一句話結論
OpenAI 用自家企業客戶的資料算出一個差距：用得最深的前 10% 公司，每位使用者的產出是一般公司的 8.3 倍——而一月時只有 2.6 倍。同樣買了帳號，七個月拉開三倍。真正的分野不是「用得多」，是有沒有把 AI 接上公司的資料和流程。文末有一張四級自評表，你可以現在就對照自己在哪一層。
「我們已經買 ChatGPT 了，還需要上課嗎？」
這是我在企業提案時最常被問的一句。以前我只能講經驗——講我在現場看到的兩種公司長什麼樣。
現在有數字了，而且是 OpenAI 自己算的。
先看那個差距
OpenAI 8 月 12 日發布兩份企業使用報告。它把企業客戶按「每位活躍使用者的產出 token 數」每月排名，前 10% 叫前沿企業，第 45 到 55 百分位叫一般企業。
| 時間 | 前沿企業是一般企業的幾倍 |
|---|---|
| 2026 年 1 月 | 2.6 倍 |
| 2026 年 6 月 | 8.3 倍 |
七個月，差距拉大三倍。
而且官方特別註明：各種產業、各種規模的公司都有這個差距，不是科技業獨有的現象。
但差距不是「誰用得比較多」
這才是這份報告真正的重點，也是我最想講的一段。
如果差距只是「有人狂用、有人少用」，那解法很簡單——叫大家多用就好。但官方給的兩組數字說的不是這件事：
| 每週活躍使用者中 | 前沿企業 | 一般企業 |
|---|---|---|
| 使用「外掛程式」 | 21% | 9% |
| 使用「技能」 | 19% | 3% |
外掛程式差 2 倍多，但「技能」差了 6 倍以上。
這兩個東西是什麼？講白話：外掛程式是讓 AI 連上公司的資料和工具（例如接上 CRM，它就查得到客戶紀錄）；技能是把「這件事該怎麼做」寫成可重複使用的指示。
所以差距的來源不是打字打得比較勤，是——
一般公司在「問 AI」，前沿公司在「交辦 AI」。
官方自己的講法是：從提供協助，轉向執行工作。
還有一個數字佐證這個轉向：截至 6 月，Codex 佔了企業客戶總輸出 token 的 64%。Codex 是那種「你交代一件事，它自己跑多步驟做完」的工具。也就是說，企業用 AI 的重心，已經有六成以上不是在聊天了。
兩個跟直覺相反的發現
① 成長最快的不是工程部門，是法務
自 2 月以來，每週活躍的企業 Codex 使用者成長倍數：
法務 108 倍｜銷售與招募各 41 倍｜行銷 26 倍｜工程只有 5 倍
工程只有 5 倍，不是因為工程師不用——是因為他們早就在用了，基期高。真正在爆炸性成長的是那些「以前覺得這跟我沒關係」的部門。
如果你們公司導入 AI 只想到 IT 部門，這組數字值得看一下。
② 用最多的不是主管，是年輕員工
很多調查說「領導者和高階主管使用 AI 的程度比較高」。但 OpenAI 用實際對話資料算出來的結果相反：
採用六個月後，職涯初期員工每週傳送的訊息，比高階主管多 13 則。
官方對這件事的建議我覺得很實在：把公司裡最會用 AI 的那個人找出來，讓他公開講他怎麼做的。
我在企業班每次都看到這個畫面——最會用的往往是進公司兩三年的年輕同事，而他從來沒有機會跟主管講他在做什麼。
要誠實講的四件事
這份報告很有用，但有幾個地方不能照單全收：
- OpenAI 是利益相關方。它統計自己的客戶、用自己的產品當指標，結論當然指向「用得更深比較好」。方向我認同，但這不是中立第三方研究。
- 產出 token 數不等於商業成果。8.3 倍講的是「產出多少字」，不是「賺多少錢」或「省多少工時」。差距擴大的趨勢值得注意，但它是使用量指標，不是績效指標。
- 8.3 倍是「每位活躍使用者」，不是「每間公司」。一家 100 人的公司如果只有 5 個人在用，這個指標看不出來。
- 報告提到採用 AI 的上市公司財務指標比較好（資產更多、僱用更多、研發投入更高）——這是相關不是因果。比較可能的解釋是本來就有錢、有餘裕的公司比較早導入，而不是導入了就變有錢。
那你們公司在第幾層？
把上面的東西收成一張表。這是我在企業班用的分級，你可以現在就對照：
| 層級 | 判斷方式 | 下一步 |
|---|---|---|
| 1. 有用 | 帳號開了，少數人偶爾問問題 | 先找出誰在用、用在什麼事 |
| 2. 常用 | 多數人每週都會用，但各用各的 | 把最會用的人的做法寫下來，變成別人能抄的 |
| 3. 交辦 | 開始交代多步驟的整件事，不只問一句 | 建立審查機制——誰檢查、誰負責 |
| 4. 進流程 | 接上公司資料，成為某條流程的固定一環 | 往下一條流程複製 |
最快的判斷方式只要一句話：你們公司有沒有任何一條流程，是少了 AI 就會停的？
沒有，你在第 1 到 2 層。而 OpenAI 這份報告說的是——停在那裡的公司，跟往上走的公司，差距正在用七個月拉三倍的速度擴大。
回到那個問題
「我們已經買 ChatGPT 了，還需要上課嗎？」
我現在的回答是：買帳號是最便宜的那一步，而且是唯一一步花錢就能解決的。
後面三層——把做法寫下來、建立審查機制、接進流程——沒有一項是買得到的。
我常說：你是機長，AI 是機組人員。
買帳號等於把人請進來了。但請進來之後，你有沒有告訴他今天飛哪裡、誰負責檢查、出事找誰——這些才是差距真正長出來的地方。
查證說明
①本文所有數字出自 OpenAI 官方文章〈從協助到執行：企業如何讓 AI 發揮實效〉（2026 年 8 月 12 日），以瀏覽器直接開啟官方繁體中文頁面核對，未採用媒體轉述。②OpenAI 為利益相關方——資料來自其自家企業客戶、以自家產品的使用量為指標，文中已標明。③「前沿企業」定義為當月每位活躍使用者輸出 token 數排名前 10% 的企業客戶，「一般企業」為第 45 至 55 百分位；8.3 倍為每位活躍使用者的比較，非每間公司。④產出 token 數為使用量指標，不等於商業成果或生產力。⑤報告提及採用 AI 的美國上市公司財務指標較佳，此為相關性描述，本文不主張因果。⑥《Enterprise Signals》以超過 1,000 萬則訊息為樣本；本文未取得該報告全文，僅引用官方文章所載數字。⑦四級自評表為我在企業培訓現場使用的分級，不是 OpenAI 的分類。
「你們公司有沒有任何一條流程，是少了 AI 就會停的？」
想自己先搞懂：我的電子報每週把這類數據翻成能用的判斷 → startupforyou.substack.com
如果你是主管：買帳號解決的是第一層，第二到四層要靠人。我的企業內訓就是在做這段——把公司裡最會用的人的做法挖出來、寫成別人能抄的，再挑一條流程真的接進去。想聊聊寫信到 ai@autolab.cloud，或看看 AI 顧問教練團。
關於作者
黃敬峰（AI峰哥／阿峰老師），企業 AI 實戰培訓專家，服務客戶包含國泰人壽、工研院、士林電機、中嘉寬頻、電通、城邦媒體等。聯絡方式：ai@autolab.cloud