AI用得更深入，为什么数据里反而可能更安静

OpenAI于2026年10月26日发布新的工作活动数据。这次发布提出了一个不止关乎“哪些任务最常使用AI”的经营问题：当企业改变工作的发生地点，原来用来观察需求的指标会发生什么变化？发布公告

Signals不包含企业消息、Codex、已删除账户以及选择不将数据用于训练的用户。数据字典

下文提出的是一种衡量思路，不是在估算已经发生了多少迁移。 企业可能更认真地采用AI，却在某个个人使用渠道中变得更难观察。在部门因使用指标下降而削减项目，或供应商因指标上升而宣称生产部署已经成熟之前，有必要先检查这种可能性。

一次采购决定，也会移动观察位置

设想一家咨询团队，员工最初使用个人助手进行试验，随后管理层批准受控工作区，并要求把客户相关工作迁入其中。假设任务数量和AI带来的帮助暂时不变，原有渠道中可见的活动仍然可能减少。与此同时，公司实际上作出了更持久的投入：项目有了预算、负责人和获准使用的流程。

接下来可能出现不同结果。受管理工作区也许让协作更方便，推动使用增加；审批要求也许缩小允许开展的任务范围；新工具也可能不适合实际工作，最终被员工放弃。最初的渠道变化本身无法区分这些路径。它首先意味着观察过程出现断点，而不是已经证明商业效果好坏。

这不是无关紧要的统计附注。采购部门若把旧渠道的流量直接视为底层需求，就可能终止一次原本成功的迁移。供应商也可能犯相反错误：把探索阶段的热度当成长期、获授权的工作使用。两者都跳过了同一步骤——在一个容易获得的指标与预算决定之间，说明它们究竟如何相连。

把工作总体与使用路径分开

更有用的内部记录，应从“哪些工作合理地适合使用这个工具”开始，包括那些从未触碰工具的工作。以文档流程为例，可以先定义符合条件的任务，以及一致的完成标准，再分别记录尝试使用辅助的任务、采用的获准路径和验收通过的产出。这几类指标不能在报表中不加说明地互相替代。

仅作假设示例：一个团队在前后两个期间各收到100项符合条件的任务。第一期有30项通过个人工具处理；第二期有10项仍走这条路径，另有30项使用受管理工具。如果这些任务互不重叠且每项只计一次，辅助覆盖量从30项增至40项，而个人渠道的数量从30项降至10项。这些数字完全用于说明，不是Signals的研究结果。若改数消息条数，就不能直接复现这个计算：一项任务可能产生多条消息，一个流程也可能跨越多个工具。

这里需要的是稳定的观察单位，不是最大限度地监视员工。汇总的流程记录、自愿填写的任务日志，或小规模、经同意的评估，都可以帮助检验解释，而不必收集私人对话。设计中还应记录迁移日期和任务准入规则的变化。否则，允许某类敏感工作进入工具的新政策，可能被误读为模型质量突然提高。

第二种数据，应该回答第二个问题

美联储2026年4月3日的文章比较了受访群体不同的AI调查。研究文章

这提供的是方法背景，不是关于当前采用率的判断。就本文讨论的经营问题而言，企业层面的调查可以帮助判断使用是否扩展到更多组织；流程记录则可以检查某一家组织内部的覆盖情况。两者不能自动替代。仅仅因为两个序列都写着“采用”，就把它们拼在一起，可能制造互相印证的表象，却仍未测量真正相关的分母。

时间上的比较也一样。前后变化应尽量拆开工具改变、获准任务改变和报告人员改变。若三者同时发生，一条简单趋势线无法把效果分别归因。相似团队的对照或分阶段推广可能有所帮助，但前提是认真处理工作负荷与使用权限的差异，而不是假定这些差异不存在。

经营结果仍在登录之后

即便把迁移记录清楚，也不能仅凭它证明价值。获得批准的账户意味着有机会开展工作；通过验收的产出才更接近交付。严肃的评估还应把复核投入、纠错成本和周转时间放在完成数量旁边。起草更快、但核查负担更重的流程，在一种任务里可能值得采用，在另一种任务里可能并不划算。判断取决于工作及其后果，而不是普遍适用的提示词数量目标。

这里也存在一个合理的反面意见：公开的大范围使用数据，并不需要充当内部采购看板才有价值。它可以帮助提出值得研究的问题，找到此前不熟悉的应用方向。要求它识别每一次组织转型，反而是在强加原本没有承担的用途。更好的做法是把它放在适当环节：先发现线索，再形成可以在本地检验的假设，补齐运营证据后才作出投入决定。

因此，本文并不是说个人渠道活动下降就证明成功，也不是说增长没有意义。渠道是需求变得可见的一条路径。当路径发生变化，企业必须先解释迁移过程，才能有把握地解读趋势。更深入的组织采用，有时会让旧观察位置显得更安静；它是否真的更好，仍要到工作完成的地方寻找答案。