當企業開始導入 AI 時，大多數人的第一反應是購買授權、部署帳號，並確認員工是否有人在用。然而根據 OpenAI 釋出的 B2B Signals 研究報告，這種以使用權為核心的初步階段已不再是決定競爭力的關鍵。現在，企業之間的差距正從「有沒有在使用」轉向「如何使用」，領先企業與一般企業之間正在形成一種累積性的優勢差距。
定義 AI 使用深度的關鍵指標
要衡量一家公司對 AI 的運用程度，不能只看有多少人登入或傳送了多少條訊息。研究發現，訊息量僅能解釋領先企業優勢的 36%，真正的差距在於使用深度。
為了量化這個概念，研究使用了生成的 Token 數量作為替代指標。Token 是 AI 處理文字的最小單位，生成量越多，通常代表 AI 處理的資訊量越大、脈絡越複雜。簡單來說，一般企業傾向將 AI 當作搜尋引擎或聊天機器人來回答簡單問題；而領先企業則要求 AI 承擔更複雜的任務，提供更完整的背景資訊，並產出具有實質價值的完整內容。
從對話式協助轉向智慧體工作流程
目前 AI 的應用正處於一個重要的轉折點：從對話式協助（Conversational Assistance）演進到智慧體工作流程（Agentic Workflows）。
對話式協助是指使用者輸入指令，AI 給出回應，這是一種單次、線性的互動。而智慧體工作流程是指將 AI 視為一個能執行任務的代理人，它可以自主地使用工具、在多個檔案或程式碼庫之間切換，並完成需要多個步驟的長期任務。
這種差異在進階工具上最為明顯。例如在 Codex（程式碼生成工具）的使用上，領先企業每位員工的訊息量是一般企業的 16 倍。這顯示領先者已不再將 AI 視為快速的介面，而是將其整合進開發流程，委派實質的工作任務給 AI 智慧體，從根本上重新設計工作方式。
AI 的專業化與職能整合
AI 正在從通用的生產力工具轉變為各職能核心的專業工具。雖然寫作與溝通是最普及的應用，但不同部門已開始發展出專業的 AI 模式。
IT 與資安團隊將 AI 用於操作教學與流程指引；軟體開發與資料科學團隊深耕於程式碼生成與優化；財務團隊則將 AI 應用於複雜的分析與計算。此外，企業也開始透過 API 將 AI 能力直接嵌入到內部系統或客戶支援產品中，例如保險公司 Travelers 開發的 AI 理賠助理，能引導客戶完成報案並直接在系統中建立案件，將 AI 從對話視窗轉化為實際的業務執行力。
如何縮小差距並邁向前沿
對於希望提升 AI 競爭力的企業，可以從以下四個維度著手：
首先是衡量使用深度。不要只追蹤授權數，要關注 AI 處理的任務複雜度與產出價值。
其次是建立治理機制與基礎設施。將 AI 培訓視為核心基礎設施，而非一次性課程，幫助員工建立使用 AI 的習慣與信心。
第三是從對話轉向委派。鼓勵團隊嘗試將多步驟的複雜工作流程交由 AI 智慧體處理，而非僅僅用它來修改文字。
最後是擴展有效做法。辨識公司內部已經將 AI 用得極深、效果極佳的先鋒團隊，將他們的實務經驗標準化並推廣至其他部門。
來源：openai.com
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。