
Как AI-агенты меняют рабочие процессы: данные OpenAI
OpenAI опубликовала исследование о том, как AI-агенты трансформируют работу: рост использования в 137 раз среди нетехнических специалистов и задачи длительностью 8+ часов.
Как AI-агенты меняют рабочие процессы: данные OpenAI
Опубликованное 25 июня 2026 года исследование OpenAI под названием «The Shift to Agentic AI: Evidence from Codex» («Переход к агентному ИИ: данные Codex») фиксирует масштабный сдвиг в том, как люди используют искусственный интеллект на работе. Цифры впечатляют: не программисты начали применять AI-агентов в 137 раз чаще, чем год назад, а каждый четвёртый пользователь поручает агентам задачи, которые у человека заняли бы больше восьми часов.
Но за цифрами скрывается нечто более важное: смена самой парадигмы взаимодействия с ИИ — от чат-бота, отвечающего на вопросы, к агенту, самостоятельно выполняющему сложные многоступенчатые задачи.
Чем агент отличается от чат-бота?
Прежде чем разбираться в данных, важно понять ключевое различие.
Чат-бот, как правило, отвечает на один вопрос за раз. AI-агент (AI agent) может работать над задачей минутами или даже часами, использовать различные инструменты, решать проблемы шаг за шагом и продолжать работу без постоянного участия человека.
Простая аналогия: чат-бот — это справочная служба, куда вы звоните с вопросом. AI-агент — это сотрудник, которому вы ставите задачу и которому не нужно объяснять каждый шаг.
Откуда взялись данные?
Исследование отслеживало данные об использовании среди трёх групп: индивидуальных пользователей Codex, корпоративных пользователей и сотрудников самой OpenAI.
Эта трёхуровневая выборка позволила увидеть картину одновременно «снаружи» и «изнутри»: как меняется поведение внешних пользователей на рынке и что происходит внутри самой компании, где барьеры для внедрения минимальны.
Ключевые цифры: рост, который сложно игнорировать
Нетехнические специалисты — главный сюрприз
К началу июня 2026 года число нетехнических индивидуальных пользователей выросло в 137 раз по сравнению с августом 2025 года. Количество нетехнических корпоративных пользователей за тот же период увеличилось в 189 раз.
При этом темп роста среди нетехнических пользователей оказался выше, а не ниже, чем среди разработчиков.
Задачи становятся длиннее
К маю 2026 года около 81% опрошенных пользователей поручали Codex хотя бы одну задачу, выполнение которой у человека заняло бы более 30 минут. Около 70% давали задания, требующие более часа работы.
Примерно 26% пользователей поставили задачи, которые могли бы занять у человека более восьми часов.
Внутри OpenAI: от ChatGPT к Codex
До августа 2025 года средний сотрудник OpenAI тратил менее 10% своих токенов на Codex. Теперь каждый отдел — включая нетехнические, такие как юридический и рекрутинг — использует Codex как основной AI-инструмент.
По данным компании, на долю Codex приходится уже более 85% выходных токенов среднестатистического сотрудника OpenAI.
Как росло использование по отделам
Отдел исследований показал наибольший скачок: к июню 2026 года медианное использование выросло в 56 раз по сравнению с ноябрём 2025 года. Поддержка клиентов выросла в 32 раза, инженерный отдел — в 27 раз. Юридический отдел рос медленнее, но всё равно достиг 13-кратного уровня от ноябрьского показателя.
bar
title Рост использования Codex по отделам OpenAI (ноябрь 2025 → июнь 2026)
x-axis ["Исследования", "Поддержка", "Инженерия", "Юридический"]
y-axis "Кратность роста" 0 --> 60
bar [56, 32, 27, 13]
Нетехнические специалисты: новая аудитория агентного ИИ
Одна из самых важных находок исследования — агентный ИИ вышел за пределы IT-департаментов.
Codex позволяет нетехническим отделам ускорять рабочие процессы, которые раньше «буксовали» из-за необходимости технической экспертизы.
Компания признаёт, что техническое использование по-прежнему доминирует, однако настаивает: принятие агентов нетехническими сотрудниками показывает, как более широкий круг специалистов берётся за задачи в области кодирования, автоматизации, преобразования и анализа данных.
Для работников это подтверждает то, что предыдущие исследования продуктивности чат-ботов не фиксировали в полной мере: агентные инструменты расширяют то, что человек способен сделать, за пределы его формальной должностной инструкции.
Сравнение: чат-бот vs AI-агент на рабочем месте
| Критерий | Чат-бот (ChatGPT) | AI-агент (Codex) |
|---|---|---|
| Длительность задачи | Секунды — минуты | Минуты — часы |
| Участие пользователя | Постоянное | Минимальное |
| Тип задач | Ответы на вопросы | Многоступенчатые процессы |
| Инструменты | Ограниченные | Расширенный набор |
| Аудитория | Все | Растёт за счёт нетехнических |
| Автономность | Низкая | Высокая |
Эффект «выравнивания»: ИИ помогает всем, но особенно — отстающим
Отдельного внимания заслуживает социальный аспект.
ИИ не только ускоряет существующую работу — он расширяет задачи и навыки, которые работники могут выполнять. Ряд исследований фиксирует «выравнивающий эффект»: ИИ непропорционально сильно помогает менее эффективным сотрудникам. В соответствии с этим 75% работников сообщают, что теперь способны выполнять задачи, которые прежде им были недоступны — в том числе программирование, анализ данных и разработку автоматизаций.
Агентный ИИ — это не замена специалиста, а расширение его возможностей. Юрист с Codex способен сделать то, что раньше требовало целой команды технических консультантов.
От слов к делу: как это выглядит на практике?
Представьте типичный рабочий день специалиста по маркетингу в крупной компании:
graph TD
A[Маркетолог ставит задачу агенту] --> B[Агент собирает данные из нескольких источников]
B --> C[Анализирует конкурентов и тренды]
C --> D[Формирует структуру контент-плана]
D --> E[Генерирует черновики текстов]
E --> F[Маркетолог проверяет и утверждает]
F --> G[Готовый результат за 30 минут вместо 8 часов]
Именно такой сценарий раньше требовал либо технического специалиста для настройки инструментов, либо многих часов ручной работы. Теперь это доступно без специальных навыков программирования.
Что это означает для бизнеса?
По всей компании пользователи переходят от чат-ботов к агентам как основной форме взаимодействия с ИИ и задействуют экспоненциально растущий объём агентного труда.
Это первый крупномасштабный эмпирический набор данных, подтверждающий то, что индустрия корпоративного ИИ предсказывала и обсуждала: переход от «задать вопрос ИИ» к «делегировать задачу ИИ» уже произошёл — и этот переход давно вышел за пределы инженерного отдела.
Выводы: что ждёт рынок труда?
Эта тенденция отражает то, каким, по мнению OpenAI, будет будущее труда с учётом расширенных возможностей и доступности агентных инструментов.
Исследование OpenAI — не просто корпоративная статистика. Это первый в своём роде масштабный срез реального использования агентного ИИ на рабочем месте. И главный вывод прост: переход уже произошёл. Вопрос не в том, придут ли AI-агенты в вашу компанию, а в том, насколько быстро вы и ваша команда научитесь работать с ними эффективно.
Юристы, рекрутёры, маркетологи, финансисты — все они уже делегируют агентам задачи, которые раньше занимали целый рабочий день. И судя по темпам роста, это только начало.
Источник: How agents are transforming work — OpenAI Blog, июнь 2026