山姆·奥特曼：当AI成为员工，组织能力才是AI落地的真正瓶颈
2026-02-11
文章转载自"北大纵横"
2025年2月4日，美国加州圣何塞，思科AI峰会现场。OpenAI CEO山姆·奥特曼（Sam Altman）与思科总裁Jeetu Patel并肩而坐，台下坐满了全球顶级企业的CIO、CTO与战略决策者。就在几天前，OpenAI悄然上线了一款名为Frontier的企业级平台——这不是又一个聊天机器人，而是一个将智能体（Agent）当作员工来管理的操作系统。 “Codex App让我再次感受到类似ChatGPT时刻的震撼。”他称之为“能力悬空”（Capability Gap）——模型能写完整软件、能做科研、能接管知识工作，但企业却连让AI安全读取Slack消息都做不到。 当AI的能力足以支撑“全AI公司”的运行时，为什么绝大多数企业还在用“工具思维”对待它？在今天，各大企业的AI落地的瓶颈已从技术能力转向组织适配能力。真正的竞争焦点，不再是模型参数或推理速度，而是企业能否构建一套可治理、可扩展、可审计的AI员工管理体系。OpenAI的Frontier并非又一个产品发布，而是对这一新范式的系统性回应。一、从工具到同事，
AI角色的三次跃迁
要理解当前的临界点，必须回溯AI在企业中的角色演变。AI作为工具 ChatGPT初期，用户将其视为“高级搜索引擎”或“写作助手”。交互模式是指令-响应，人类全程主导。AI的价值在于节省时间，而非改变流程。AI作为协作者 随着代码生成、多模态能力增强，AI开始参与创作闭环。例如GitHub Copilot帮助程序员写函数，但仍需人类审核、调试、部署。此时，AI的价值在于提升个体效率，但组织流程未变。 Codex的出现标志着转折点——它不仅能写代码，还能直接操作电脑、登录网页、调用API、修改文件。奥特曼坦言：“我只坚持了两小时不给它完全控制权，因为它太好用了。” 这意味着，企业必须像管理人类员工一样，为AI设计入职培训、工作权限、绩效评估与退出机制。二、非显性瓶颈：
四大结构性矛盾正在拖慢AI落地
奥特曼明确指出，除了算力、电力等显性约束，真正阻碍AI普及的是以下四个“非显性矛盾”。这些矛盾并非技术缺陷，而是现有组织架构与AI运行逻辑的根本冲突。当前企业数据安全体系基于“人类最小权限原则”设计——即用户仅能访问其岗位必需的数据。但AI需要跨系统、跨应用的上下文访问权才能完成端到端任务。例如，一个销售AI需同时访问CRM、邮件、合同系统才能完成客户跟进。 然而，现有权限系统无法支持这种动态、细粒度、任务导向的授权。企业要么禁用AI，要么让AI在功能阉割状态下运行——能力悬空由此产生。 现有企业软件（如Slack、Outlook、Salesforce）为人类交互设计，缺乏Agent友好的状态管理与事件流接口。奥特曼举例：AI读取Slack消息会将其标记为“已读”，打乱人类工作流。这看似小事，实则反映整个软件生态尚未适配“人机共用”场景。 Human-first：保留传统UI，供人类使用； Agent-first：提供结构化接口、记忆缓存、操作日志，专为AI调用优化。 AI的“始终在线”特性要求设备能持续监听、记录、学习。但当前操作系统权限模型（如macOS的屏幕录制授权）是一次性、粗粒度的，无法实现“录会议→学习→自动删除”的闭环。多数企业仍将AI视为“提效工具”，而非“新劳动力”。他们花数月讨论数据安全，却不愿尝试“AI同事”模式。三、Frontier：
OpenAI的“AI员工管理系统”如何破局？
面对上述矛盾，OpenAI的答案是Frontier——一个企业级Agent管理平台。其设计逻辑完全对标人力资源管理体系，试图将AI纳入组织的正式编制。 打破信息孤岛 Frontier打通CRM、ERP、数据仓库等系统，构建统一“语义层”。Agent不再需要人类手动提供背景，而是自动理解业务流程、关键指标与决策节点。 例如，一个采购Agent知道“当库存低于阈值且供应商评级>4星时，自动发起询价”。这相当于为AI提供*企业知识图谱+决策规则引擎，使其具备“组织常识”。 不同于API调用，Frontier允许Agent直接操作企业内部工具：这相当于赋予AI“数字手脚”，使其能完成端到端任务。 惠普试点显示，其IT支持Agent可自动诊断80%的硬件故障并生成工单，人力介入率下降70%。关键在于，执行能力被封装在安全沙箱中，避免越权操作。 Frontier内置评估引擎，追踪Agent的任务完成率、错误类型、资源消耗。管理者可像review员工一样，调整其行为策略或知识库。 甲骨文利用该功能，让数据库优化Agent在三个月内将查询性能提升35%。AI的价值不仅在于初始部署，更在于持续学习带来的边际收益递增。 州立农业保险借此满足金融监管要求，同时部署了200+客服Agent。1、消费者订阅（ChatGPT Plus）：数千万用户，ARPU持续提升； 3、AI云订阅（Frontier核心）：企业按“Agent席位”或“任务量”付费，包含安全、上下文、多模型调度等增值服务。 值得注意的是，AI云订阅的客单价远高于传统SaaS。一家大型银行可能为数千个Agent支付数百万美元年费，换取90%的后台自动化。这标志着商业模式从“软件许可”向“劳动力外包”的跃迁。 若其投入数十亿美元算力帮助药企研发新药，可能从销售额中抽成。面对中国开源模型（如DeepSeek、Qwen）的崛起，奥特曼坦言：“美国在开源端侧模型上做得不够。”他强调，用户需要能在本地运行、完全可控的模型，尤其当AI“看到你整个人生”时。 前沿模型（Frontier模型）必须保持闭源领先，通过API和产品变现。OpenAI选择后者，因其更符合“基础设施 > 应用 > 模型”的价值链条。奥特曼预测，到2026年底，AI体验将提升10倍——不是指模型参数，而是可解决问题的范围与流畅度。届时，“全AI公司”将不再是概念，而是新商业物种的标准配置。那些仍把AI当工具的企业，将如同拒绝电气化的工厂，被时代淘汰。 OpenAI的Frontier之所以重要，是因为它解决了AI落地的最后一公里问题——不是模型有多强，而是组织能否用起来。历史经验曾多次表明，每次通用技术革命（电力、计算机、互联网），最大赢家都不是发明者，而是率先重构组织以适配新技术的实践者。
文中观点仅为作者观点，不代表本平台立场
各位读者朋友，公众号改了推送规则，如果您还希望第一时间收到我们推送的文章，请记得给北大纵横公众号设置星标。
点击左下方公众号“北大纵横”→点击右上角“...”→点选“设为星标⭐️”。 
