OpenAI投资者创新日：Codex如何重塑企业工作流

从"提问模式"到"执行模式"：AI在企业中的角色转变

OpenAI近期举办的投资者创新日（Investor Innovation Day）上，多位企业用户分享了他们使用OpenAI产品的深度体验。一个核心主题贯穿始终：AI正在从简单的问答工具，演变为真正能够"做事"的企业级生产力引擎。

一位演讲者坦言，最初使用Codex时，自己仍停留在"提问模式"（asking mode）——把AI当作一个高级搜索引擎来用。但随着深入使用，他逐渐理解了Codex真正的价值在于"执行模式"（doing mode），即让AI直接参与到复杂问题的解决过程中。

OpenAI Codex是基于GPT系列大语言模型专门针对代码生成和理解进行微调的AI系统，最初于2021年发布，是GitHub Copilot的底层引擎。在企业场景中，Codex的价值已经超越了单纯的代码补全，演变为能够理解业务逻辑、自动化复杂工作流的智能代理。从"提问模式"到"执行模式"的转变，本质上反映了大语言模型从信息检索（Retrieval）向任务执行（Agentic）范式的跃迁——这也是2024-2025年AI行业最重要的技术趋势之一。

这种转变并非个例，而是代表了企业AI应用从浅层到深层的普遍演进路径。

企业级应用的三大核心场景

上下文关联的实时决策支持

演讲者特别提到了一个高价值场景：将交易文件夹（deal folder）中的所有上下文信息连接起来，然后实时提出问题。这对投资和商务决策工作流产生了显著影响。

传统模式下，分析师需要手动翻阅大量文档、财务报表和会议记录才能形成对一家公司的全面认知。而现在，AI能够在理解完整上下文的基础上，即时回答关于交易的深层问题，大幅缩短了决策准备时间。

这一场景的技术基础是检索增强生成（Retrieval-Augmented Generation, RAG）架构。RAG通过将企业私有数据（如合同、财报、尽调报告）向量化存储，在用户提问时动态检索相关文档片段，再将其作为上下文注入大语言模型进行推理。相比于将所有数据塞入模型的上下文窗口，RAG在成本、准确性和数据时效性方面具有显著优势。在投资决策场景中，一个典型的交易文件夹可能包含数百份文档、数千页内容，传统人工分析需要数天甚至数周，而基于RAG的AI系统可以在秒级完成跨文档的关联推理。

数据处理效率的质变

ChatGPT的Excel插件被特别提及为日常工作中的效率利器。对于需要频繁处理电子表格数据的金融和咨询行业从业者来说，这类工具将"快速了解一家公司"的过程从数小时压缩到了极短的时间。

这不是渐进式的改善，而是工作方式的根本性变革。当数据处理不再是瓶颈时，人的精力可以真正聚焦在判断和决策上。

组织级GPTs生态的飞轮效应

最令人印象深刻的数据是：该企业已有2,700名员工获得了ChatGPT Enterprise许可证，数百个定制GPTs在组织内部被创建和使用。

ChatGPT Enterprise是OpenAI于2023年8月推出的面向企业客户的产品版本，与消费者版本的核心区别在于：企业级数据安全保障（数据不用于模型训练）、SOC 2合规认证、无限制的GPT-4访问、更长的上下文窗口（最高128K tokens）、以及管理员控制台等企业治理功能。2,700个许可证的规模反映了大型企业对生成式AI投资的决心，年度投入可能达到数百万美元级别。

GPTs是OpenAI于2023年11月推出的功能，允许用户无需编程即可创建针对特定任务优化的AI助手。用户可以通过上传文档、设定系统提示词（System Prompt）、配置外部API调用等方式定制GPT的行为。在企业环境中，定制GPTs本质上是一种轻量级的AI应用开发范式，它将传统需要数周开发的内部工具缩短到数小时甚至数分钟。

这形成了一个强大的飞轮效应：

• 员工创建解决特定问题的GPTs
• 这些GPTs被推广到日常运营中
• 更多人受到启发，创建更多GPTs
• 整个组织的AI应用密度和运营效率持续提升

演讲者将其描述为"业务的巨大力量倍增器"（giant force multiplier），这个军事术语的使用暗示了AI带来的不是10%或20%的效率提升，而是量级上的变化。"力量倍增器"源自军事战略，指能够显著放大部队战斗力的因素。麦肯锡2024年的研究估计，生成式AI可能为全球经济增加2.6至4.4万亿美元的年产值，其中知识密集型行业（如金融、咨询、法律）的生产力提升幅度最为显著，部分岗位的产出效率可提升40%-60%。

从工具到组织变革：企业AI转型的深层启示

这次分享揭示了一个重要洞察：真正的企业AI转型不是简单地部署一个工具，而是需要解决"真正困难的问题"来解锁"完整的组织变革"。

企业在AI落地过程中通常需要经历以下阶段：

1. 试探期：员工以提问方式使用AI，获得初步价值感知
2. 深入期：开始将AI嵌入核心工作流，从"问"转向"做"
3. 扩散期：通过定制GPTs等方式，让AI能力在组织内横向传播
4. 变革期：AI成为组织运营的基础设施，驱动流程重构

这一演进路径与Gartner提出的技术采纳曲线高度吻合。值得注意的是，大多数企业目前仍处于第一或第二阶段，真正进入扩散期和变革期的组织仍属少数。从试探期到变革期的跨越，往往需要自上而下的战略推动与自下而上的员工创新相结合，单纯依靠任何一方都难以实现规模化转型。

对企业AI战略的意义

OpenAI选择在投资者创新日展示这些企业案例，传递了明确的信号：企业级市场是其商业化的核心战场。2,700个企业许可证、数百个内部GPTs——这些数字证明了ChatGPT Enterprise的产品市场契合度。

从竞争格局来看，OpenAI在企业市场面临来自微软（通过Copilot系列产品深度整合Office 365生态）、Google（Gemini for Workspace）、Anthropic（Claude for Enterprise）等多方的激烈竞争。OpenAI的差异化优势在于其模型能力的领先性以及GPTs生态带来的网络效应——当一个组织内部积累了数百个定制GPTs时，迁移成本将显著上升，形成强大的客户锁定效应。

对于正在考虑AI转型的企业而言，关键启示是：不要停留在让员工"用AI问问题"的阶段，而要系统性地思考如何让AI真正参与到核心业务流程中，解决那些"真正困难的问题"。只有这样，才能从工具使用者升级为AI原生组织。

核心要点