---

[干货] OpenAI “The State of Enterprise AI | 2025 Report” 企业用户报告解读

---

一、企业 AI 使用规模持续快速扩大

• 企业 ChatGPT 消息量在过去一年增长了 8 倍。
• ChatGPT Enterprise 席位数量增长了 约 9 倍。
• 企业 API 推理 token 消耗在 12 个月内增长了 320 倍。
• 超过 9,000 家企业使用 API 处理超过 100 亿 tokens。
• 接近 200 家企业累积使用超过 1 万亿 tokens。
• Custom GPT 与 Projects 的周活用户增长 19 倍。
• 企业中约 20% 的消息通过 Custom GPT 或 Projects 被处理。

报告明确指出：
AI 正在从试验性使用转向核心工作流程的深度集成。

---

二、企业员工报告显著的时间节省与任务能力扩展

根据覆盖近百家企业的调查：

• 75% 员工认为 AI 提升了速度或质量。
• ChatGPT Enterprise 用户平均每天节省 40–60 分钟。
• 数据、工程、沟通岗位节省 60–80 分钟。
• 员工在财务、分析、沟通、工程等领域都报告了显著提效。
• 75% 员工表示 AI 使他们能够完成原本无法完成的任务（如编程、代码审查、数据分析、自动化工具开发等）。
• 非技术岗位的编码相关消息在 6 个月内平均增长 36%。
• 使用更多 AI 工具（如推理、数据分析、深度研究等）的员工，节省时间更大；高节省群体的 AI 使用量明显更高。

---

三、行业和地域的企业 AI 采用增速不同

行业层面：

• 技术行业增长 11×（最快）
• 医疗行业增长 8×
• 制造业增长 7×
• 中位行业增长超过 6×
• 专业服务、金融、技术行业当前的规模最大
• API 的主要用途包括：应用内助手、搜索、工作流自动化、代码工具、内容生成、客户支持、数据处理等

地域层面：

• 澳大利亚、巴西、荷兰、法国等国家的企业客户数量增长超过 143%。
• 美国、德国、日本在总消息量上最活跃。
• 英国、德国是美国之外 ChatGPT Enterprise 客户最多的国家。
• 国际 API 客户数量在 6 个月内增长超过 70%。

---

四、企业内部在 AI 使用深度上出现明显差距

个人层面：

• 头部 5% 员工的消息量是中位数员工的 6×。

• 数据分析工具的使用量是中位数的 16×。

• 编码类任务的使用量差距最大，为 17×。

• 执行任务类型越多的员工，其节省时间越多（执行 7 类任务的人节省时间显著高于执行 4 类任务的人）。

• 在月活用户中：

  • 19% 从未使用数据分析
  • 14% 从未使用推理
  • 12% 从未使用搜索

• 在日活用户中，上述比例均显著下降（3%、1%、1%）。

企业层面：

• 头部企业每席位消息量是中位企业的 2×。
• 头部企业对 GPT（自动化、流程类任务）的消息量是中位企业的 7×。

报告明确指出：
模型能力远高于大多数企业的当前使用深度，存在显著提升空间。

---

五、AI 已经在多个行业创造了可量化的业务收益

以下均为报告中出现的具体可量化结果：

Intercom（客户支持）

• 语音交互延迟降低 48%。
• 平均 53% 的电话由 AI 独立解决。
• 需要人工接手的电话，其处理速度提升 40%。
• 节省成本达到“数亿美元级”规模（报告原文表述为 hundreds of millions）。

Lowe’s（零售）

• Mylow 系统每月回答近 100 万 个问题。
• 用户与 Mylow 互动时，线上转化率 超过 2 倍。
• 店内助手每周回答数十万问题。
• 使用 AI 的门店顾客满意度提升 200 个基点。

Indeed（招聘）

• 使用 AI 生成解释的邀请机制，使申请量提升 20%。
• 面试与录用提升 13%。
• Career Scout 使求职者找工作速度提升 7×。
• 使用 Career Scout 的求职者被录用的概率提升 38%。

BBVA（银行）

• AI 每年自动处理超过 9,000 个法律咨询。
• 释放了相当于 3 个全职员工 的人力投入。
• 占全年度节省 KPI 的 26%。

Oscar Health（医疗保险）

• 福利类问题 58% 即时回答。
• 总消息量中 39% 由 AI 独立处理。
• 支持医疗记录、理赔、历史交互等信息整合与查询。

Moderna（制药）

• TPP 文件分析流程从“数周”缩短到“数小时”。
• 缩短的时间有助于更快推进临床、产品、上市等后续流程。

---

六、领先企业具有一致的组织特征

报告中总结了领先企业在 AI 落地上的共同做法：

1. 深度系统集成（数据接入 + 权限 + 工具连接）
   让 AI 访问企业内部数据与关键业务系统。

2. 流程标准化与复用
   将知识与流程封装成可重复的 GPT、API 助手与自动化模块。

3. 高层推动与资源保障
   明确目标、提供资源、授权试验。

4. 数据准备与持续评估机制
   包含结构化知识、评测集、数据管道、实时评估。

5. 组织级变革管理
   提供培训体系，设置 AI Champions，推进企业适应新工作方式。

报告给出的结论是：
企业 AI 落地的主要限制不在模型，而在组织准备度。

---

七、报告的关键结论

报告最后总结了当前企业级 AI 的整体态势：

• AI 正被嵌入越来越多的工作流程、产品和系统。
• 使用深度越大，带来的生产力收益越显著。
• 技术任务（如编码、数据分析）正在向更广泛的岗位扩散。
• 行业之间的 AI 使用水平仍存在差异。
• 企业之间在使用深度上产生了明显的差距。
• 能够将 AI 融入对外产品和服务的企业，将从中获得持续的业务价值与竞争优势。

以上内容均为报告中的原始事实与结论。

---