AI用得更深入，為什麼數據裡反而可能更安靜

OpenAI於2026年10月26日發布新的工作活動數據。這次發布提出了一個不只關乎「哪些任務最常使用AI」的經營問題：當企業改變工作的發生地點，原來用來觀察需求的指標會發生什麼變化？發布公告

Signals不包含企業訊息、Codex、已刪除帳戶以及選擇不將資料用於訓練的使用者。資料字典

下文提出的是一種衡量思路，不是在估算已經發生了多少遷移。 企業可能更認真地採用AI，卻在某個個人使用渠道中變得更難觀察。在部門因使用指標下降而削減專案，或供應商因指標上升而宣稱正式部署已經成熟之前，有必要先檢查這種可能性。

一次採購決定，也會移動觀察位置

設想一家顧問團隊，員工最初使用個人助手進行試驗，隨後管理層批准受控工作區，並要求把客戶相關工作遷入其中。假設任務數量和AI帶來的幫助暫時不變，原有渠道中可見的活動仍然可能減少。與此同時，公司實際上作出了更持久的投入：專案有了預算、負責人和獲准使用的流程。

接下來可能出現不同結果。受管理工作區也許讓協作更方便，推動使用增加；審批要求也許縮小允許開展的任務範圍；新工具也可能不適合實際工作，最終被員工放棄。最初的渠道變化本身無法區分這些路徑。它首先意味著觀察過程出現斷點，而不是已經證明商業效果好壞。

這不是無關緊要的統計附註。採購部門若把舊渠道的流量直接視為底層需求，就可能終止一次原本成功的遷移。供應商也可能犯相反錯誤：把探索階段的熱度當成長期、獲授權的工作使用。兩者都跳過了同一步驟——在一個容易取得的指標與預算決定之間，說明它們究竟如何相連。

把工作總體與使用路徑分開

更有用的內部記錄，應從「哪些工作合理地適合使用這個工具」開始，包括那些從未接觸工具的工作。以文件流程為例，可以先定義符合條件的任務，以及一致的完成標準，再分別記錄嘗試使用輔助的任務、採用的獲准路徑和驗收通過的產出。這幾類指標不能在報表中不加說明地互相替代。

僅作假設示例：一個團隊在前後兩個期間各收到100項符合條件的任務。第一期有30項透過個人工具處理；第二期有10項仍走這條路徑，另有30項使用受管理工具。如果這些任務互不重疊且每項只計一次，輔助涵蓋量從30項增至40項，而個人渠道的數量從30項降至10項。這些數字完全用於說明，不是Signals的研究結果。若改為計算訊息則數，就不能直接重現這個計算：一項任務可能產生多則訊息，一個流程也可能跨越多個工具。

這裡需要的是穩定的觀察單位，不是最大限度地監視員工。彙總的流程記錄、自願填寫的任務日誌，或小規模、經同意的評估，都可以幫助檢驗解釋，而不必收集私人對話。設計中還應記錄遷移日期和任務准入規則的變化。否則，允許某類敏感工作進入工具的新政策，可能被誤讀為模型品質突然提高。

第二種數據，應該回答第二個問題

聯準會2026年4月3日的文章比較了受訪群體不同的AI調查。研究文章

這提供的是方法背景，不是關於當前採用率的判斷。就本文討論的經營問題而言，企業層面的調查可以幫助判斷使用是否擴展到更多組織；流程記錄則可以檢查某一家組織內部的涵蓋情況。兩者不能自動替代。僅僅因為兩個序列都寫著「採用」，就把它們拼在一起，可能製造互相印證的表象，卻仍未測量真正相關的分母。

時間上的比較也一樣。前後變化應盡量拆開工具改變、獲准任務改變和回報人員改變。若三者同時發生，一條簡單趨勢線無法把效果分別歸因。相似團隊的對照或分階段推廣可能有所幫助，但前提是認真處理工作負荷與使用權限的差異，而不是假定這些差異不存在。

經營結果仍在登入之後

即便把遷移記錄清楚，也不能僅憑它證明價值。獲得批准的帳戶意味著有機會開展工作；通過驗收的產出才更接近交付。嚴肅的評估還應把複核投入、糾錯成本和周轉時間放在完成數量旁邊。起草更快、但查核負擔更重的流程，在一種任務裡可能值得採用，在另一種任務裡可能並不划算。判斷取決於工作及其後果，而不是普遍適用的提示詞數量目標。

這裡也存在一個合理的反面意見：公開的大範圍使用數據，並不需要充當內部採購看板才有價值。它可以幫助提出值得研究的問題，找到此前不熟悉的應用方向。要求它識別每一次組織轉型，反而是在強加原本沒有承擔的用途。更好的做法是把它放在適當環節：先發現線索，再形成可以在本地檢驗的假設，補齊營運證據後才作出投入決定。

因此，本文並不是說個人渠道活動下降就證明成功，也不是說增長沒有意義。渠道是需求變得可見的一條路徑。當路徑發生變化，企業必須先解釋遷移過程，才能有把握地解讀趨勢。更深入的組織採用，有時會讓舊觀察位置顯得更安靜；它是否真的更好，仍要到工作完成的地方尋找答案。