Как агенты преобразуют работу: исследование экономического потенциала Codex в OpenAI

OpenAI опубликовала экономическое исследование, измеряющее потенциал Codex как агентического инструмента для трудозатратных задач. Ключевая находка: агентические ИИ отличаются от чат-ботов тем, что работают часами независимо, координируя множество инструментов и итераций к решению, а не просто отвечают на отдельные запросы.

Преобразование внутри OpenAI произошло быстро. В августе 2025 года сотрудники OpenAI тратили менее 10% токенов на Codex, используя ChatGPT как основной инструмент. К июню 2026 года Codex стал первичным инструментом для всех отделов компании, включая нетехнические (Legal, Finance, Recruiting). Сейчас 99,8% выходных токенов, генерируемых в OpenAI еженедельно, приходится на Codex.

Адоптация следовала за ростом возможностей: к май 2026 года 80,6% пользователей Codex выполнили хотя бы один запрос, требующий более 30 минут человеческого труда; 70,2%, запрос на час+ работы; 25,6%, на восемь часов+. Тяжелые пользователи на 99-м процентиле генерируют 60+ часов работы агентов Codex в день.

Рост нетехнических пользователей оказался самым быстрым: среди отдельных пользователей их число выросло в 137 раз с августа 2025 по июнь 2026. Инженеры перешли на Codex к декабрю 2025 (99% выходных токенов), а Legal, Finance, Recruiting, к апрелю 2026 (85%+). Research показала самый резкий рост внутриофисного использования, медианное использование в июне было в 56 раз выше, чем в ноябре 2025.

Нетехнические сотрудники используют Codex не только для кодирования, но и для автоматизации, трансформации данных, отладки и структурированного анализа. Агентические инструменты позволяют работникам браться за смежные задачи, требующие технической экспертизы, снижая стоимость перехода между областями работы.

Ключевые факты

Codex вырос со 100% инженерного инструмента до платформы, используемой всеми отделами OpenAI, включая нетехнические (Legal, Finance, Recruiting), переход завершён к апрелю 2026
80,6% пользователей Codex регулярно делегируют задачи, требующие 30+ минут человеческого труда; 25,6%, 8+ часов. Тяжелые пользователи запускают 60+ часов агентской работы в день
Нетехнические пользователи растут в 12, 189 раз быстрее, чем инженеры (137х для индивидуальных, 189х для организационных, 12х внутри OpenAI)
Research и Customer Support показали самый быстрый рост: соответственно в 56 раз и 32 раза выше медианного уровня ноября 2025 за семь месяцев
Codex занимает 99,8% недельных выходных токенов в OpenAI, став единственным практическим инструментом для трудозатратной работы

Почему это важно

Исследование явно демонстрирует переход от интерактивного к агентическому режиму взаимодействия с ИИ. Если чат-боты решают задачи за одно обращение, агенты берут длинные проекты, координируют множество шагов и итерируют самостоятельно. Это фундаментальный сдвиг в характере работы: вместо помощника, ответившего на вопрос, появляется инструмент для делегирования часов сложной работы. OpenAI показывает, что сценарии дальнего горизонта (часы и дни работы), не экспериментальный край, а массовая практика уже сейчас.

Кому это важно

Исследование пересматривает представление о том, кому нужны ИИ-инструменты. Долгое время казалось, что ценность в инструментах лежит в инженерных и технических работах. Данные OpenAI показывают противоположное: нетехнические отделы (юристы, рекрутеры, финансисты) растут быстрее и генерируют больше объёма. Это означает, что руководители организаций должны переосмыслить, как вводить агентические инструменты, не как специальность для инженеров, а как инструмент для всей компании, от операций до правовых.

Как это применить

Для компаний: наблюдение за Codex показывает, что принятие агентических инструментов следует за ростом их способности. Нужно начать с пилотов на инженерных задачах, но затем активно расширять в нетехнические отделы. Для каждого отдела стоит выделить типовые длинные задачи (анализ данных, автоматизация, структурирование, отладка), которые пролежали на столе. Нетехнические работники обычно требуют больше направления (примеры задач, контрольные списки), чем инженеры, но выигрыш за счет agential automation часто больше. Для работников: вместо вопроса и ответа переходите на делегирование часового проекта, агент может параллельно запускать несколько направлений.

Можно ли доверять

Исследование опирается на внутренние данные OpenAI о использовании Codex своими сотрудниками и пользователями. Числа о росте адоптации и времени исполнения основаны на логирования транзакций и LLM-судей, оценивающих сложность задач по транскриптам. Авторы честно отмечают, что оценки горизонта задач, модельные, не точные, и должны рассматриваться как направление. Потребление токенов, объективная метрика. Данные взяты из выборки 0,1% пользователей и внутреннего ОАЙ-персонала, что репрезентативно для передового использования, но может не отражать шире рынок малых организаций или низко-техничные рабочие среды.

Риски и подводные камни

Исследование не рассматривает точность, надежность и контрольные сбои агентического кода. Когда Codex работает часами самостоятельно, вероятность незаметной ошибки растет. OpenAI не раскрывает данные о ложных срабатываниях, некорректных автоматизациях или потерях данных, вызванных агентской работой. Кроме того, переход на агентский режим скрывает стоимости обучения: сотрудники должны переучиться делегировать, писать хорошие инструкции и надзирать за долгоиграющим процессом. Роста зарплат или переквалификации работников в данных нет, только рост потребления.

«Аgentic AI изменяет единицу знаниевой работы с отдельных взаимодействий на делегированные, долгоиграющие задачи. Чат-боты обычно ведут короткие, замкнутые беседы. Агенты могут работать независимо часами, координируя вызовы инструментов, взаимодействуя с окружением и итерируя к решениям.»

— OpenAI, исследование «How agents are transforming work»