全员部署的含金量，在于它成了"默认入口"
10 月 22 日 Uber 官方确认，ChatGPT Work 从 1000 人试点扩到超过 3 万员工，接入 Google Drive、Gmail、Calendar 和 Slack，默认模型是 GPT-6.1 Sol。这不是一个聊天窗口，而是一层能跨应用跑多步骤任务的智能体平台：查资料、写会议简报、做演示、分析数据、把流程串起来。Gartner 早前判断，到 2026 年 5 月，约 40% 的企业应用会内置任务型 AI agent。Uber 这一步，是把这个预测变成了一个可点名的真实样本——当一个几万人的组织把智能体放进"每天打开就用"的默认位，AI 才算真正进了生产环境，而不只是高管演示里的彩蛋。
最反直觉的信号：八成早期用户不是工程师
按 Uber 工程副总裁对 TechCrunch 的说法，试点阶段约 80% 的早期使用者根本不是工程师。他们拿它干的是最朴素的知识工作：分析运营数据找趋势、把培训材料按市场和语言本地化、搭一个管日常工作的交互仪表盘。Uber 还派了 30 名 AI 工程师扎进业务团队，用两周时间把各环节关键动作自动化，起了个名字叫"AI pods"。这说明一件事：企业智能体最先释放价值的，不是写代码，而是那些散落在财务、运营、营销、产品里的"多步骤手工活"。过去这类活儿不性感、难量化，现在恰好是智能体最容易啃下的骨头——它们步骤清楚、跨系统、又消耗大量人力。
但 ROI 这道题，Uber 自己也没交卷
别被"全员部署"四个字带节奏。Uber 同时承认，还没定好员工具体怎么用，也不披露这次部署花了多少；他们说的是"会追踪使用情况、评估效率成果"。把话翻直白点：发工具容易，证明它真的增效，是另一回事。行业数据也泼了冷水——IBM 2025 年 CEO 调研里，只有约 25% 的 AI 倡议达到了预期回报；麦肯锡的观察更尖：真正算高绩效的组织只有约 6%，它们的共性是"重画了流程、而不是把 agent 贴到老流程上"。也就是说，从"用上 AI"到"被 AI 改变工作方式"，中间隔着流程重构和权限治理，这不是把账号开给 3 万人就能自动发生的。OpenAI 把 Frontierr 一类企业平台往"智能层"上推，赌的也是同一件事：谁能帮企业把分散的工具连成一条可审计的流水线，谁才摸到了企业 AI 的入口。
AI 智能体进企业，分水岭从来不是模型够不够强，而是企业敢不敢把跨应用的活交给它、并愿意为此重画流程。工具可以一天铺满三万人，及格线却得按季度来算。
数据来源：Uber 官方博客《Uber brings ChatGPT Work to all employees with OpenAI》（2026-10-22）；OpenAI 官方稿《Uber 携手 OpenAI，向全体员工推广 ChatGPT Work》（2026-10-23）；TechCrunch 经腾讯新闻、网易转载（2026-10-23，试点约 80% 早期使用者非工程师、未披露部署支出）。行业数据：Gartner 企业应用内置任务型 agent 预测（2026）；IBM 2025 CEO Study、McKinsey 高绩效组织观察（AI 倡议 ROI 分布）。本文为 AI 辅助创作。
