當Agent成為職場和實驗室的重要搭子

AI Agent 正在從實驗室走入職場與科研一線，成為人類工作中不可或缺的協作夥伴。近日，OpenAI 與 Google DeepMind 先後發布報告，揭露這項技術如何從根本上改變知識工作的底層邏輯，並拓展人類能觸及的工作邊界。OpenAI 以自身公司為樣本，記錄了旗下 AI Agent 工具 Codex 如何在不到一年內從邊緣工具躍升為全公司核心生產力平台；而 Google DeepMind 則在《自然》雜誌上發表了 Co-Scientist 多智能體系統，展示 AI Agent 如何在真實科研中加速假設生成與驗證，甚至催生具體科研成果。

OpenAI 在報告開頭便點明：「AI Agent 正在重新定義知識工作的基本單元——從單次交互，變為可以託付出去、長時間自主執行的任務。」報告指出，Agent 如今能獨立運行數小時，過程中調用工具、與外部環境互動、持續迭代，直到完成任務。這項能力躍升，讓 Agent 成為職場中最強大的 AI 工具，而 OpenAI 內部正是觀察這場變革的最佳樣本。Codex 對外發布後最初幾個月，即便在 OpenAI 內部，員工仍習慣使用 ChatGPT 作為預設 AI 工具。直到 2025 年 8 月，普通員工花在 Codex 上的 token 使用量還不到 10%。

但此後局面迅速逆轉，到了 2026 年，Codex 已成為 OpenAI 每個部門的主要 AI 工具——不只是工程師，法務、財務、招聘等非技術部門同樣大量採用。目前 Codex 佔據 OpenAI 內部每週輸出 token 總量的 99.8%，OpenAI 認為這趨勢反映了未來工作的普遍走向：隨著 Agent 工具能力增強、門檻降低，這將成為常態。從任務時長來看，變化尤為明顯。報告估算 Codex 請求所對應的「人工時長」，到 2026 年 5 月，80.6% 的用戶曾向 Codex 提交過需要人類工作超過 30 分鐘才能完成的任務，70.

2% 的用戶提交過對應人工時長超過 1 小時的任務，而對應超過 8 小時工作量的任務，增速最快。早期 Codex 多用來快速回答問題、生成程式碼片段；但現在，用戶開始委託它整塊的工作——調研、分析、搭建流程。OpenAI 表示，隨著 Codex 處理長上下文、獨立作業的能力不斷提升，用戶的使用習慣從短平快交互轉向更複雜、週期更長的任務委託。另一方面，工作的可能邊界也隨之拓展。程式設計師率先擁抱 Codex 並不意外，但報告顯示，自 2025 年 8 月以來，個人用戶中非開發者的使用量增長了 137 倍，企業用戶中非開發者增長了 189 倍。

在其他職能部門（非程式設計師的技術崗位）中，員工使用 Codex 產出的內容有超過四分之一屬於工程或程式設計類工作。過去需要請技術團隊支援才能完成的自動化、數據處理、工具搭建、調試等任務，現在非程式設計師員工自己就能委託給 Agent 來做。OpenAI 強調，當人們能順暢使用強大的 Agent 工具，他們會自然地將其用於時間更長、難度更高、跨越更多職能邊界的工作，這很可能就是未來工作的樣貌。

如果說 OpenAI 的報告描繪了職場中知識工作交付方式的轉變，那麼 Google DeepMind 在《自然》雜誌上發表的 Co-Scientist 研究，則展示了 AI Agent 如何在科研領域發揮實質性作用。Google DeepMind 表示，Co-Scientist 的核心目標是解決科研中「大海撈針」般的難題——在浩瀚資訊中找到正確的科研假設，因為每一項重大科學突破往往始於一個正確的假設。該系統基於 Gemini 構建，是一個多智能體系統，由多個專職 Agent 協作，模擬科學思維的完整循環：生成假設、批判審查、迭代進化。

Co-Scientist 的運作流程分為生成、辯論、進化三個階段。首先由 Agent 提出初始假設並進行多樣性聚類，接著由「虛擬同行評審者」對假設展開批判性評估，最後持續優化排名靠前的方向，輸出供研究者審閱的研究提案。整個系統由一個「督導 Agent」統籌協調，將高層研究目標拆解為可執行步驟，驅動多個 Agent 並行探索。最具特色的設計是驗證假設的方式——系統借鑑 AlphaGo 和 AlphaStar 的競賽機制，讓 Agent 們進行科學辯論。

所有候選假設投入一場「創意錦標賽」，透過兩兩對比和模擬辯論不斷篩選、淘汰、進化，同時深度比對科學文獻與專業數據庫，確保每個留下來的假設在邏輯上站得住腳、在事實上有據可查。計算資源的大頭正是投入在驗證環節。報告中記錄了多個真實案例，展示 Co-Scientist 已產生的具體影響。例如，有科學家團隊藉助 AI Agent 加速了肝纖維化治療方案的探索，發現了此前被忽視的藥物；另有團隊在細胞衰老逆轉研究中，將分析龐大篩選數據集的時間從數月壓縮至數天；還有衰老生物學領域的企業，利用該系統生成出新的假設，後來在實驗室中獲得驗證。

參與研究的科學家表示，AI Agent 出現在科研工作中最重要的好處是提高效率，由此大幅縮短實現科學突破所需的週期。Google DeepMind 在官方部落格強調，他們的 AI Agent「旨在成為研究夥伴，而非科學或臨床專業知識的替代品」。與此同時，OpenAI 在報告中強調 AI Agent 不只是讓人們的工作「提速」，而是擴大每個人能夠觸及的工作半徑。兩家公司都聚焦於人類如何與 AI Agent 協作，從而完成更複雜的任務。然而，協作的邊界不可避免地會被持續重新劃定。當 Agent 能夠承接原本需要專業技能的任務，工作流應該如何重新設計？

當職能邊界開始鬆動，什麼樣的能力會變得更有價值、什麼樣的會被重估？當科研假設的生成速度以數量級提升，哪些領域會率先迎來突破？這些問題的答案，將決定人類應該把時間和精力放在哪裡。