OpenAI基于100万客户数据！发布了最新AI洞察报告

原创于 2025-12-10 22:40:21 发布 · 515 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能

Datawhale干货

发布：OpenAI，编译：Datawhale

OpenAl基于100万企业客户的真实使用数据，对100家企业，9000多名员工做了调研后，发布了最新的企业级AI洞察：《2025 State of Enterprise AI》报告。

这份报告带来的4个核心发现

1. 企业使用规模正在扩大，工作流整合日益加深。ChatGPT 的消息量增长了 8倍，每家组织的 API 推理 Token 消耗量同比增长了 320倍，这表明更多的企业正在使用 AI，且使用强度显著增加。

2. 善用 AI 的企业正在获得可衡量的生产力与业务影响。企业用户报告称，每天节省 40-60 分钟，并且能够完成以前无法完成的技术任务，如数据分析和编码。案例研究表明，AI 正在为收入增长、改善客户体验和缩短产品开发周期等重要成果做出贡献。

3. 企业增长是全球性的，且在各行业迅速加速。在过去六个月中，随着全球组织加深对 AI 的使用，国际采用率激增，补充了美国持续强劲的势头。在过去 12 个月里，中位数行业的增长超过了 6倍，科技行业以 11倍 的增速领跑。

4. “领跑者”与“落后者”之间的鸿沟正在显现。前沿员工发送的消息量是普通员工的 6倍；前沿企业的每席位发送的消息量是中位数企业的 2倍。尽管目前最强大的 AI 工具已广泛可用，但在实际使用意愿上仍存在实质性差距。

企业 AI 的下一阶段将由以下因素重塑：在具有经济价值的任务上表现更强、更好地理解组织上下文，以及从向模型「索要输出」转变为「委托复杂的、多步骤的工作流」。随着这些能力的成熟，我们预计组织不仅会提高效率，还会发现服务客户和交付价值的新方法。

一、企业级AI使用情况：呈现加速趋势

过去一年，随着组织将 AI 纳入跨职能和业务部门的可重复、多步骤工作流，企业 AI 采用率大幅上升。OpenAI 目前服务于超过 700 万个 ChatGPT 工作席位，ChatGPT Enterprise（企业版）席位同比增长约 9倍。自 2024 年 11 月以来，企业版每周消息总量增长约 8倍，平均每个员工发送的消息量增加了 30%。

有两大转变凸显了 AI 正在深度融入企业核心工作流：

1. Custom GPTs 和 Projects 正在实现更深层次的工作流

Custom GPT 和 Projects 是基于 ChatGPT 构建的可配置界面，可以通过指令、知识库和自定义动作进行定制，使员工能够执行可重复的、多步骤的任务。

年初至今，Custom GPTs 和 Projects 的周活跃用户增长了约 19 倍。
近期，约 20% 的企业消息是通过 Custom GPT 或 Project 处理的。
最广泛部署的 GPTs 要么是将机构知识编纂为可复用的助手，要么是通过与内部系统的集成来自动化工作流。例如，BBVA 经常使用超过 4,000 个 GPTs。

2. 开发者和 API 工作流正在迅速扩展

企业基于 API 构建应用，以高度的控制权和定制化将模型直接集成到其产品和系统中。

目前已有超过 9,000 家组织处理了超过 100 亿 token，近 200 家组织的累计使用量超过 1 万亿 token。

过去 12 个月，每家组织的平均推理 Token 消耗量增长了约 320 倍。这表明更智能的模型正被系统性地集成到不断扩展的产品和服务中。

虽然在企业生命周期中仍处于早期阶段，但 Codex 正获得快速关注。过去六周内，Codex 的周活跃用户增长了 2倍，周消息量增长了约 50%，表明 AI 辅助开发在企业内部的渗透率正在提高。

二、企业员工使用AI：节省时间、突破角色边界、带来更高生产力

在大多数环境中，AI 使员工能够更快地生产出更高质量的工作。然而，仅靠生产力并不能完全反映 AI 如何重塑工作。

1. 企业员工报告节省了时间并改善了跨职能的成果

ChatGPT Enterprise 用户平均每个活跃日节省 40-60 分钟。数据科学、工程和通信领域的员工节省时间更多（每天 60-80 分钟）。

这些收益转化为各职能广泛的运营改善：

87% 的 IT 员工报告 IT 问题解决速度更快。
85% 的营销和产品用户报告活动执行速度更快。
73% 的工程师报告代码交付速度更快。

2. 技术工作正在突破传统角色边界

AI 不仅加速了现有的工作，还扩展了员工可以执行的任务和技能。多项研究发现 AI 具有“拉平效应”，对低绩效员工的帮助尤其明显。

75% 的员工表示能够完成以前无法执行的任务，包括编程支持、代码审查、数据分析和自定义工具开发。
在工程、IT 和研发部门之外，与编码相关的消息量增长了平均 36%。这表明非技术团队正越来越多地参与以前仅限于专业角色的编码和数据分析工作。

3. 更密集地使用 AI 带来更高的生产力

每周节省超过 10 小时的员工群体，其消耗的 Credit 是零节省群体的 8倍。
这些高收益用户不仅仅使用更多智能，他们还使用多种模型，接触更多工具，并在更广泛的任务中使用 AI。

三、公司从AI试点转向全面部署

过去一年，我们看到随着公司从 AI 试点转向全面部署，整体采用率迅速提高。

1. 各行业增长迅速

中位数行业的客户增长超过 6倍，即使是增长最慢的行业也超过了 2倍。
增长最快：科技（11倍）、医疗（8倍）、制造业（7倍）。
规模最大：专业服务、金融和科技行业在 AI 使用规模上处于领先地位。

2. API 使用场景的多样化

API 最常用于构建和扩展面向客户的应用（如产品内助手、搜索和自动化），尤其是科技公司。但使用正在多样化：客户服务和内容生成现在约占 API 活动的 20%，非科技企业的 API 使用同比增长 5 倍。总体而言，这一模式表明采纳正在扩展，超越技术主导的产品嵌入，向更广泛的运营和工作流部署发展。

3. 企业增长具有全球性且正在加速

虽然早期 AI 采用主要集中在美国，但国际增长正在快速加速：

在最大的市场中，澳大利亚、巴西、荷兰和法国的企业客户增长最快，同比增长超过 143%
企业客户中的 ChatGPT 使用继续在全球扩展，美国、德国和日本是按消息量计最活跃的市场
英国和德国现已跻身美国以外最大的 ChatGPT Enterprise 市场（按客户数量计）
国际 API 客户增长在过去 6 个月超过 70%，日本拥有美国以外最多的企业 API 客户

四、AI 使用鸿沟正在扩大，和个人及组织能力密切相关

在各行业以及企业内部的个人之间，AI 的使用方式存在明显差异。这一差距是扩大还是缩小，将取决于组织如何进行变革管理，以及它们构建成功部署 AI 所需的系统、技能和运营模式的能力。

1. 前沿员工 vs. 中位数员工

为了更深入地理解这种分化，可以对比前沿员工与中位数员工。前沿员工发送的消息数量是中位数员工的 6 倍。即使在数据分析领域的员工中，前沿员工使用数据分析工具的频率也是中位数的 16 倍。

前沿员工与中位数员工之间的差距在写作、编程和分析方面最大。编程呈现最大的相对差距，前沿员工发送的消息量是中位数的 17 倍。前沿员工与中位数员工相比，AI 使用在不同任务中差异显著。

这些差异很重要。将使用数据与调查结果匹配后发现，跨越约 7 种任务类型使用 AI 的用户报告的时间节省，是仅使用约 4 种任务类型用户的 5 倍。换句话说，用户从 AI 中获得的收益与使用深度直接成正比。

即使在活跃的 ChatGPT Enterprise 用户中，许多人也从未尝试过一些最强大的工具。在月活跃用户中，19% 从未使用过数据分析，14% 从未使用过推理，12% 从未使用过搜索。在日活跃用户中，这些比例分别降至 3%、1% 和 1%。

企业提升 AI 成熟度的空间巨大

在企业层面，采纳强度的差距与个人层面观察到的情况类似。

前沿企业每席位产生的消息量约为中位企业的 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明显更深。这些企业系统性地投资于将 AI 嵌入为核心组织能力所需的基础设施和运营模式，而非将其视为边缘性的生产力工具。

五、AI在企业的典型应用案例

以下案例研究说明了 AI 如何在不同的组织环境中产生可衡量的业务成果。它们的影响反映了 AI 在特定运营和战略挑战上的应用，而非一刀切的解决方案。

案例 1：Intercom

案例 2：Lowe's

案例 3：Indeed

案例 4：BBVA（西班牙对外银行）

案例 5：Oscar Health

案例 6：Moderna

六、领先企业在AI实践中的做法

在实践中，领先企业通常会做到以下几点：

1. 通过启用上下文实现深度系统集成：它们开启连接器，让 AI 安全访问核心工具中的公司数据，实现上下文感知的响应和自动化操作。约四分之一的企业尚未迈出这一步。

2. 工作流标准化与复用：它们积极促进针对常见任务的可重复解决方案的创建、共享和发现。GPT 通常驱动这项工作，而最成熟的组织会将 API 驱动的助手直接嵌入核心内部系统。

3. 高管领导的支持：它们设定明确的任务、确保资源、协调团队，并为实验创造空间——所有这些都能实现大规模部署。

4. 数据就绪与评估：它们将机构知识编码为机器可读的程序，为关键数据管道构建 API，并运行持续评估以追踪模型在真实世界结果上的表现。

5. 有意识的变革管理：它们建立加速组织学习的结构，将集中治理和培训与通过嵌入式 AI 倡导者的分布式赋能相结合。）。

AI 领域正在快速演进，OpenAI 大约每三天就会发布一项新功能或能力。对组织而言，主要制约因素已不再是模型性能或工具，而是组织准备度（Organizational Readiness）。

结论

在 OpenAI 超过 100 万企业客户中，AI 正被嵌入到不断扩大的工作流、产品和内部系统中。尽管采用范围广泛且在加速，但整合的深度因组织而异。

数据表明，使用的深度至关重要。那些更持续使用高级工具（如推理模型、数据分析、Custom GPTs）的员工和公司，生产力提升和任务覆盖范围，都大于那些使用有限的人。

AI 也开始改变谁来执行某些类型的技术工作。编码和分析任务越来越多地出现在传统专业角色之外，，扩展了一些非技术团队能够做的事情。与此同时，行业模式仍然独特，反映了科技、专业服务、金融、医疗保健、制造业等不同领域的运营需求差异。

尽管存在日益扩大的 AI 采用鸿沟，但企业级 AI 仍处于早期阶段。企业有机会通过采用前沿员工和组织的模式来迎头赶上。随着企业级 AI 的成熟，成功的组织将不再仅仅把 AI 当作生产力工具，而是将其作为收入增长和竞争优势的持久引擎。

报告地址：

1.https://openai.com/index/the-state-of-enterprise-ai-2025-report/

2.https://randomarea.com/the-state-of-enterprise-ai-2025-report/#value

一起“点赞”三连↓