ChatGPT 和 Codex 在公司里铺开以后，团队负责人、IT 管理员和业务主管迟早会被财务和管理层问到同一个问题：这笔 AI 预算花得值不值？

开了多少账号、用了多少额度，只能说明工具有人在用，回答不了这些投入有没有换来交付变快、质量变好或者收入增长。OpenAI 给出了一套分析方法：先用 ChatGPT Admin Console（管理后台）看清团队在 ChatGPT Work 和 Codex 上做了什么、花在哪里，再和业务负责人一起把这些数据接到交付、质量和收入等业务结果上。文中的后台截图与销售 ROI 算例使用演示数据，作用是说明分析步骤。

管理后台主要提供什么

• 统一查看使用量：按团队或个人比较 ChatGPT Work 与 Codex 的活跃人数、积分和 token 用量，找出采用不足或成本集中的区域。
• 把花费映射到具体任务：Insights 根据消息样本识别使用场景与任务，让管理员看到积分主要花在功能开发、代码维护或客户调研等哪类工作上。
• 拆解模型与工具用法：任务详情会显示模型、推理档位、速度模式、插件和技能的使用分布，帮助团队调整配置或安排培训。
• 观察 Codex 参与的软件交付：Outcomes 统计合并提交和代码行中有 Codex 参与的比例，并与代码审查活动一起展示。
• 通过插件和 API 生成报告：管理员可以用对话分析团队数据、生成管理层报告，也能把数据接入自己的业务看板。

为什么光看账单和活跃人数算不清回报

管理员最先看到的是两类数字：有多少人在用，花掉了多少。管理后台里的使用量（Usage）看板把 ChatGPT Work 和 Codex 的活跃用户数、积分（credits）和 token 用量放在一起。积分是后台统计用量和花费的单位，后面的任务看板会把积分折算成预估美元金额。

这张看板能按群组或个人筛选。某个团队的使用率一直很低，管理员就有了找团队负责人聊一聊的理由：一起看看最初设计的工作流顺不顺、要不要补培训。管理员也可以据此决定把支持力量放在哪、审查哪些成本、怎么评估某个团队追加额度的申请。

但使用量看板只回答「谁在用、花在哪」，回答不了「花出去的换回了什么」。要判断花费是否合理，得先看清员工具体在用 AI 做什么工作。

看清积分花在什么工作上

管理后台的 Insights 模块里有一个任务分类器（task classifier）：它从员工发出的消息里抽取一部分样本，按「使用场景（use case）」和「具体任务（task）」归类。比如软件工程这个场景下有功能开发和代码维护，销售与营收场景下有客户调研与规划。

Insights 的概览页用一张图展示积分在各项任务之间怎么分布。演示数据里，功能实现（Implementing features）花掉 2.8M 积分，预估约 194,535.63 美元；客户调研与规划（Account research and planning）花掉 1.2M 积分，预估约 85,494.52 美元。账单上的金额由此能对应到具体的工作类型。

想看得更细，可以切到使用场景（Use cases）明细表，按群组筛选。表里列出每项任务的积分、占该场景积分的比例、消息数、单条消息成本和活跃用户数。

以演示数据里的销售团队为例：销售与营收场景共花掉 1.46M 积分，其中客户调研与规划一项就是 1.22M，占 83.9%，对应 958.45K 条消息、单条消息成本 0.09 美元、2,448 名活跃用户。这是销售团队最大的一块积分开销，也就给了管理员和销售负责人一个具体的讨论起点：AI 到底改变了销售准备客户资料的方式没有。

这些分类来自消息抽样，公开指南没有给出抽样比例与详细分类规则。因此它更适合用来定位值得继续调查的工作流，不适合作为精确的财务或合规审计口径。

模型设置和插件：团队需要调整还是需要培训

看清主要任务之后，下一个问题是：这项任务现在的用法合不合适。

打开某项任务的详情，能看到 Models（用了哪些模型）、Reasoning（推理档位，如 Medium、High、Extra High）和 Speed（Standard 或 Fast mode）三组拆分，每组显示各个设置占这项任务积分的比例。管理员可以据此判断设置和工作是否匹配，把培训重点放在「怎么选模型」上。比如写一份例行简报，也许值得试一试更快或更便宜的设置，同时比较产出质量，以及人工审阅、修改所花的时间。

同一个详情页还有插件排行榜（Plugin leaderboard）和技能（Skills）调用情况，能看出这项任务靠哪些工具完成。插件把 ChatGPT 连到 Google Drive、Salesforce、Slack 这类外部系统；技能是可以反复调用的固定做法，演示数据里有 Account Brief（客户简报）、Customer Handoff（客户交接）和 Renewal Account Plan（续约客户计划）。

读这两份清单有两个常见信号。一项任务明明用得上某个插件，调用却很少，可能是员工没有访问权限，或者不会用，需要管理员跟进；某个技能调用得很频繁，就需要指定明确的负责人，并定期更新。

Datadog 的 AI 产品经理 Bharadwaj Tanikella 说，OpenAI 的这些分析帮他们了解团队怎么用 AI，为后续制定指引和政策打了基础。Datadog 已经在自家监控 AI Agent 的产品 Agent Console 里用上了 OpenAI 的任务分类，向客户展示他们的 Agent 在做哪类工作；他认为直接从 OpenAI 拿到这份数据，随着客户用 AI 越来越多，能更可靠地提供这类洞察。

研发团队：Codex 贡献和工程结果怎么对上

成果（Outcomes）视图面向工程团队，统计合并进代码库的提交（merged commits）和代码行里，有 Codex 参与贡献的比例，同时列出代码审查活动。趋势可以按群组、用户或代码仓库筛选，帮管理员和工程负责人判断工具普及情况，决定该给哪些团队扩大权限或补支持。

演示数据里，有 Codex 参与的合并提交占 90%（12 万次提交中的 10.8 万次），代码行占 85%（1,800 万行中的 1,530 万行），两条曲线在一个月里小幅上升。

合并代码里有 Codex 的份儿，不等于团队交付效率提高了。如果 Codex 贡献的合并代码占比在上升，工程负责人要把这条趋势和审查耗时、缺陷数、返工量放在一起看。代码写得更快，但审查拖长、缺陷增多、返工变多，整体交付未必变快。

后台没有提供「有 Codex 参与贡献」的详细认定规则。团队使用这个指标时，应先确定内部口径，再结合代码库和发布流程里的实际数据判断。

用 Admin 插件和 API 做分析、出报告

ChatGPT Work 里的 Admin 插件让管理员用对话的方式比较各团队的使用情况、花费和任务，把发现整理成报告，供预算和推广决策使用。它还能直接产出成品，比如一份带图表、关键发现和下一步建议的管理层汇报材料，发给跨部门的同事。

演示对话里，管理员请插件准备月度 AI 推广复盘。插件给出的结论是：最近 30 天积分用量 6.81M，比前 30 天增长 45.3%；其中 Work 增长 43.1% 到 3.76M，Codex 增长 48.1% 到 3.05M。分团队的图里，工程团队的积分主要花在 Codex 上（2.8M），销售团队只用 Work（899.2K），Codex 为 0。

Admin API 则让团队把这些报告自动化，放进自己的看板，和业务系统的数据合在一起看。比如客服团队的看板，可以把积分用量和工单解决时间并排显示。

从后台数据走到业务价值

用量和任务数据只是起点。要判断价值，管理员需要和业务负责人一起查。业务负责人掌握后台看不到的背景：工作流具体变了什么，结果有没有变好，这种改善值多少钱。两边合起来，才能把产品里的使用行为，和交付时间、质量、盈利这类指标联系起来。

以销售团队为例，这条链可以拆成下面几步。前两步主要靠管理后台，后面几步要靠销售负责人和业务系统里的数据：

1. 后台发现线索：任务分类器显示，客户调研在某个销售群组里很常见。
2. 管理员调整用法：检查模型设置是否适合这项任务；CRM 插件用得少的地方补培训；分享一个技能，让大家做出来的客户计划格式一致。
3. 和基线比：销售负责人把准备时间和客户计划的质量，与团队用 AI 之前的水平（基线）对比。
4. 追踪省下的时间去了哪：如果确实省了时间，看其中多少变成了和客户的沟通。
5. 追踪沟通变成了什么：这些沟通里有多少变成了合格商机（经过销售判断、值得正式跟进的机会），又有多少商机最终成交。
6. 算钱：看这部分生意带来的收入和边际贡献（收入减去随业务量变化的成本后剩下的部分），判断多出来的人力有没有产生财务上的回报。

评估一条工作流的价值，可以从五个问题开始：

1. 想改善什么？ 选一个对团队真正重要的结果，比如准备得更快、工作质量更高、成本更低，或者卖得更多。
2. 现在的流程是什么样？ 定一个起点：这项任务多久做一次、每次花多长时间、什么样的结果算好。没有这个基线，后面说「提效了」就没有参照。
3. 用了 AI 之后变了什么？ 在一段固定时间内比较结果。把审阅和修改的时间也算进去，确保做得更快的同时，结果仍然达到团队的质量标准。
4. 这让团队能多做什么？ 省下的时间可能意味着能多跟客户聊几次，质量更好可能意味着返工更少。和团队聊一聊，弄清这些改善在哪里最要紧。
5. 收益抵得过投入吗？ 把团队得到的收益，和花在 AI、配置以及持续支持上的钱放在一起比。结果能帮你决定哪些工作流该扩大，哪些团队需要更多帮助。

一个销售调研的年度 ROI 算例

设想一支销售团队，每人每周准备 2 份客户简报。每份简报要整理客户的历史往来、行业研究，并形成下一次沟通要谈的观点。

手工准备一份简报要 4 小时。用 AI 之后，由 AI 整理和归纳资料，人再审阅、修改，全部加起来 1 小时，每份净省 3 小时。如果省下的时间有一半用在打客户电话上，按每通电话 30 分钟算，每份简报省出的时间够多打 3 通电话。除了省时间，还可能带来几项好处：客户计划更扎实，触达客户的方式更个性化，成交周期更短。

这些变化加起来值多少，分三步算：

一年省下多少工时。 团队 20 人，一年按 46 个工作周算：

20 人 × 每周 2 份 × 每份省 3 小时 × 46 周 = 5,520 小时

这些时间折合多少产能价值。 假设团队把其中 50% 的时间用在有产出的工作上，比如联系新的潜在客户、跟进商机、多陪客户，每小时按 75 美元的全口径人力成本计价。全口径人力成本（fully loaded cost）指公司为一名员工付出的全部成本，工资之外还包括社保、福利和各项分摊费用。

5,520 小时 × 50% × 75 美元 = 207,000 美元

和第一年的投入比。 假设第一年在 AI、配置、培训和持续支持上共花 60,000 美元：

(207,000 美元 − 60,000 美元) ÷ 60,000 美元 = 245%，这是一个示意 ROI。

以上所有数字都是假设。这个 ROI 只反映估算出来的产能价值，也就是省下的工时按人力成本折算的钱，不是已经到账的收入；它也没有计入赢单率提高、单笔订单变大等其他销售结果可能带来的收益。一条工作流的价值也不只在提效：在销售场景里，更好的客户调研和团队对客户的共同理解，能支撑更深入的沟通、更牢固的客户关系和新的商机，团队可以接着衡量这些改善有没有带来成交周期缩短、赢单率提高这样的结果。

三道公式里，每份简报净省几小时、省下的时间有多少真正用在有产出的工作上、第一年花多少钱，这几项最容易因团队而异。下面的计算器沿用同样的公式，可以换成自己团队的假设看结果怎么变。

已经在用的企业报告了哪些结果

三家客户的做法和数字如下，细节来自 OpenAI 各自的客户案例页，属于企业自报结果：

1Password（用 Codex 开发软件）：用 Codex 构建、审查和测试软件，覆盖从规划、技术设计、跨技术栈开发、PR 审查、测试到生产问题排查的环节，在保持严格安全政策的同时更快交付功能和内部工具。它估算 Codex 带来 553% 的 ROI，以及每年约 80 万美元的工程产能价值。案例页给出的算法是：50 名持续使用 Codex 的开发者 × 每人每年 25 万美元全口径成本 × 实测生产力提升 20.9% × Codex 贡献其中 40%（方向性估算）× 75% 的产能实际转化率 = 783,750 美元。案例页还提到，PR 周期中位数缩短 10.9%，一个涉及 10 多个微服务的缺陷，排查时间从约 2 小时降到 5 到 20 分钟。

ATV Big Air Tour（两人团队用 ChatGPT Work 做运营）：这家全美巡演的特技表演公司，管理团队只有两个人。他们用 ChatGPT Work 检查各渠道发布的活动信息、规划商品库存、提升网站在 AI 搜索里的可见度。每周核查活动信息的时间从约 8 小时降到 1 小时，商品盘点和补货从两三天降到两三个小时。

Playco（通过 API 用 GPT-6 Astra 做游戏原型）：Playco 通过 OpenAI 的 API 使用 GPT-6 Astra 构建和测试可玩的游戏原型。团队从同一个灰盒原型（只用简单几何体搭的、还没加主题美术的基础版本）出发，做出三个不同主题的原型；和上一代模型相比，需要人工修复的次数少了 50%，开发者能试玩和比较更多想法。

怎么开始

起步可以只做三件事：

1. 在管理后台打开 Insights，选一项常见、并且支撑某个业务重点的任务。
2. 和这项业务的负责人一起过一遍，商定基线和要衡量的结果，定好复盘日期。
3. 到了复盘日，根据结果决定：扩大这条工作流，改进团队的用法，还是换一种做法试试。

数据隐私方面，OpenAI 表示默认不会用组织的业务数据训练模型。

这套方法里的分工是：管理后台能告诉你钱花在哪些任务上、用法是否合适、Codex 在代码里占多大份额；至于这些变化有没有变成更快的交付、更多的成交和利润，要靠业务负责人定基线、看业务系统里的数据来回答。