作者｜西西弗柿

编辑｜无心插柳柳橙汁

最近OpenAI发了一个很有意思的数据。

Codex增长最快的用户群体不是程序员，而是不写代码的知识工作者。

金融分析师、咨询顾问、产品经理，这些从来不写代码的人，正在成为AI Agent最活跃的用户群。

这个数据背后指向一件事，AI Agent的浪潮已经不只是在技术圈里卷了，它正在涌入每一个普通打工人的工位。

这让我想问大家一个扎心的问题，你平时用AI，是怎么用的？

我猜大多数人，方式大概是这样的，有问题去问豆包，让它解释一个概念。用DeepSeek润色一段文案、统计数据、写个邮件开头。有时候也会让AI帮你搜点资料，整理一下信息。

真的提效了吗？当然有。

但仔细想想，这套用法有一个共同点，就是你把AI当成了一个更聪明的搜索引擎和一个更快的文案助手。你问一个问题，它给你一段回答。你让它润色，它帮你改几句话。

整个过程的核心动作是，聊天。

你获取了信息，辅助了思考，效率确实提升了，但交付这件事，还是你自己干的。你把AI的回答复制粘贴回你的文档，自己排版、自己调整、自己发给老板。

我身边60%的同事、朋友，目前对AI的使用基本停留在这个阶段。

但是显然，这种“单点式”的对话，还没有真正触及AI Agent的时代红利。

从Codex目前的势头来看，接下来半年，职场可能会出现一次新的分化，拉开差距的不是学历和岗位，是一个人指挥AI的能力。

青铜的搜索框

王者的项目组

当前职场人使用AI的方式可以分为三个段位，青铜、白银、王者。段位越往上，你和AI的协作深度越深，产出的效率差距也越大。

青铜段位，把AI当聊天工具，你有问题了去找AI，本质上是把AI当成了一个更聪明的搜索引擎和更快的文案助手。

你获取了信息，打开了思路，但交付这件事，还是你自己干的。

白银段位，把AI当交付工具。

如果你最近留意职场圈的AI讨论，会发现有一群人已经切换了姿势。他们不跟AI聊天了。他们的用法是，打开一个专门的Agent工具，把一个完整的工作目标丢进去，然后等交付物。

什么意思？

比如你要做一份数据PPT，以前是自己打开模板一页页调，现在用PPT Agent类的产品，给一个主题，它帮你搭框架、填内容、出设计。比如你要写一份商业方案，给Agent背景资料，它帮你输出一份结构完整的Word方案。

白银段位的核心变化是，AI不再只是帮你想，而是帮你干完。交付物不再是复制粘贴回来的文本片段，而是PPT、Excel、Word这些可以直接用的东西。

这类垂类Agent产品在2025年下半年集中爆发，覆盖了PPT制作、数据分析、文档写作、代码生成等具体场景，每一类都瞄准了一个具体的脏活。

但白银段位有一个局限，你用的是专用的单点工具，做PPT的开一个，做数据的开一个，写文档的开一个。每个工具各自为战，你的任务之间没有串联，每一步都需要重新交代一遍背景。

王者段位，把AI当下属团队用。

第三类人，已经不满足于把一个活交给AI干了，他们试图让AI像一支团队一样分工协作。这是目前职场AI使用的最高段位。

在这个段位，你面对的不是一个单点Agent，而是一个能调度多个子Agent的指挥系统，比如OpenAI的Codex，能帮非程序员用户管理复杂的编码任务链；比如Anthropic旗下的Cowork，主打多人协作场景下的AI协同。

这个方向，国内的AI公司也有类似的动作。上周，Kimi上线了Kimi Work Beta版，它不是一个新的聊天窗口，而是一个面向知识工作者的桌面端Agent，能调度最多300个子Agent并行执行任务，能碰数据、操作浏览器、处理本地文件。

这些桌面Agent产品仍在持续迭代中，但它们展示出的能力边界，已经足够让人重新思考一个问题：

一类人还在跟AI聊天。另一类人已经开始指挥一群AI员工干活了。

同样一份竞品调研，王哥用豆包搜索了 20 个网页、手动整理了一天；李姐在桌面Agent里输入了一行指令，二十分钟后拿到了一份完整报告。

这就是AI时代的职场折叠。

高阶玩家

率先把杂活交给Agent

那么目前市面上真正能做到AI团队的产品长什么样？我们来拆解最有代表性的。

先说Anthropic的Cowork。

今年1月，Anthropic推出了Cowork，简单说，就是把面向开发者的Claude Code能力，包装成一个所有人都能用的桌面工具。你给它一个目标，它自动拆解步骤、执行、反馈，不用你盯着每一个环节。

而且，TA能跑定时任务，定期轮询部署状态、看护PR、检查构建、抓取数据，全程自动跑，有问题才通知你。

国内的Kimi Work，走的则是更加本土化的方向。

一个是大规模任务。300个子Agent并行调度，意味着打工人可以把更加复杂的任务外包给它，最直接的价值就是用更低的时间成本拿到更多可交付的结果。

另一个是专业数据源。天眼查、同花顺、Yahoo Finance、World Bank……这些是投研分析、竞品调研等研究工作中绕不开的数据，如果Agent能直接接入这些数据库，就不只是“帮你搜索网页”，而是能接近真实办公里需要用到的数据入口。

那么，那普通职场人，怎么才能吃到Agent的红利？

你不用一上来就让它替你做什么惊天动地的大项目，先试着把那些脏活、累活、最消耗人的活，交出去一部分。

比如，过去做竞品调研，要一个个打开官网，看产品介绍、找价格信息、翻客户案例、截页面，再手动整理成对比表。

现在你可以试着让Agent操作你的浏览器，下载资料，提取关键信息。

你给它一个竞品名单和调研维度，让它自己把资料跑一遍，最后汇总成一份Excel对比表。

拿到一份供应商合同草稿，丢进Agent让它快速过一遍，标出风险条款和不合理的地方。它会用表格呈现，每一行有条款编号、风险点描述、修改建议，再附一份修改意见。

AI当然不能替代法务做最终判断，但它可以先把机械筛查做完，让法务把时间用在真正需要专业判断的地方。

如果你是做投研的，可以把一份文件夹拖进Agent，里面是上半年五个大区几十份销售表，有空行、乱码、脏数据。输入一句话，让TA清洗合并、算总额和环比增速、找出增速最慢的城市、针对那个城市写一份2000字的业务复盘与改进方案。

输出结果是一份可以直接发给分公司的2000字深度复盘报告，结构完整，有数据分析、有问题诊断、有改进建议。

一条指令，全流程交付。

这就是OpenAI那个数据反映的趋势了。为什么Codex的非程序员用户增长最快？因为不需要写代码，不需要懂技术，你只需要描述任务，就会Agent被稳稳地接住。

职场分化背后

是生产方式的变化

聊到这里，我觉得比产品本身更值得关注的，是这件事背后代表的方向。

AI从日常助手变成工作团队，这不是一句口号，是一个工作方式的升级。

每一次通用技术的普及，都会经历同一个阶段。人们先试着把新技术塞进旧流程里，发现效率提升有限，然后才有人围绕新技术重新设计整个工作流。

1880年代电力开始普及的时候，工厂最早做的是把蒸汽机拆了、换上电动机，但产线布局还是按照蒸汽机的逻辑来设计的。蒸汽机在中间，传动轴把动力传到各个车间，电动机来了之后，还是这个布局。

效率有提升吗？有，但不多。

真正让电力改变世界的是后来，工厂重新设计了产线，每台机器旁边放一台电动机，layout完全按照电力的逻辑来，这才有了现代工厂，这才有了大规模生产。

AI今天处在哪个阶段？

我觉得处在把蒸汽机拆了换上电动机、但产线还是老布局这个阶段。

大多数人用AI的方式，是把AI塞进旧的办公流程里。你在Word里写稿，卡住了，去AI聊天窗口问一句，复制粘贴回来。你在Excel里做表，公式不会写，去问AI，复制粘贴回来。

AI在帮你，但你还是在旧的生产线里干活。

Codex、Cowork、Kimi Work在做的事，是围绕AI Agent重新设计产线。不是你把AI当助手用，是AI把你的任务当项目管理，它自己拆任务、派给不同的Agent、跟踪进度、汇总结果、生成交付物。

而对职场人来说，接下来真正拉开差距的，可能不是谁多问了AI几个问题，而是谁更早学会把任务交给AI推进。

我说这句话不是制造焦虑。

就像1995年，一个人在用算盘算账，另一个人在用Excel，你说谁的产出效率高？

不是用算盘的那个人不努力。

是工具变了，生产方式变了，努力的回报倍数不一样了。

AI Agent也是类似的道理，它不会让努力变得不重要，但它会改变努力的方向。