先看证据
扩大的首先是验证范围
2026年10月22日，Uber宣布把ChatGPT Work推广至全球三万名以上员工。这款运行在ChatGPT Enterprise中的智能体，面向需要在日常工具中查找信息、整理材料并推进多步骤任务的知识工作者。此前，Uber已让约1,000名员工参与试点，涉及财务、运营和产品等团队。OpenAI将此次扩展称为Uber首次面向全公司的知识工作智能体部署。
三万人这个数字说明组织开放使用的规模，不代表三万人已经实际使用，更不能直接说明生产力提高了多少。公告没有披露活跃用户比例、节省时间、部署支出或投资回报。读这次发布，重点应放在试点如何进入更大范围的工作现场，以及公司接下来会用什么证据判断它是否有用。扩容是验证的开始，不是验证结果。
连接日常工具，才有机会接上工作流程
ChatGPT Work可以连接Google Drive、Gmail、Google Calendar和Slack，员工可用它研究资料、准备会议简报、制作演示文稿和分析数据。产品设想的变化，是让智能体不仅针对一个问题生成回答，还能在多个应用中汇集信息，协助完成包含若干步骤的工作。OpenAI称，GPT‑6.1 Sol将作为默认能力，平台还支持语音和图像生成，以适配不同任务。
这种设计把价值押在“跨工具协作”上，但连接器本身并不会自动形成可靠流程。结果仍取决于相关信息能否访问、任务目标是否清楚，以及员工是否能够检查并使用生成内容。Uber试点中的用例包括分析运营数据并寻找趋势、把培训材料本地化到不同市场和语言，以及制作交互式仪表盘。这些例子展示了尝试方向，尚不能证明任务已稳定自动化，或已经产生可量化的业务收益。
非工程师使用，让评估离开代码生成
TechCrunch援引Uber工程副总裁Sumanth Sukumar称，试点早期用户约八成不是工程师。这个比例提示，推广的重点并非只在开发团队里加速写代码，也包括运营、财务、营销和产品团队如何处理信息密集型工作。对这些员工而言，研究资料、汇总数据、改写培训材料和准备会议内容，可能比生成代码更贴近日常任务。
不过，试点用户的职业构成只是采用情况的一条线索，不是成效指标。个人偶尔借助智能体完成一份材料，与团队建立可重复、可审查的工作流程，并不是同一件事。Uber表示会观察员工怎样使用工具、形成哪些流程，再评估效果。这说明公司仍处于了解使用方式的阶段，尚未对外给出一套已经验证的标准做法。
落地不只靠模型，也靠组织安排
Uber计划以内部AI技能库、获批的集成和员工培训支持推广。这些安排解决的不是模型本身能不能生成内容，而是员工如何把能力放进现有工作：哪些任务适合交给智能体，哪些集成可以使用，生成结果如何回到团队流程。公开材料没有说明培训的具体内容，也没有披露连接器的权限配置，因此不能据此判断数据访问边界已经明确。
工具分工也没有被合并成一个“全能助手”。Uber的软件开发和工程团队将继续使用Codex，ChatGPT Work则扩展到更广泛的知识工作。Uber此前还曾安排30名AI工程师与公司团队合作两周，探索自动化部分工作。把这些做法放在一起看，企业部署不只是给员工开通产品，还需要针对任务梳理流程，并保留适合不同工作的工具选择。
扩容之后，指标与权限比口号更重要
Uber和OpenAI表示，随着推广推进，将分享采用情况、用例和可衡量结果。目前公开材料还没有给出实际使用率、部署费用或生产力提升数据，TechCrunch也报道Uber未披露这次部署的支出。因此，账号覆盖数最多只能说明推广到了哪里，不能替代对实际成效的判断。技术负责人需要进一步区分员工是否持续使用、流程能否复用、产出需要多少返工，以及质量是否满足业务要求。
权限和数据处理同样是评估的一部分。让智能体接触Drive、Gmail、日历和Slack，扩大了它能够处理的信息范围，但公开资料没有说明Uber如何配置访问权限或管理员工数据。对其他企业来说，可执行的判断不是照搬“三万人上线”，而是把覆盖人数当作部署指标，把重复使用、流程复用、质量和成本当作结果指标，并在权限边界与人工复核机制清楚后，再决定是否把自动化扩展到影响更大的任务。