OpenAI 发布智能体工作研究：Codex 正把办公任务从“聊天”推向“委托”
OpenAI 6 月 25 日发布的智能体工作研究显示，Codex 使用正在从短问答走向更长、更复杂的任务委托，且非工程岗位也开始把它用于自动化、数据处理和结构化分析。
事件背景：OpenAI 把 Codex 使用数据做成了一份工作方式观察
OpenAI 在 2026 年 6 月 25 日发布《How agents are transforming work》，围绕内部与组织用户的 Codex 使用，讨论 AI Agent 如何从“回答问题”转向“承接任务”。这不是一次单纯的产品更新，而是一次对智能体工作流的观察：用户不只让模型解释代码、写片段，而是把更长链条的执行交给 Agent。
OpenAI 在文中提到，Codex 请求里已经有相当一部分对应人类需要较长时间完成的任务，任务复杂度和持续时间都在上升。第三方技术媒体随后也把重点放在“非工程岗位也开始使用 Codex”这一点上：Agent 的价值正在从开发者工具，扩展到数据整理、自动化、文档和跨系统操作。
为什么这件事重要：AI 办公的单位变了
过去一年，很多企业采购 AI 工具时仍以“对话框效率”为核心指标：回答是否准确、总结是否快、写作是否流畅。但 Agent 的真实变化，是把工作单位从一次提示词改成一个可交付任务。例如整理一批表格、排查一个系统问题、生成可运行脚本、把会议结论转成项目事项，这些都不是单轮聊天能完整覆盖的工作。
这也解释了为什么 Codex 这类产品会从工程场景向外扩散。非技术岗位并不一定要成为程序员，但他们会越来越多地把“技术执行部分”委托给 Agent，例如把重复报表流程自动化、把运营数据转成查询脚本，或者让 Agent 先搭建内部工具原型。
行业影响：企业要开始管理“可委托任务”
对企业来说，真正的挑战不是给每个人开通一个 AI 聊天账号，而是识别哪些工作可以被稳定委托，哪些步骤必须人工确认，哪些数据和权限不能交给模型自动操作。Agent 越能长时间执行任务，审批、日志、回滚、权限边界就越重要。
这会改变 AI 产品选型逻辑。企业不只要比较模型能力，还要看工具是否具备任务上下文、代码或文件沙箱、审计记录、连接器、失败恢复和人为接管机制。未来办公 AI 的竞争，很可能从“谁回答得更像专家”转向“谁能把任务闭环做得更可靠”。
适合哪些人关注
企业管理者需要关注：Agent 引入后，岗位边界和流程责任会被重新划分，应提前定义哪些任务可以委托、哪些结果必须复核。
产品和运营团队需要关注：低代码和自动化门槛下降后，非工程岗位能更快把流程需求变成可执行工具。
开发者和技术负责人需要关注：Agent 进入组织工作流后，代码评审、权限控制和运行环境隔离会成为默认基础设施。
YmNav 观察
这份研究的价值不在于证明“所有工作都会被 Agent 替代”，而在于提醒企业：AI 应用正在从内容生成进入任务委托阶段。最先受益的，不一定是完全自动化的宏大流程，而是那些重复、高上下文、可验证、失败成本可控的日常知识工作。
来源参考
OpenAI：How agents are transforming work
