OpenAI 10月22日宣布，Uber已将ChatGPT Work从最初1000人的试点扩展到全球逾3万名员工。这是Uber面向知识工作的一次全公司范围部署。员工可以在ChatGPT Enterprise中使用该产品，处理研究、会议简报、演示文稿、数据分析和跨应用工作流。
从“试用工具”变成“工作入口”
ChatGPT Work可以连接Google Drive、Gmail、Google Calendar和Slack等日常工具。它不只是回答问题，而是能读取上下文、拆解多步任务并交付结果。例如，员工可以让它整理某个项目的邮件和文档，生成会议材料，再把结果做成演示文稿。对大型企业来说，这种跨应用能力比单点写作更能体现智能体的价值。
Uber此前的试点覆盖财务、运营和产品等部门。公司工程负责人曾提到，早期使用者中约八成不是工程师，这说明企业AI的需求并不只来自技术团队。运营人员用它分析复杂数据、寻找趋势，培训和本地化团队用它改写多语言材料，还有人用它搭建个性化仪表盘。真正高频的场景往往不是“写一段代码”，而是把分散在多个应用里的信息整理成可执行的结果。
全员推广不等于放任使用
Uber表示会持续观察员工使用方式、形成的工作流和实际效果，并据此调整部署。这个细节很重要。企业智能体一旦连接邮箱、日历和云盘，权限边界就比普通聊天机器人复杂得多。哪些数据可以被读取，哪些操作需要二次确认，员工怎样检查模型输出，出现错误由谁负责，都需要制度回答。否则，工具越能干，误操作的影响面越大。
全员推广的难点也在使用习惯。试点阶段通常有专门团队陪跑，遇到问题可以快速调整；扩展到数万人后，员工的技术水平、业务场景和合规要求差异很大，统一的提示词和模板很难覆盖所有情况。Uber需要让员工知道哪些任务适合交给智能体，哪些必须人工处理，还要提供足够简单的反馈渠道，让错误案例能回流到平台团队。员工如果只是偶尔打开一次，平台很难产生真正的流程改变。培训、模板和权限配置需要持续迭代，不能在上线当天就结束。
OpenAI把Uber的案例描述为企业AI从试点走向全员部署的样本。对大型公司来说，试点容易做出漂亮结果，难的是让不同部门、不同地区和不同语言环境的人都用得上，同时不让权限和合规失控。Uber选择统一部署，说明它认为工具带来的效率提升足以覆盖管理和培训成本，但具体投资回报仍未公开。
接下来要观察的是使用率能否持续，而不是开通人数。全员账号只是起点，员工是否在日常工作中反复调用、是否愿意把复杂任务交给智能体、是否建立了核查习惯，才决定这类平台能否真正改变组织。企业AI的竞争正在从模型能力转向落地能力，Uber的这次全员推广，是一次规模不小的压力测试。Uber尚未披露具体节省了多少时间或成本，这也是外界判断项目成效的关键指标。
对同行来说，Uber的案例也提出了一个现实问题：当智能体能够读取企业数据并代为操作时，IT部门的角色会从“发账号”转向“管权限、管审计、管质量”。这套能力建设得越早，全员推广越不容易变成一场失控的实验。