title: "AI 原生公司如何将工作流转化为运营能力"
source_url: "https://openai.com/index/ai-native-company-workflows"
author: "OpenAI News"
excerpt: "公共早报 Basis、Clay 和 Exa Labs 展示了如何将员工入职、账户管理和开发者集成转化为可扩展的、由 AI 驱动的工作流，这些工作流提高了效率和一致性，同时允许人类进行监督。"

Basis：通过 Agent 让入职培训可教学化 OpenAI 最新的企业信号显示，企业 AI 正以截然不同的速度从辅助走向执行。前沿企业（AI 使用量排名前 10% 的企业）现在每位活跃用户生成的输出 token 是典型企业的 8.3 倍，而今年 1 月仅为 2.6 倍。不断扩大的差距指向更深层次的运营转变：领先的企业将 Agent 与公司上下文和工具连接，委托更多实质性工作，并使成功的工作流更容易复制。 前沿企业的使用差距扩大了三倍多 2025年4月 2025年6月 2025年8月 2025年10月 2025年12月 2026年2月 2026年4月 2026年6月 0x 4x 8x 12x 16x 20x 每位活跃用户的输出 token（以 2025 年 4 月典型企业为基准） 2.6 倍差距 8.3 倍差距 前沿企业（17.1 倍） 典型企业（2.1 倍） 前沿企业（企业排名前 10%） 典型企业（企业排名中间 10%） 对于领导者而言，挑战在于将这种深度转化为人们能够信任、衡量和改进的工作。领导者还应该为实验留出空间，包括那些初次尝试时价值不明显的使用场景。 初创企业 Basis⁠（在新窗口中打开）、Clay⁠（在新窗口中打开） 和 Exa Labs⁠（在新窗口中打开） 已经将 Agent 嵌入到员工入职、账户管理和开发者生态增长中。他们的工作流各不相同，但发展轨迹很有启发性：教会 Agent 一个稳定的流程，随着工作变化为其提供持续的上下文，然后让它将机会带入经过测试的行动中。 综合这些案例，可以看到团队如何将 Agent 融入熟悉的工作中，并随着时间推移改进流程。

Basis：通过 Agent 让入职培训可教学化

入职培训长期以来对雇主和员工来说都很繁琐。在为会计事务所构建 AI Agent 的 Basis，第一天入职现在只需 30 分钟，而不是两个小时，让 HR 有更多时间用于文化建设和支持。 在入职第一天，员工会立即获得 Codex 和一个公司特定的入职技能（用于特定工作流的可重用指令和资源集）。Codex 欢迎他们，介绍关键公司概念，并在后台使用他们的电脑完成集成设置。当出现重复性问题或异常情况时，HR 可以在下一批员工入职前更新技能。 Basis 演示了一次入职流程，然后将其转化为可重用的技能，具有明确的触发条件、已知步骤、正确的工具访问权限，以及对"完成"的清晰定义。这个流程不再依赖于一个人的可用性，但团队可以在出现异常或复杂问题时介入。入职培训现在更加一致、可重复且更容易改进，新员工也能立即获得与 AI 协作的模型。

Clay：为分散的工作提供一个持久的基地

Clay 为市场推广团队构建自学习营收引擎，其面临着一个熟悉的销售挑战：关键的交易上下文分散在 CRM 记录、电子邮件、Slack、电话、会议演示文稿、短信以及与内部团队和客户拥护者的对话中。 为了保持这些上下文的时效性，Clay 的一位 GTM 工程师尝试了一种更好的方法——为每个账户建立一个持久的工作空间和专用子 Agent。每个子 Agent 都会审查主要来源，并在夜间更新其交易文件夹。每天早上，一个协调 Agent 会将她所有账户的更新汇总成一份简短的优先行动清单：回答一个悬而未决的客户问题、填补购买委员会的空缺，或者给潜在客户一个重新接触的理由。 据 Clay 介绍，该工作流每晚为她节省大约一小时的收件箱分类时间。每日的优先事项帮助她坚持执行那些在漫长企业销售周期中可以积累的小行动。每个推荐都附带支撑证据，因此销售人员在采取行动前可以检查主要来源。企业可以基于现有的账户权限，将这些共享上下文扩展到客户经理、BDR、解决方案工程师和销售主管。 Clay 展示了不断演变的工作要实现规模化需要什么：一致的结构、有用的更新节奏、共享的证据，以及在行动点的的人类判断。

Exa：将机会带入经过测试的行动

为 AI Agent 构建 Web 搜索基础设施的 Exa Labs，希望让开发者能在任何可以使用的地方访问其搜索 API。团队将这个目标称为"Exa 无处不在"。实现这一目标曾经需要开发者关系和账户团队监控代码仓库和更广泛的生态系统、识别有前景的集成、收集上下文，并在系统间协调工作。虽然机会各有不同，但从发现到实现的路径遵循一致的顺序。Exa 将此流程转化为 Codex 的明确工作流，具有清晰的优先级、必要来源的访问权限，以及在任何内容发布前的人工审核。 Codex 现在监控高优先级集成机会、收集相关上下文、创建 Pull Request、运行测试，并使用 Slack 和 Notion 等来源准备每周更新。在适当情况下，它还可以起草下一步行动，包括初步公告，供团队审核。该工作流将机会从信号转化为经过测试的产物，同时减少了研究、工程和沟通之间的交接。 人们仍然决定哪些机会重要、Exa 应该做出哪些承诺，以及如何管理外部关系。在发布前，测试和审核点使 Agent 的工作可见。测试结果和人工审核可以向团队展示在下一次运行时如何调整工作流。随着工作变得更具影响力，权限、证据和决策权成为工作流设计的重要组成部分。 Basis、Clay 和 Exa 共同将我们在企业信号中看到的模式转化为运营层面的实践。Basis 将成熟流程转化为可重用技能。Clay 赋予 Agent 上下文和持久性，以保持不断演变的工作处于最新状态。Exa 添加工具、测试和审核，让 Agent 能够将信号带入有界限的执行。所有这三个案例都将改进作为工作流的一部分：入职异常揭示了技能需要完善的地方；新账户活动和卖家验证保持交易上下文的时效性；测试和人工审核则明确了未来执行的边界。每个案例都从具体的工作和足够的测试空间开始。分工随着使用变得更加清晰，职责随着工作流被验证而扩展。

六个步骤：现在就实验，规模化有效的实践

随着前沿差距的扩大，企业领导者需要给员工空间来测试重要的工作流、衡量成功，并将最有效的实验转化为可重复的实践。

• 选择一个重要的价值切入点。 从端到端的工作流开始，战略优先级、系统、交接、控制和可衡量的赌注在此交汇。它应该足够频繁地重复以从中学习，并且足够重要以证明重新设计的合理性。

• 定义预期结果及衡量方式。 指定责任人、KPI、基准线和护栏。通过已完成的任务、连接的上下文和工具、异常情况和审核负载来跟踪深度。通过周期时间、质量、成本、收入或风险来跟踪价值。输出量可以表明人们要求 AI 做更多事情；工作流结果则表明这是否重要。

• 编写 Agent 的职位描述。 定义触发工作的条件、预期结果、所需上下文、工具、权限，以及 Agent 应该多么持续地追求完成。明确它必须产生的证据，以及在哪里必须停下来进行人工审核。

• 在 Agent 周围建立人类系统。 让最接近工作流的人参与设计循环。指定谁负责业务成果、领域逻辑、访问和控制、采用和日常使用。初创企业将这些职责压缩到少数人身上；企业在工作流扩展时需要明确的决策权。

• 让实验可见且可重用。 OpenAI 研究发现，采用六个月后，早期职业员工每周发送的消息比高管多 13 条。给员工空间来测试新的使用场景，然后捕获有效实践背后的流程和证据，并将其打包为技能、插件或共享工作空间。Chat、Work 和 Codex⁠（在新窗口中打开） 支持不同模式：Chat 用于问题和快速协作，Work 用于多步骤知识工作和最终可交付成果，Codex 用于技术执行。

• 将运营模式延续下去。 保留有效的上下文、权限、评估、审核点、负责人、措施和赋能，然后将其应用到下一个价值切入点。每个新实验都应该为下一个团队提供一个更好的起点。