OpenAI 发布了一篇 Oracle 的客户案例，展示 ChatGPT Work 和 Codex 如何在企业内大规模落地。Oracle 有超过 10万名员工 在日常工作中使用这两款产品，覆盖人才招聘、应用实验室（Applications Lab）和 IT 组织。共同点是：过去需要专家花数天完成的工作，现在由普通员工在几分钟内完成。

招聘团队用 ChatGPT Work 构建了一个人才市场情报工具。输入职位描述后，它会自动研究同类岗位、对标薪酬、评估相关地点的候选人池，输出招聘经理在沟通前所需的完整信息。过去整理这些资料需要 2–4 天，现在招聘负责人用工具准备 15–20 分钟 即可。Oracle 全球人才招聘高级副总裁 Jan Ackerman 说，团队从零到百，而且流程更一致——以前每次招聘的做法因人而异，现在所有招聘经理拿到的数据质量是统一的。

Oracle Applications Lab 团队负责许多核心业务流程。他们先构建了公司对象、关系和规则的本体（ontology），再用 Codex 把自然语言业务问题转成可靠的 SQL 查询。业务用户只需要描述想要的结果，Codex 会决定调用哪些内部系统、收集信息，最终返回分析、报告或应用。一位用户过去要花几个小时的问题，现在提交请求后几乎立即得到回应，而且与旧手工流程核对，数字完全一致。

在生产工程部门，站点可靠性工程师（SRE）用 Codex 收集事故相关上下文，自动调出对应的 playbook。SRE 从搜索信息转向指导决策。Richard Lam（Oracle Applications Lab 集团副总裁）说，一个过去需要一小时解决的简单事故，现在几分钟就能处理完。不过他强调，这一切并非自动驾驶，仍然需要有人确保底层系统构建正确。

案例中还总结了三条管理经验：第一，设置正确的护栏——系统设计、架构、安全以及 Codex 如何组织代码，都需要人为负责；第二，提供原型而不是规格说明——CIO 技术顾问 Barry Shilmover 说，以前把想法写在纸上，现在直接做成原型；第三，自己拥有代码——如果不与 Codex 协作编写，未来会积累大量不可维护的代码。

Lam 认为，业务用户现在描述结果而不是找报告，这是一个重大转变，甚至称得上业务转型。Shilmover 则说，不知道下一个问题是什么，但知道第一件事会是借助 Codex 来解决。整篇案例没有给出具体的部署架构或成本数据，核心信息是：在 Oracle 这类大型组织中，AI 工具已经从辅助查询变成任务完成的主体，而人的责任转向系统设计、质量把关和代码维护。