Менее чем через два года после того, как аналитики все еще спорили о наличии у агентов ИИ реальных применений в больших масштабах, OpenAI опубликовала 25 июня 2026 года исследование, которое делает этот вопрос неактуальным. Ее команда экономических исследований проследила, как Codex — агентурная платформа ИИ компании — распространилась из инструмента для разработчиков в рабочие будни юристов, финансовых аналитиков и рекрутеров в самой организации OpenAI, одновременно фиксируя взрывной рост среди нетехнических пользователей за пределами компании. Полученные данные — это первый крупномасштабный эмпирический набор данных, подтверждающий то, что индустрия корпоративного ИИ предсказывала и обсуждала: переход от постановки вопросов ИИ к делегированию работы ИИ уже произошел, и он вышел далеко за пределы инженерного отдела.
В статье под названием “The Shift to Agentic AI: Evidence from Codex” (Переход к агентурному ИИ: свидетельства на примере Codex) отслеживаются данные об использовании среди трех групп: индивидуальные пользователи Codex, пользователи корпоративных аккаунтов и сотрудники самой OpenAI. Вместе они предоставляют то, что авторы описывают как «взгляд на то, как может выглядеть использование агентурного ИИ в будущем, когда трения при внедрении минимальны».
Как выглядит внедрение среди неразработчиков в масштабе
Показатели роста для нетехнических пользователей являются главным открытием. К началу июня 2026 года число индивидуальных пользователей Codex, не являющихся разработчиками, выросло в 137 раз с августа 2025 года. Организационных пользователей, не являющихся разработчиками, за тот же период стало в 189 раз больше. В самой OpenAI — где работники начинали с уже выше среднего базового уровня — сопоставимый показатель составил 12-кратный рост.
Развертывание в Samsung Electronics, анонсированное за четыре дня до публикации статьи, предоставившее Codex всему южнокорейскому персоналу компании и ее глобальному подразделению Device eXperience — группе, включающей отделы маркетинга, производственный персонал и дизайнеров продуктов без опыта программирования, — служит немедленным подтверждением в реальном мире. Число еженедельно активных пользователей Codex в Samsung в Южной Корее выросло почти на 800% в период с 1 февраля по 21 июня, дату объявления. Более 5 миллионов человек теперь еженедельно используют Codex на технических и нетехнических должностях.
Внутри OpenAI: от инструмента для инженерии до платформы компании
Модель внутреннего внедрения в OpenAI рассказывает более конкретную историю, чем основные цифры роста. Инженеры были первыми, кто начал использовать инструмент. К декабрю 2025 года средний инженер в OpenAI уже перевел большую часть своего использования инструментов ИИ на Codex, и сегодня он генерирует 99% выходных токенов через Codex, а не через ChatGPT.
Но то, что произошло дальше, авторы статьи называют более значимым развитием. Юридические, финансовые и рекрутинговые команды в OpenAI пересекли порог большинства использований примерно в апреле 2026 года — внедряя инструмент быстрее, чем инженеры, хотя и позже их. Средний юрист или рекрутер в OpenAI теперь генерирует более 85% своих выходных токенов ИИ через Codex. По всем отделам вместе взятым, Codex составляет 99,8% еженедельных выходных токенов OpenAI.
В статье приводится разбивка того, что именно нетехнические работники используют в Codex. Команды по финансам и бизнес-операциям генерируют наибольшую категорию результатов в виде работы со знаниями — составление документов, анализ данных, координация коммуникаций, — а не в виде кодирования. Однако более четверти работы, выполняемой через Codex сотрудниками бизнес-функций, было классифицировано как инженерия или кодирование, хотя эти сотрудники занимают нетехнические должности. Авторы утверждают, что агенты снижают стоимость работы, выходящей за рамки должностных обязанностей.
Как агентурный ИИ работает иначе, чем чат-бот
Различие, которое статья проводит между разговорным ИИ и агентурным ИИ, стоит понимать точно, поскольку разница в архитектуре и делает возможными такие модели внедрения.
Взаимодействие с чат-ботом является самодостаточным: пользователь отправляет сообщение, модель генерирует ответ. Агентурное взаимодействие — это делегированный рабочий процесс. Когда пользователь Codex отправляет запрос — например, на создание рабочего процесса, который извлекает данные о продажах за прошлую неделю и форматирует их в виде сводного отчета, — Codex создает многоуровневую среду контекста запроса, файлы репозитория, правила разрешений «песочницы» и сообщение пользователя, а затем отправляет все это базовой модели для вывода. Если ответ модели является не окончательным ответом, а вызовом инструмента для выполнения команды оболочки, чтения файла или выполнения тестов, агент выполняет этот вызов, добавляет результат к запросу и снова отправляет все это модели. Этот цикл может повторяться десятки раз, прежде чем пользователь увидит результат.
Каждая задача выполняется в собственной изолированной облачной «песочнице». Инженерная деталь, которая поддерживает это экономически жизнеспособным в масштабе миллионов ежедневных взаимодействий, — это кэширование запросов с помощью свойства префикса: каждая новая задача Codex добавляет новый контент в конец существующего запроса, а это означает, что старый запрос всегда является точным префиксом нового. Это свойство позволяет OpenAI повторно использовать вычисления из предыдущих вызовов вывода. Даже по мере того, как необработанные данные, отправляемые модели, увеличиваются с каждым вызовом инструмента, фактические вычисления модели остаются ближе к линейным, а не квадратичным. Это не случайная оптимизация — это механизм, который делает запуск Codex в корпоративном масштабе финансово устойчивым. Когда разговоры становятся достаточно длинными, чтобы достичь контекстного окна модели, Codex сжимается: он заменяет полную историю сжатым представлением через зашифрованный полезный груз, позволяя агенту продолжать работу без потери контекста задачи.
Как долго агентурный ИИ может работать без надзора?
В статье представлен показатель для измерения использования агентурного ИИ, который выходит за рамки числа активных пользователей: продолжительность задачи, оцененная как эквивалент человеческого труда. К маю 2026 года 80,6% отобранных индивидуальных пользователей Codex отправили по крайней мере один запрос, который, по оценкам, соответствовал более чем 30 минутам эквивалентной человеческой работы. Более 70,2% превысили часовой рубеж. И 25,6% — примерно каждый четвертый — поручили Codex по крайней мере одну задачу, требующую, по оценкам, более восьми часов человеческих усилий.
Почти четверть всех запросов Codex соответствует задачам, на выполнение которых человеку потребовалось бы более часа. В крайних случаях 99-й перцентиль ежедневно активных пользователей в OpenAI генерировал более 60 часов времени работы агента в день к июню 2026 года, распределенного между несколькими параллельно работающими агентами. Пользователи не просто просят Codex о более сложных задачах — они оркестрируют несколько параллельных рабочих процессов так, как менеджер мог бы поручить работу команде. Более 10% пользователей управляют тремя или более параллельными агентами Codex в течение недели.
Что эти цифры значат для работодателей и работников
Практические последствия распространяются в нескольких направлениях одновременно.
Для работодателей, решающих, стоит ли развертывать агентурный ИИ за пределами инженерии, статья предоставляет самый конкретный на данный момент ориентир: в хорошо инструментированной организации с минимальными трениями при внедрении переход от чат-бота к агенту становится преобладающим режимом взаимодействия с ИИ — для каждого отдела — примерно через год после того, как инструмент станет общедоступным. Данные также показывают, что траектория роста для нетехнических пользователей более крутая, а не более медленная, чем для разработчиков.
Для работников данные подтверждают то, что предыдущие исследования продуктивности чат-ботов не смогли полностью уловить: агентурные инструменты расширяют возможности отдельного человека за рамки его официального описания работы. Более четверти работы, выполняемой сотрудниками бизнес-подразделений через Codex, относилось к категориям инженерии или кодирования — работа, которую эти сотрудники ранее должны были бы запрашивать у технической команды. Эта граница сжимается.
Авторы статьи — сотрудники OpenAI, Колумбийской школы бизнеса, Школы Уортона Пенсильванского университета и Школы Фукуа Университета Дьюка — осторожно отмечают, что OpenAI представляет собой «уникально благоприятную среду для агентурного ИИ» и что ее внутренняя модель внедрения не является репрезентативной для типичных организаций на сегодняшний день. Работники хорошо знакомы с ИИ, нет ограничений на количество использований, и поддержка организации высока.
Эта оговорка имеет вес. The Next Web отметила, что каждый показатель в статье исходит от самой OpenAI — компании, имеющей прямую финансовую заинтересованность в продвижении измеряемого ею продукта, — и что ни одна независимая третья сторона не проверила выводы. В статье не рассматривается, поощряется ли использование Codex сотрудниками OpenAI, что является важным упущением, учитывая, что почти универсальное внедрение внутри компании, продающей продукт, не равно органическому спросу.
Однако данные о внешнем внедрении говорят об ином. Среди организационных пользователей Codex за пределами OpenAI — компаний на планах Business и Enterprise — Codex уже составляет 63,3% выходных токенов. Индивидуальные пользователи остаются на уровне 16,5%. Разрыв между индивидуальным и организационным внедрением предполагает, что ключевой переменной является не возможность модели, а интеграция рабочего процесса: доступ к соответствующим файлам, ожидания руководства и наличие процессов проверки, которые позволяют работникам доверять тому, что производят агенты.
Не все сигналы положительные. Отдельные отчеты показывают, что растущее число опытных пользователей описывают контроль за несколькими одновременными рабочими потоками Codex как когнитивно истощающий — человеческие издержки параллельного делегирования, которые метрики объема вывода в статье не отражают.
Что агентурный ИИ все еще не может делать самостоятельно
В статье также четко указано, что меняется, а что нет. Даже среди самых активных пользователей OpenAI агенты не устраняют человеческую роль — они ее смещают. Пользователи определяют задачи, устанавливают ограничения, просматривают результаты и несут ответственность за последствия, если агент производит что-то неверное. Меняется единица делегирования: вместо того чтобы просить помощника выполнить функцию, работник может передать многочасовое поручение и направить свое время на проектирование и проверку.
Методология исследования опирается на конвейер LLM-as-judge для оценки продолжительности задачи — каждая стенограмма Codex оценивается языковой моделью, которая определяет, сколько времени опытному человеку потребовалось бы для выполнения той же работы. Авторы описывают эти пороги как «направляющие, а не точные», а выборка охватывает случайные 0,1% индивидуальных пользователей.
Часто задаваемые вопросы
Часто задаваемые вопросы
В чем разница между агентурным ИИ и чат-ботом, и почему это важно для работников, не являющихся инженерами?
Взаимодействие с чат-ботом — это один обмен: пользователь спрашивает, модель отвечает. Агентурная система ИИ, такая как Codex, выполняет цикл — получает цель, выбирает инструменты для использования, выполняет эти инструменты, проверяет результаты и повторяет, пока задача не будет выполнена. Пользователь делегирует рабочий процесс, а не задает вопрос. Эта разница и делает ее полезной за пределами инженерии: рекрутер или юрист может описать, что им нужно, на простом языке, и позволить агенту выполнить все шаги, вместо того чтобы указывать каждое действие самостоятельно.
Кто на самом деле использует агентурные инструменты ИИ за пределами инженерии, и для чего они их используют?
Согласно исследовательской статье OpenAI, самые быстрорастущие нетехнические категории пользователей Codex — это анализ данных, исследования и создание отчетов и рабочих документов. Внутри OpenAI работа со знаниями является самой большой категорией результатов для команд по финансам, бизнес-операциям, маркетингу и продуктам. Более четверти результатов от нетехнических ролей приходится на задачи инженерии или кодирования, что означает, что работники используют агентов для перехода к технической работе, которую они ранее должны были бы запрашивать у разработчика.
Доказывают ли данные OpenAI, что агентурный ИИ обеспечивает реальный прирост производительности в более широкой экономике?
Не окончательно. В статье измеряется глубина внедрения и сложность задач внутри OpenAI — организации, которую сами авторы описывают как исключительно благоприятную среду для агентурного ИИ, — и отслеживается рост пользователей среди внешних подписчиков Codex. В ней не измеряется конечный результат производительности, влияние на выручку или предоставленная экономическая ценность. Все данные исходят от самой OpenAI, которая имеет коммерческую заинтересованность в продвижении Codex. Независимая проверка еще не проводилась. Наиболее обоснованное утверждение статьи заключается в том, что агентурный ИИ используется в масштабе, для сложных, долгосрочных задач, работниками, находящимися далеко за пределами инженерии, — и что эта модель быстро ускоряется.
Каковы риски безопасности при запуске агентурного ИИ на работе, и должны ли корпоративные команды беспокоиться?
Агентурные инструменты ИИ создают риски, которых нет у чат-ботов. Поскольку агенты Codex автономно выполняют код, читают файлы и вызывают внешние инструменты, скомпрометированные учетные данные агента дают злоумышленнику постоянный, скрытый доступ ко всему, к чему может получить доступ учетная запись, — а не только к интерфейсу чата. Исследователи из Aikido Security задокументировали вредоносный пакет npm, который около месяца незаметно извлекал токены аутентификации Codex до обнаружения, привлекая более 29 000 еженедельных загрузок. Уязвимость с исправлением, раскрытая в начале 2026 года, позволила внедрять команды через имена веток GitHub, предоставляя права на чтение/запись в базы кода жертв. Корпоративные команды, развертывающие Codex в масштабе, должны применять принцип наименьших привилегий и поведенческий мониторинг к идентификаторам ИИ-агентов с той же строгостью, что и к учетным данным человека.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Kyle Belmonte
