OpenAI 最新 Enterprise Signals 报告指出，企业 AI 正在从辅助转向执行，且领先公司与普通公司的差距急剧拉大。前沿公司（AI 使用前 10%）每个活跃用户生成的输出 token 是典型公司的 8.3 倍（1 月时为 2.6 倍）。差距扩大的背后是运营模式的深层转变：领先公司把智能体连接到公司上下文和工具，委托更实质性的工作，并让成功的工作流更容易重复。

报告中通过三家创业公司的实践展示了具体的操作路径：Basis、Clay 和 Exa Labs。Basis 为会计事务所构建 AI 代理，将新员工入职流程从两小时压缩到 30 分钟。他们将一次演示转化为可重复的技能（Skill），包含触发条件、已知步骤、工具访问和“完成”定义。HR 可在更新技能后用于下一批员工，使入职更一致、可改进。Clay 搭建自我学习的营收引擎，其 GTM 工程师为每个账户创建持久化工作区和专用子代理。子代理每晚审查原始来源并更新交易文件夹，早上由协调代理生成优先级操作列表，每晚节省约 1 小时收件箱整理时间。每日优先级帮助销售人员在长周期销售中坚持小动作，且决策所需证据与建议紧密关联，便于审查。Exa Labs 致力于将搜索 API 覆盖到更多开发者场景。团队将机会发现到实施的序列定义为标准化工作流，由 Codex 监控高优先级集成机会、收集上下文、创建 pull request、运行测试并准备每周更新。人员仍决定哪些机会值得推进，测试和人工审核确保结果可见，工作流随结果不断调整。

三个案例展示了将可证明的流程转化为可复用技能（Basis）、给智能体持久的上下文（Clay）、以及增加工具、测试和审核以实现边界内的执行（Exa）。改进成为工作流的一部分：例外情况暴露技能缺失，新活动与销售验证更新上下文，测试和审核划清未来执行边界。

针对前沿差距扩大，报告提出六步实验法：1）选择一项有战略价值且高频的工作流；2）定义结果与衡量指标（KPI、基线、护栏）；3）编写智能体的岗位描述（触发、结果、上下文、工具、权限、持续性、证据、人工审核点）；4）构建围绕智能体的人类系统（明确业务负责人、领域逻辑、访问控制、采用和日常使用）；5）让实验可见且可复用（OpenAI 研究发现采用后六个月，早期职业员工每周比高管多发送 13 条消息）；6）将成功的操作模式延续到下一个价值面。这些步骤的核心是给员工空间测试重要工作流，衡量成功，把最强的实验转化为可重复的实践。随着工作变得更重要，权限、证据和决策权成为工作流设计越来越大的部分。