【OpenAI 企業 AI 導入實證】高管偏好決策概述與合規查詢，推動「流程再造」與「人機磨合」才是轉型核心
企業決策者引進 AI 面臨的難題之一是，導入 AI 工具後，能自動且即時轉化為組織的實質生產力嗎？OpenAI 聯合哥倫比亞商學院與賓州大學華頓商學院，發佈實證研究論文《How Organizations Use AI: Evidence from ChatGPT》，嘗試為這個問題提供解答。
研究將 ChatGPT Enterprise 的帳戶使用紀錄，安全且去識別化地連結至組織內部的員工職能角色、訊息層級任務分類，以及美國上市公司財務數據庫 Compustat；一共分析了超過 1,500 家組織，以及超過 1,700 萬條真實去識別化對話訊息。
依據研究結果，企業導入生成式 AI 的進程，絕非隨插隨用的簡單軟體採購，而是一個漫長且步調不一的組織變革現象。
📎 這份報告適合誰閱讀？
報告呈現生成式 AI 在真實商業世界中的部署與運作，適合以下工作者閱讀，為不同面向的決策與實務工作提供實證支持：
- 企業高階決策者與戰略規劃者
- 人力資源主管與人才發展專家
- 中階經理人與部門業務主管
- IT 技術決策者、數位轉型顧問
🔴 報告洞見
Token 消耗七倍成長，但高管開通多、工程師用得少
研究表明，企業級 ChatGPT 的採用需求，在短期內呈現指數型爆發式增長；在 2025 年 6 月至 2026 年 3 月的短短九個月內，企業客戶所產出的 AI 總輸出 Token 數量，大幅增長高達七倍。
更深入的結構分解呈現，這波暴增不僅是由於新企業的加入，既有客戶內部的「使用深化」同樣貢獻顯著。在 2024 年 1 月至 2025 年 6 月之間，已導入 ChatGPT Enterprise 的同一批固定企業群組中，其 Token 消耗量在同期也增長了近四倍；也就是說，總體 Token 消耗量增長中，有將近一半是由既有客戶內部的深化依賴與密集使用所驅動。
但是，在總體需求瘋狂增長的背後，企業內部的實質部署卻存在顯著的「職能偏差」。
許多企業高層習慣於將 AI 的導入成效與「帳號開通廣度」等同，但遙測數據揭露「開通廣度」與「實質使用深度」之間的嚴重脫節。
在導入 6 個月後，若分析活躍使用者在企業內部的職能組成比例：
- 工程與技術從業者佔 WAU（Weekly Active Users，每週活躍用戶）的 11%，開通比例最高。
- 高階主管、創辦人與合夥人佔 9%。
- 財務與會計角色佔 5%。
- 行銷與公關人員佔 5%。
- 銷售與客戶管理人員佔 4%。
然而，若將評估指標轉移至「每週每位活躍用戶的實質訊息發送量」，結果顯示，在排除企業規模與行業差異的影響、與同公司內其他活躍同事對比時，分析師與行銷公關人員在活躍後的每週平均訊息發送量顯著最高，遠超過公司整體的平均基準。
與此形成強烈對照的是，工程技術人員雖然開通率最高，但其實質訊息發送強度卻與公司平均相去不遠。
而高階主管、創辦人與合夥人雖然開通比例居次，其每週實質發送的訊息數量，卻是全公司各職能中顯著最低的群體。
這種「技術與高管分發廣、用得淺」而「分析師與行銷分發窄、用得深」的偏差現狀，提醒管理者在評估 AI 整合成效時，絕不能僅僅依賴 IT 部門的「授權分發數」，而必須精準識別與支援那些真正高頻對話的重度業務部門。
世代特徵：基層與年輕員工成為「實質使用主力」
除了職能維度的偏差外，組織內部的 AI 互動強度，在職級與資歷上呈現極為強烈且不容忽視的「年輕化」特徵。
在傳統的組織架構中，新技術的推廣與工作方法定義，往往由中高階管理層主導。但在生成式 AI 的部署中，基層與年輕員工展現出了自發且極具侵略性的黏著度。
在導入 6 個月後的資歷分佈中，經理與總監佔活躍用戶的 24%，個人貢獻者與專業人員佔 15%，資深個人貢獻者與特約專家佔 14%。然而，在實質訊息發送強度上，初階員工與實習生雖然僅佔活躍用戶的 7%，但在活躍後的每週平均訊息發送量上，卻比同公司內其他活躍同事足足高出 8 至 9 條。這一數據在統計學上具有極高的顯著性，且在不同規模與行業的企業中表現出高度的一致性。
相較之下，經理、總監以及 C-suite 高階主管的訊息發送強度，則顯著低於公司內部的平均水準。
這一實證結果表明，企業內部的 AI 轉型，在實務執行層面，實質是由最缺乏組織治理經驗、對業務理解尚淺的「年輕基層與實習生」在擔任核心的操作引擎。
這項發現對企業管理者具有重大的警示意義，一方面，年輕員工利用 AI 實現了具體業務效率的階梯式攀升；但另一方面，由於基層員工具有高頻且重度依賴 AI 產出工具的特性，企業若缺乏完善的「事實核對」與「應用品質監督」機制，極易在基層運作中累積系統性錯誤風險。
同時，高管也需要深入思考，當基層工作高度被 AI 代替與輔助時，如何引導早期職涯員工進行實質的技能傳承與經驗累積。
AI 已滲透六大日常業務，職級之間自發形成互補分工
研究針對超過 800 萬條訊息進行微觀任務分類，其實證數據證實生成式 AI 作為知識工作「通用技術（General Purpose Technology, GPT）」的定位，而非僅限於單一特定工作流的專用工具。
在任務觸及的廣度（即每週至少使用一次該任務的活躍用戶比例）上，數據顯示 AI 已經全面滲透至各項日常業務：
- 文件與技術寫作：高達 56.3% 的活躍用戶每週至少使用一次。
- 技術數位與電子工作：49.6% 的用戶每週至少使用一次。
- 人際溝通：41.1% 的用戶每週至少使用一次。
- 主題概述：38.9% 的用戶每週至少使用一次。
- 事實與數據查詢：28.7% 的用戶每週至少使用一次。
- 非技術專業或學術任務：27.0% 的用戶每週至少使用一次。
在實質訊息消耗量（Message Share，即各任務佔總訊息量的比例）上，文件與技術寫作（18.3%）、技術數位與電子工作（12.7%）以及人際溝通訊息（11.9%）依然是消耗量最大的三大核心任務。
其餘如銷售行銷（5.0%）、主題概述（4.4%）、非技術專業工作（3.3%）、程式碼除錯（3.3%）與市場調研（3.0%）等，均分食了其餘份額。
值得注意的是，財務稅務（2.5%）、法律監管（2.7%），以及計劃與設計（2.9%）等專業任務雖然在特定行業（如金融與保險業的財務任務、合規任務）中觸及率極高，但其總體訊息消耗佔比較低，展現出極具特色的「高專業、低頻率」長尾特徵。
更關鍵的是，研究發現組織內部的職級在任務應用上，已經自發演進出了一套清晰且互補的「黃金分工路徑」。
基層員工與專業人員其 AI 任務高度集中於「具體生產與執行導向」的任務，如技術程式碼編寫、文案草擬、數據除錯與日常流程處理。
高階主管與決策層則表現出截然不同的任務偏好，他們極少使用 AI 進行底層程式碼或長篇文書的撰寫，而是高比例將其應用於主題概述、事實與數據快速查詢，以及法律監管、合規與財務稅務工作等高難度、高戰略價值之決策輔助場景。
這套自發形成的職級分工地圖，證明了 AI 絕非單純替代人力的「裁員工具」，而是能夠同時賦能執行層與決策層、並在兩者之間建立高效互補網絡的戰略引擎。
🧭 四個行動：從打破迷思到建立基層質檢機制
實證論文的最終結論指出，通用技術的歷史演進規律表明，技術的快速准入（即購買並分發帳號）絕對不等於組織生產力的即時轉化。如同當年的電力與電腦革命，AI 帶來的經濟收益釋放，是一個伴隨著高昂重組成本、緩慢且考驗耐心的過程。
這高度取決於企業如何經歷漫長的「協同創新（Co-invention）」學習曲線，並持續投入相匹配的組織架構重組與人才培訓。
基於上述嚴謹實證，研究建議企業高層在未來 12-36 個月的 AI 戰略治理上，遵循以下四項行動指南：
一、打破「帳號分發即效率翻倍」的認知迷思
管理者必須正視「AI 價值釋放具有滯後性與高摩擦成本」的客觀現實，合理設定 AI 導入的短期財務回報預期（ROI）。不要僅將 IT 採購視為變革終點，而應將其視為這場涉及流程、制度與人才磨合之漫長「協同創新」的起跑點。
二、大舉推動「流程再造」與無形資產匹配投資
AI 的成功部署高度依賴企業先前累積的組織與管理軟實力（如研發、人才營運等無形資產），因此企業應主動將資源向工作 SOP 重建、部門分工重塑，以及「人機協作最佳實踐」的內部萃取傾斜，而非僅僅將預算花在軟體授權上。
三、針對基層與年輕員工建立「人機磨合」質檢機制
鑑於初階員工與實習生是目前使用強度最高、最依賴 AI 的「隱形操作主力」，企業高層必須建立嚴格的產出事實核對、智財安全防護與品質評估機制，確保基層的高頻應用不會對組織累積隱性漏洞。
同時，應為年輕員工量身設計結合 AI 應用的技能傳承路徑，防止其過度依賴工具而喪失底層專業能力的積累。
四、採取「多樣化探索」而非由上而下的單點控制
遙測數據證實，AI 使用存在極長的「專業長尾效應」，不同行業、職能部門的最佳應用情境大相徑庭。高層應採取鼓勵多元探索的管理態度，賦予各部門（特別是分析師與行銷等重度用戶部門）自主定義、開發與沉澱適合自身業務之 AI 協作工作流的空間，讓組織在自下而上的實踐中真正學會如何與 AI 共生。
＊閱讀完整報告內容，請見：How Organizations Use AI: Evidence from ChatGPT
【更多產業研究報告】
◆ 【金融 AI 代理安全與防禦】AI Agents 直接經手支付與交易，機構「分階段放權」才是安全底線
◆ 【AI 原生新創極速生長】產品全面圍繞 AI 開發，過半新創人均產值衝破 40 萬美元
◆ 【油車與石油需求三年內觸頂】電動車重塑 1.4 兆美元基建商機，快充升級與定置型儲能是下個切入點
>> 其他產業研究報告
＊初稿由 AI 協作，首圖來源：Unsplash