OpenAI 公布甲骨文 ChatGPT 与 Codex 应用案例

OpenAI 于 10 月 8 日公布了甲骨文采用 ChatGPT Work 和 Codex 的案例。据 OpenAI 介绍，甲骨文的 ChatGPT 活跃用户为 13 万人，Codex 活跃用户超过 9.5 万人。招聘团队用自建工具将人才市场调研时间减少了 98%。OpenAI 表示，在招聘、工程和运营等领域，过去依赖专家、需要数天的工作，如今任何人几分钟就能完成。

最大的数字来自招聘。甲骨文人才招聘团队用 ChatGPT Work 打造了一款人才市场分析工具。输入职位描述后，它会调研类似职位、对比薪酬水平，并评估相关地区的人才储备。招聘人员在与用人经理面谈前需要掌握的这些信息，过去要花 2 到 4 天整理。甲骨文高级副总裁兼全球人才招聘负责人 Jan Ackerman 表示："我们是从 0 直接跳到了 100。""现在用我们在 Work 里打造的工具，准备 15 到 20 分钟就够了。"

改变的不只是速度。过去每位招聘人员的需求对接流程各不相同，使用工具后流程得到统一。OpenAI 表示，无论与哪位招聘人员合作，每位用人经理都能获得同等质量的数据和洞察。在 METAL 查看的 77 秒访谈视频中，Ackerman 介绍说，团队从职位描述出发，用自建的 GPT 检索外部资料，查找类似职位和竞争对手的动向。画面中依次出现针对 AI 社区负责人职位给出需求指数的报告，以及用气泡大小呈现各城市人才分布的热力图。该视频是与 ChatGPT Work 用户对话系列中的一集。

内部数据的查询方式也变了。负责运营甲骨文众多核心业务流程的甲骨文应用实验室团队，构建了整理公司对象、关系和规则的本体。借此，Codex 可以把用日常语言提出的业务问题转换为可靠的 SQL 查询。用户描述想要的结果，Codex 决定调用哪些内部系统、收集信息，并以分析、报告或应用的形式返回。甲骨文应用实验室集团副总裁 Richard Lam 表示："业务人员现在描述想要的结果，而不是四处寻找报告。""我甚至会称之为一次业务转型。"

Lam 举的例子很具体。一位用户提出了一个通常需要几个小时才能得到答案的问题，她说："用新工具提交请求后，几乎立刻就得到了回复。"与过去手工流程的结果核对后，数字完全一致。在生产工程方面，站点可靠性工程师（SRE）用 Codex 收集故障相关背景，并自动调出对应的处置手册。Lam 表示："过去需要一小时解决的典型简单故障，现在几分钟就能处理。"

甲骨文管理层强调的原则是人仍要对结果负责。Lam 说："在系统设计、架构、安全以及希望 Codex 如何组织代码方面，你仍然必须非常负责。"他补充说："如果不与 Codex 并肩工作，就会陷入积累大量无法维护代码的局面。"并呼吁团队掌握代码。首席信息官技术顾问兼副总裁 Barry Shilmover 表示："以前我把想法写在纸上，现在我把它做成原型。"他建议用原型代替规格文档。他说，不管下一个要解决的问题是什么，他首先会做的事之一就是使用 Codex。

METAL 曾报道 The Den 采用 ChatGPT Work 的案例，OpenAI 也推出了用于查询公司数据的 ChatGPT Work 数据智能体。OpenAI 表示，全球已有超过 100 万家企业借助其工具取得有意义的成果。此次案例把一家有超过 10 万名员工使用 ChatGPT Work 和 Codex 的客户推到了台前。

从营销角度看，这个案例由三个数字和三个职衔构成。13 万和 9.5 万的用户规模、98% 的缩短幅度占满首屏，再由招聘、数据和工程负责人的亲口讲述为每个数字作证。其他企业可以借鉴的，与其说是工具本身，不如说是把从职位描述到报告的流程固定为一套的做法。