先看证据
使用增长，无法替企业决定从哪里开始
小企业面对的第一道门槛通常不是有没有AI工具，而是有没有时间和能力把工具放进具体工作。一个只有几名员工的团队，可能同时处理获客、财务、营销、供应链和合规，没有专职人员把模型能力翻译成岗位流程，也没有多余人手反复比较不同用法的收益和风险。对这样的企业来说，“AI能做什么”仍然是一个过于宽泛的问题。
OpenAI的报告称，9月9日至15日这一周，全球约400万名少于500人企业的员工使用了OpenAI工具，近五分之一用户来自少于10人的企业。这说明产品已经触达到极小团队，但不能说明这些团队已经形成稳定的工作方式。用户数量只回答了谁打开过工具，没有回答谁把工具嵌入了业务，也没有回答使用结果是否值得继续投入。
SBDC承担的不是宣传，而是采用设计
这项合作的关键，不是把更多教程放到网上，而是把采用过程拆成了顾问培训、现场实操和后续跟进三个环节。顾问首先接受培训和认证，学习如何帮助企业选择合适的起点、负责任地使用AI，并判断工具是否真的带来帮助。随后，参与的SBDC网络计划至少各举办一场Academy Workshop，让企业主用自己的真实任务测试ChatGPT，而不是只观看产品演示。
工作坊结束后，SBDC顾问还会继续答疑并提供一对一支持。OpenAI与America’s SBDC也计划共同制作实用指南和行业配套指南，覆盖营销、运营、制造、出口和政府合同等可能主题。这样的安排形成了一个反馈回路，企业在现场遇到的困难可以反过来影响指南内容。它比向所有企业发放同一套提示词更接近一次按任务和行业逐步收敛的部署。
Agentic使用上升，意味着任务正在变长
报告中对技术负责人最有价值的信号，不只是400万这个用户数字，而是使用形态的变化。OpenAI称，ChatGPT Work和Codex等产品在8月产生的agentic output tokens，占小企业总输出token的三分之二，而4月这一比例只有三分之一。按照材料给出的定义，token是模型处理和生成的单位。这个变化至少表明，小企业使用AI时，更多任务正在从单轮问答转向包含多个步骤的执行过程。
但token比例不能被直接当成自动化程度或业务价值。一个更长的流程可能意味着AI承担了更多工作，也可能意味着需要更多轮修正，甚至意味着企业把复杂任务交给了尚未充分验证的系统。技术负责人需要把“agentic”拆回具体流程，确认输入来自哪里，中间结果由谁检查，最终动作是否会触发付款、报价、合同或对外沟通。
小企业首先把AI当作缺失岗位的补位
材料显示，小企业在财务与会计、供应链、法律合规和营销等业务上的AI互动占比至少是大企业的三倍。这个差异更像是组织结构造成的需求信号，而不是小企业已经完成了更激进的自动化。大型公司往往可以用专职人员覆盖这些领域，小企业则需要用一种通用工具，暂时补足分析、研究和内容处理能力。
新墨西哥州经营三家餐厅的Ted和Tami Taylor，在调整菜单价格时使用ChatGPT Work比较竞争对手定价。分析显示，部分菜品如果涨价会失去竞争力，帮助他们避免跳过竞品比较这一步。这个案例说明AI可以补上小团队缺少的分析环节，却没有证明模型替代了经营判断。最终是否调整价格，仍然由经营者结合自身业务作出决定。
最后一公里也带来了治理账单
SBDC模式的优势和代价来自同一个地方，那就是对可信顾问的依赖。顾问可以降低企业主的认知门槛，帮助他们挑选一个可验证的起点，也能在早期阻止团队把工具直接用于不适合的场景。但培训约150名顾问、组织线下工作坊并持续答疑，意味着这套模式的边际成本不会像纯软件分发那样快速下降。它的扩张速度取决于顾问数量、培训质量和本地网络的覆盖能力。
材料目前没有说明顾问认证的具体标准，也没有说明合作会覆盖哪些州和网络，更没有给出工作坊后的采用率、错误率或成本节省数据。因此，较稳妥的导入方式不是先追求全面自动化，而是为每个流程指定负责人，先从能够比较投入与结果的任务开始，保留人工复核和结果记录，再决定是否进入法务、合规或对外决策等更高风险环节。对OpenAI而言，这次合作争夺的不只是使用量，而是让本地顾问网络成为长尾企业采用AI的基础设施。对企业而言，顾问可以降低起步成本，却不能替它承担最终责任。