新高

生產部署案例顯示 Codex 的實際效益：

  • 構建時間縮短 ~20%
  • 節省 每月 1,500+ 工程師小時
  • 缺陷解決吞吐量提升 10–15 倍

OpenAI 的商業轉型背景

B2B Signals 的發布有其商業意義。企業業務現在佔 OpenAI 總收入的 40% 以上，預計 2026 年底將與消費者業務持平。這個背景下，OpenAI 同步推出 OpenAI Frontier——企業代理管理平台，首批客戶包含 HP、Intuit、Oracle、State Farm、Thermo Fisher、Uber。

這標誌 OpenAI 的商業模式轉型：從「賣 API token」轉向「提供企業代理管理平台」，在每個代理應用所產生的商業價值中取得明確分潤。

關鍵要點

  • 深度 ≠ 廣度：前沿企業不是「用了更多工具」，而是「把更難的工作委給 AI」，差距的本質是組織願意放手的程度
  • 代理工作流是分水嶺：從「AI 助手回答問題」到「AI 代理自主執行多步驟任務」，是前沿企業與典型企業最明顯的分界線
  • 16x Codex 差距的解讀：Codex 訊息量是代理工作的代理指標，差距如此懸殊說明多數企業仍停在「試用 AI」而非「讓 AI 工作」的階段
  • 職能分化加速：IT、軟體、財務三個職能的 AI 使用深度遠超其他，這三個職能的共同點是「輸出可被驗證」——AI 錯了能立刻發現
  • OpenAI Frontier 的戰略意義：企業平台化是 OpenAI 抵禦「模型商品化」的核心策略，B2B Signals 同時是研究報告也是銷售工具，證明採用深度能帶來競爭優勢

實務應用

如何向前沿企業靠齊？報告歸納五個行動方向：

  1. 衡量使用深度：監控哪些工具在代理工作流中被使用，而非只看活躍用戶數
  2. 建立支持生產使用的治理：前沿企業不是跳過治理，而是讓治理賦能生產使用，而非成為障礙
  3. 將賦能視為核心基礎設施：員工訓練、prompt 模板、工作流設計——這些是基礎建設，不是選修課
  4. 識別前沿團隊並擴大影響：組織內部先找到「已經在深度使用 AI」的團隊，讓他們成為傳播節點
  5. 從聊天工具轉向委派工作：具體行動是把現有工作流中「人工協調」的部分替換成 AI 代理執行

對台灣企業的意義：多數企業仍在第一層（廣泛使用 ChatGPT 回答問題），而 16x 差距已經在第三層（代理工作流大規模生產部署）。差距每個月都在擴大，因為前沿企業的 AI 積累是複利式增長。

延伸觀點

企業 AI 的「深度-廣度」分化

多篇獨立分析共同指向一個結論：AI 採用廣度已近飽和，深度才是 2026 年的競爭場域。McKinsey 數據顯示 88% 企業在至少一個職能使用 AI，但真正進入「代理系統大規模部署」的企業不到 25%。這個廣度飽和、深度稀缺的結構，正是 OpenAI 選擇以「使用深度」作為 B2B Signals 核心指標的原因。

Codex 作為「AI 組織成熟度」代理指標的侷限

部分分析指出，以 Codex 訊息量衡量 AI 成熟度的潛在偏誤：非軟體工程密集的企業（如零售、製造）很難在這個指標上競爭，但不代表其 AI 採用深度低。職能適配性比工具使用量更能反映真實成熟度，這也是未來幾期 B2B Signals 需要修正的方向。

治理悖論：賦能 vs 管控

跨多篇分析都出現同一個觀察：前沿企業的 AI 治理不是「更嚴格的限制」，而是「更清晰的框架讓員工放心使用」。多數企業的 AI 採用停在淺層，不是因為技術不夠成熟，而是因為員工不確定哪些任務委給 AI 是被允許的。治理框架的首要任務是消除這個不確定性，而非增加審批流程。

相關頁面：Agentic AI 企業落地現實：基礎建設障礙與突破策略 · 2026 年 Agentic AI 七大趨勢 · Codex 安全生產部署：沙盒、審批工作流與可觀測性 · OpenAI 入駐 AWS Bedrock：GPT 模型、Codex 與託管代理三合一整合 · Uber × OpenAI：司機智慧賺錢與乘客語音預約 · Simplex × Codex：AI 原生軟體開發的五個轉型原則

反向連結

以下頁面引用了本頁：