對話轉向委派

資料來源#

• Anthropic Economic Index report: Cadences
• Deploying AI from pilot to production: A practical blueprint for CIOs and technical leaders
• How Organizations Use AI: Evidence from ChatGPT
• The Shift to Agentic AI: Evidence from Codex
• The state of AI in 2026: On the road to ROI

摘要#

OpenAI 的 The Shift to Agentic AI: Evidence from Codex（Johnston、Holtz、Richmond、Ong、Tambe、Chatterji，2026 年 6 月）的核心論點是：代理式 AI 並非能力更強的聊天機器人，而是一種不同的使用模式。 對話系統（ChatGPT）用來交換資訊：你提問，模型回答。代理式系統（Codex）則用來執行工作：你委派任務，系統便檢視情境、使用工具，並代表你修改產物。論文衡量個人使用者、組織使用者，以及 OpenAI 員工這三種族群的轉變，發現這項轉變快速、並不平均，而且透過輸出 token 比透過使用者人數更能看清楚。 這篇文章是 Codex 這一側、跨族群的補充研究，對照的是Anthropic 在 Claude Code 內觀察到的工作組成轉變：同樣是「從詢問走向執行」的變化，由第二家前沿實驗室在第二種工具上進行衡量。

證據說明。 empirical——研究使用隱私保護、自動分類器流程分析 Codex 使用紀錄（研究者從未閱讀原始訊息）；涵蓋三種族群；成長幅度採索引化並抽樣（使用者樣本 3–4%，複雜度樣本 0.1%）。有兩項應坦承的限制：這是第一方研究（OpenAI 衡量自家產品與員工），而且OpenAI 內部使用情況明確不代表一般組織——作者將之定位為低摩擦採用的前沿預覽，而非族群估計。研究結果由分類器推斷。

密集邊際：看輸出 token，而不是活躍使用者#

這篇論文的方法論轉折在於：計算使用者人數會低估這項轉變。 許多人仍會開啟 ChatGPT；但採用 Codex 的人，使用強度高得多。因此，論文的核心指標是截至 2026 年 6 月 11 日的前 28 天內，Codex 生成的輸出 token 占 Codex 與 ChatGPT 輸出 token 總量的比率：

族群	Codex token 占比	28 天 Codex 採用率（廣延邊際）
個人使用者	16.5%	活躍使用者的 <1%
組織使用者	63.3%	使用者的 17.3%
OpenAI 員工	99.8%	幾乎普遍採用

廣延與密集邊際之間的落差就是關鍵：28 天內接觸過 Codex 的個人活躍使用者不到 1%，卻占個人輸出 token 的 16.5%——採用者的使用量異常高。在 OpenAI 內部，Codex 已大致取代 ChatGPT，成為工作介面。2026 年 1 月 1 日至 6 月 1 日間，每週活躍 Codex 使用量總計成長超過五倍，而成長最快的是非開發者，不是原本的軟體開發者族群。

同樣的廣延／密集落差也出現在職務別：組織中的工程師平均有 26.8% 的個人 token 用於 Codex；但在採用 Codex 的工程師所生成的 token 總量中，Codex 占88.3%。法律職務使用者的 Codex token 占個人平均 token 的 1.9%，但占該職務 token 總量的 17.6%。採用面不廣，但一旦採用，使用就很深入。

詢問與執行#

這項概念轉折明確借鑑 Chatterji 等人（2025）的研究 How People Use ChatGPT（本篇論文的共同作者之一）：在對話式使用中，近半數提示都是**「詢問」——索取資訊、建議或學習。Codex 的使用則是「執行」**：使用者委派除錯、重構、驗證、設定、文件草擬與資料分析。論文將這些活動界定為生產而非諮詢——「使用者要求 Codex 執行工作，而不只是提供建議。」在代理式介面中，一個使用單位對應的是委派工作流程，而不是單次對話。（工具使用是粗略的替代指標：截至 2026 年 6 月 11 日前一週，Codex 回合中有 60.3%、ChatGPT 回合中有 21.9% 呼叫外部工具。）

衡量方式失效：當使用變成委派，該計算什麼#

論文對未來的主張，也連結到 wiki 中的衡量主題：標準的 AI 使用指標——活躍使用者、聊天次數、訊息量——「隨著代理式系統普及，可能會變得較不具資訊量」。 當一條指令就能啟動數小時、自主使用工具的多步驟工作，訊息數便無法再追蹤產出。作者提出應改為追蹤以下指標：

• 委派任務的複雜度（以人類完成任務所需時數估計——見 Task Time-Horizon Scaling）
• 執行時間（代理程式每天工作多久——見 Parallel Agent Orchestration）
• 工作流程重用（技能／外掛——見 Agentic Work Systematization）
• 並行度（平行代理程式——見 Parallel Agent Orchestration）
• 生產輸出（代表使用者生成的 token）

這延續了 Telemetry vs. Survey Measurement 與 Production-Sourced Evaluation 所體現的相同思路：「衡量系統實際做了什麼，而不是替代指標」；更進一步說，不只是遙測優於問卷，而是輸出與委派指標優於互動次數指標。

將三種族群視為自然實驗#

由於三組人都能使用同一個模型，他們之間的巨大差異顯示，採用取決於情境而非能力——這正是組織互補條件論點。OpenAI 員工（邊際使用成本低、認同度高、接受過訓練，且接近這些系統）是前沿預覽：當採用摩擦接近零時，代理式使用會是什麼樣子。他們的使用模式——涵蓋研究、規劃、溝通、招募、銷售；2025 年 11 月至 2026 年 6 月間，所有職務的輸出 token 都增加**≥10 倍**（研究人員增加 50 倍以上）——呈現的是論文所描繪的終點，而非平均狀況。

不只是模型，也是產品：不同介面的自主程度#

Anthropic 的 AEI Cadences 報告（2026 年 6 月）從 Claude 一側提供不同介面的比較。若以 1–5 分衡量 AI 自主程度，Claude Code 在 31 種輸出類型中的 26 種都比聊天／Cowork展現出更高自主性（平均差距 +0.37；腳本與程式碼片段為 +0.53）。差距的三分之二來自同一任務交由系統執行時委派程度更高——在聊天／Cowork 中，一篇部落格文章的撰寫往返中位數為 13 回合，在 Claude Code 中卻只需一個提示——另三分之一則來自輸出組成不同。關鍵是，即使控制模型後，差距依然存在：在由 Sonnet 服務的對話中，Claude Code 的自主性仍高出 +0.26，儘管 Code 使用 Opus 的頻率高得多（54%，而聊天／Cowork 為 10%）。報告的結論——「所使用的產品可能比底層模型更重要」——正是本頁「代理式 AI 是不同的使用模式，而非更好的聊天機器人」的介面設計對照，也呼應了 Harness Shrinkage as Models Improve：決定使用者委派多少工作的，是 harness／介面，不只是模型。

組織採用邊際，以及停滯之處（McKinsey，2026 年 8 月）#

上述轉變是透過三種使用者族群中的 token 衡量。The state of AI in 2026（McKinsey／QuantumBlack，2026-08-25，empirical，但採自陳資料；97 個國家的 1,719 名受訪者）衡量的則是組織採用邊際——有多少組織已進入使用可支援委派的工具進行擴大規模階段；結果顯示，對話的進展約是委派的兩倍，而且大型與小型組織之間的差距正在擴大。

已達「至少擴大規模」階段	全體	營收 ≥$1B	營收 <$1B
AI 聊天機器人	47	64	39
專用 AI 工具	—	35	20
軟體編碼代理程式	~20	31	17
其他 AI 代理程式	~20	25	13

逐年比較，至少有一項職能中的代理程式擴大規模比例，在營收超過 $1B 的組織中由 27% → 40%，在營收低於該門檻的組織中則由 21% → 22%（圖表 2）。AI 高績效者擴大委派工具的規模，速度約為其他人的兩倍（編碼代理程式 40% 對 20%，其他代理程式 40% 對 15%；圖表 13）。按職能來看，整體擴大規模比率多在個位數至低雙位數——知識管理 11%、軟體工程 10%、IT 12%——而科技產業中的軟體工程則升至 31%（側欄圖表）。

因此，整體族群的樣貌不是沿著「對話→委派」路徑前進的單一曲線，而是分化：委派邊際在大型企業推進，在小型企業則持平。使用這些數據時有兩項提醒：這衡量的是組織的部署階段，而非委派工作的占比，因此與前述 token 占比是不同數量，不能直接用數字比較；而且編碼代理程式項目是這份調查中「不知道」比例最高的項目（大型企業為 11%），在已確認職務的 1,490 名受訪者中，654 人是 C-level。

同一實驗室的企業帳冊：對話基準（2026 年 8 月）#

How Organizations Use AI: Evidence from ChatGPT（Chatterji、Holtz、Rakholia、Tambe 與 Weeratunga，arXiv 2608.12236，empirical）是上述 Codex 研究在 ChatGPT 一側的對照研究——兩篇論文有兩位共同作者 Holtz 與 Chatterji——並衡量本頁 token 占比的分母母體。完整分析見 The Enterprise AI Adoption Gradient。

這篇研究在此有三項貢獻。以 token 而非問卷階段衡量外部組織曲線： ChatGPT Enterprise 客戶的輸出 token 總量在 2025 年 6 月至 2026 年 3 月間約成長七倍；而在 2025 年 6 月已採用的固定客戶群中，約成長四倍——約一半的成長發生在早已是客戶的公司內。加速成長與採用批次無關： 不同時間採用的公司都在 2026 年初同步加速，作者認為這顯示「影響 ChatGPT Enterprise 客戶整體的發展，而不只是採用後使用量的正常擴張」。而這不是代理式使用的時間序列： 論文合併計算 ChatGPT 與 Codex token，但附錄圖 A1 顯示，觀察期間的成長「幾乎完全由 ChatGPT 及相關的非代理式 AI 工具所帶動」；作者明確將 Codex 留待本頁依據的配套論文處理。

因此，委派占比是在一個本身已成長七倍的對話基礎上攀升。這對解讀組織 token 占比 63.3% 很重要：在快速擴大的分母中，占比上升，比在持平分母中占比上升所代表的主張強得多；而 Codex 論文並未說明分母屬於哪一種情況。

企業研究也補上 Codex 論文職務分類所沒有的依資歷區分的使用強度梯度：以活躍使用者為條件時，職涯早期員工與受訓人員每週傳送的訊息比同公司其他人都多（論文稱比公司平均多八到九則；圖 6 B 面板的點估計約為 +7），高階主管、創辦人與合夥人則較少。無論委派轉變帶來什麼影響，至少在對話介面上，使用強度最高的是階層底部。

相關連結#

• The Enterprise AI Adoption Gradient——本頁 token 占比所使用的對話介面分母：ChatGPT Enterprise 輸出 token 九個月成長 7 倍（2025 年 6 月前採用的客戶群中成長 4 倍），所有採用批次同時加速，而且觀察期間的使用幾乎全為非代理式

• Task Crossover——同一實驗室在另一個軸向上的遙測資料：本頁衡量使用強度（詢問 → 委派），交叉衡量工作邊界（自身職業的工作 → 他人的工作）。兩者中，重度使用者都打破了簡單的單調模式

• Usage-Telemetry Classifier Validation——本頁數據尚未量化的誤差範圍：此處每個 token 占比與採用數字都經過分類器處理，而 Google ATLAS 迄今是唯一公開該層準確度的使用經濟研究計畫

• Task Saturation: Broad but Shallow AI Diffusion——從介面而非工具觀察同一委派邊界：ATLAS 發現 Gemini API 流量中有 98.8% 與工作相關，對話流量中則有 13%；並將非例行認知工作對話中不到 10% 歸類為端對端自動化意圖——消費者介面排除了本頁所衡量的代理式編碼流量

• Agentic Coding Work-Composition Shift——Anthropic／Claude Code 對同一「詢問→執行」轉變的遙測資料；本文是 OpenAI／Codex 的跨族群補充研究（兩家實驗室、兩種工具、一項轉變）

• Conversation Artifacts——同一份 Cadences 報告中的產物配套章節；產物的自主性與運算量同步變動（r = 0.68）

• AI Usage Cadences——該報告探討時間節奏的章節；呈現這項逐漸普及之委派的廣延節奏

• The Automation–Optimism Link——探討認知的章節：自動化占比（本頁以問卷衡量的委派）可預測員工樂觀程度

• Exposure Taxonomy: Observed, Theoretical, Reported, Anticipated——問卷衡量信念的一側，補足本頁行為的一側所呈現的轉變

• Anthropic Economic Index——相關研究計畫；本篇 OpenAI 研究引用了該計畫探討專業知識報酬的報告

• Returns to Expertise in Agentic Coding——本文引用報告中的配套研究發現（Hitzig 等人，2026）：當工作轉向委派，人類不可或缺的技能是領域理解與監督，而非執行

• Organizational Complements to AI——解釋為何同一模型在三種族群中表現差異如此巨大：價值取決於工作流程、權限與技能的互補條件，而非單靠能力

• Agentic Work Systematization——三種「如何」邊際之一：將臨時委派鞏固為可重用的技能／外掛流程

• Parallel Agent Orchestration——另外兩種「如何」邊際：並行度與長時間執行，也就是密集使用者的工作流程

• Task Time-Horizon Scaling——委派任務複雜度（所需時間超過 8 小時的任務占比由 2.1% 升至 25.6%），是從使用面觀察可靠任務長度上限攀升的方式

• Planning / Execution Division of Labor——委派是已實現的一側：每個提示啟動了多少自主工作，以及使用者實際交出了多少工作

• Telemetry vs. Survey Measurement——衡量方式失效的觀點由此延伸：不僅遙測優於問卷，委派指標也優於互動次數

• Verification as the New Bottleneck——使用從詢問轉向委派後，人類角色轉向審查、監督與協調——這正是本文指出的新瓶頸

• Engineer PM Convergence——密集使用者「管理一組代理式工作」，轉向委派、監督與整合——使用資料呈現的職務匯流

• AI as Primary Author——委派生產意味著作者角色轉移給代理程式；token 占比呈現了轉移的程度

• Harness Shrinkage as Models Improve——從使用面來看，harness 縮減讓委派增加：每項任務所需的手把手引導變少，交辦出去的工作變多

• Shared Harness, Differentiated Surfaces——OpenAI 如何因應這股趨勢：OpenAI 表示，這裡衡量的知識工作者成長（截至 2026 年 6 月約占 Codex 使用者的 20%，成長速度比開發者快 3 倍以上）正是將 Codex 整合到 ChatGPT Work、共用同一 harness 的原因

• OpenAI——本篇 Codex 遙測資料所屬的實驗室，其內部使用情況也是前沿預覽

• Codex——本研究衡量其採用情況的代理式工具

• Market-Priced AI Exposure (the AI Premium)——以跨供應商方式獨立佐證同一「詢問→執行」轉變：Borri-Liu-Tsyvinski 的 OpenRouter 面板（涵蓋 400 多種模型，而非單一實驗室）顯示，代理式 token 占比——完成原因為 tool_calls 的請求——從 2024 年接近零升至 2026 年初的 52.2%。這是由單一供應商產品以外的資料衡量同一轉變；其以「密集邊際，而非使用者人數」計價，也呼應本頁的「輸出 token，而非活躍使用者」

• Pilot-to-Production Gap——以企業工作流程為對象，前瞻性論述同一轉變，而非在開發者工具中進行衡量。 Anthropic × Accenture（vendor-claim）將超越輔助使用的理由表述為產能上限論證：「副駕駛工具的吞吐量上限仍取決於使用它的人……協助分析師更快撰寫報告的工具，仍受限於該分析師能審查並核准多少份報告。」只有端對端完成工作（處理發票並將例外情況上報、讓一線客服單從開啟到結案），才能讓吞吐量隨工作量而非人數增加。值得保留兩者的不對稱：該文件主張存在上限，卻未提供實際衡量上限的案例；本頁則提供委派輸出占比（99.8%／63.3%／16.5%），但未對上限提出主張

尚待解答的問題#

• token 占比指標會讓冗長的代理式輸出得到較高權重。99.8%／63.3%／16.5% 的差距，有多少反映真實的工作轉變，又有多少只是代理式工具每單位人類意圖輸出的 token 更多？
• 依據假設，OpenAI 內部使用情況是前沿預覽。外部組織的曲線是否真的沿著 OpenAI 的路徑前進（論文隱含的主張），還是會在採用摩擦未消失之處趨於平穩？已有部分答案（2026-09-22），來自 The state of AI in 2026: On the road to ROI（empirical，自陳資料；97 個國家的 1,719 名受訪者，調查於 2026 年 5 月 4 日至 6 月 8 日進行）：以組織層級來看，答案是兩者皆是，依公司規模而分。營收超過 $1B 的組織中，至少在一項職能擴大 AI 代理程式規模的比例逐年由 27% 升至 40%；營收低於此門檻者則由 21% 升至 22%，呈持平狀態（圖表 2）；軟體編碼代理程式也呈現相同規模差異（至少進入擴大規模階段者為 31% 對 17%，圖表 3）。因此，外部沒有單一曲線可供追蹤：大型企業邊際推進得夠快，符合前沿預覽的主張；小型組織邊際則已連續一年停滯在略高於五分之一，這正是採用摩擦未消失時的樣貌。三項限制使答案仍不完整。衡量的數量不對——是單一受訪者回報的部署階段，而非委派工作占比，因此無法與 99.8%／63.3%／16.5% 的 token 占比作數值比較。觀察期間只有一年。而且「至少擴大規模」是受訪者依自己的判斷作答；編碼代理程式項目在此調查中的「不知道」比例最高。#oq/source 另一項研究在指標相符、產品不符的情況下提供補充觀察（2026-09-23）： How Organizations Use AI: Evidence from ChatGPT（empirical，涵蓋 2024-01-01 至 2026-03-31 間採用產品的組織之 OpenAI 行政紀錄）以輸出 token而非部署階段呈現外部曲線，使用與前沿預覽主張相同的單位。曲線急速上升，沒有停滯：2025 年 6 月至 2026 年 3 月總量約成長 7 倍；在 2025 年 6 月前已採用的固定客戶群中約成長 4 倍；所有批次也在 2026 年初同步加速。依據這項衡量方式，外部組織的使用持續加深，而非停滯，這較支持前沿預覽的解讀，也較不支持 McKinsey 發現的小型組織停滯現象。有兩個原因使它無法定論，而且兩者指向相反方向。產品不符：這個序列主要是ChatGPT，而非 Codex（作者如此說明，並將代理式使用的分析留待本頁依據的研究），因此衡量的是對話基礎使用加深，而非委派擴散。母體也不符，而且方向與原始主張相同——只有 ChatGPT Enterprise 買家，且偏向大型美國上市公司；這正是 McKinsey 發現正在推進的族群。無法被這項指標觀察到的，正是那些陷入停滯的組織。
• 「ChatGPT 的使用有一半是詢問，Codex 的使用多半是執行」——但兩種工具各自吸引了不同工作。詢問與執行的差異，有多少來自使用模式本身的轉變，又有多少只是把原本就屬於「執行」的任務分流到為此打造的工具？

資料來源#

• The Shift to Agentic AI: Evidence from Codex — 摘要；§1 導論（四項風格化事實）；§3 誰在使用代理式 AI；§6 結論
• Anthropic Economic Index report: Cadences — Anthropic Economic Index Cadences（2026 年 6 月），第 2 章「Claude 在多大程度上能自行決定？」（依介面比較自主性，並控制模型）
• Chatterji 等人（2025），How People Use ChatGPT（NBER WP 34255）——用來對照的對話式 AI 基準：「詢問」約占一半
• The state of AI in 2026: On the road to ROI — Dan Tinkoff、Lieven Van der Veken 與 Michael Chui，另與 Tara Balakrishnan 合著，The state of AI in 2026: On the road to ROI（McKinsey／QuantumBlack，2026-08-25，empirical，自陳資料；線上調查，97 個國家的 1,719 名參與者，調查於 2026 年 5 月 4 日至 6 月 8 日進行，依 GDP 加權）。本文引用圖表 2（2025 與 2026 年依營收級距分類的代理程式使用情況）、圖表 3（依工具與營收級距分類的階段）、圖表 13（高績效組織依工具分類的擴大規模情況），以及側欄的產業與職能熱圖。組織部署階段為自陳資料，並非工作占比指標。
• Deploying AI from pilot to production: A practical blueprint for CIOs and technical leaders — Deploying AI from pilot to production，Anthropic × Accenture，2026-09-11，38 頁，vendor-claim。本文僅引用其副駕駛工具吞吐量上限論點（考量 07）。完整分析及證據限制見 Pilot-to-Production Gap
• How Organizations Use AI: Evidence from ChatGPT — Chatterji、Holtz、Rakholia、Tambe 與 Weeratunga，How Organizations Use AI: Evidence from ChatGPT，arXiv 2608.12236（2026-08-12，69 頁，empirical；與上述 Codex 論文有兩位共同作者）。本文引用 §4.1 與圖 3（輸出 token 成長 7 倍／4 倍的拆解及各採用批次在 2026 年初同步加速）、註腳 13 與附錄圖 A1（企業 token 成長中非 Codex 的占比），以及 §4.3.2／圖 6（依資歷區分的使用強度梯度）。作者沒有獨立性——三位 OpenAI 員工與兩位以 OpenAI 付費承包商身分參與的學者；僅涵蓋 ChatGPT Enterprise 買家；屬描述性研究，未衡量成果。表格核對說明及來源內文與圖表之間的差異見 The Enterprise AI Adoption Gradient