上海
随手先关注，不错过每日AI热讯速递
①
9 月 25 日OpenAI发布Proaction（一家做车队管理软件的公司，本篇案例的主角）客户案例：这家公司把CodexGPT-Live-1GPT-6 Astra组合起来，用于车队管理的销售、开发与日常运营[1]。
图来源：OpenAI 报道页[1]
案例的核心不是「换了个更聪明的模型」，而是把工作拆给不同分工的智能体（能自主调用工具、分步骤完成任务的 AI 程序）：软件构建交给 Codex，语音与运营交给 Live-1 和 Astra，车辆照片分析由视觉模型处理[1]。
②
这些智能体接手的都是高频、重复、规则相对清晰的工作：通行费与维修协调、文件与图片分析、语音通话、聊天回复[1]。
流程里保留了明确的人工兜底[1]。
Proaction's team steps in when the work needs human review or intervention
——需要人工复核或干预时，Proaction 团队会接手；这句话也点出了整套系统的边界：智能体负责执行，判断权仍留给人[1]。
OpenAI 用三个指标呈现结果：销售增长、每月节省的工程时间与创始人时间；这些是单一客户的自报数据，暂时不能外推为所有企业部署的平均收益[1]。
③
这类部署的真实形态是：它不是「一个模型包办所有事」，而是把语音、视觉、代码三类能力编进同一条业务流程，执行权从人移向了系统。
Proaction 团队希望让系统替客户执行工作，而不只是管理和追踪工作[1]。
对比传统车队软件「记录—查询—报表」的定位，差别在于智能体直接打电话、回消息、跟进维修与付款流程——软件从工具变成了操作者[1]。
④
把视角拉高，这个案例的信号不在某一组结果数字，而在产品形态的变化：模型从回答问题，转向在真实业务系统里执行跨系统任务
代价同样明确——维修协调、付款、客户沟通都涉及真实业务责任，系统无法处理时仍需人接住；部署成本、错误率与对照数据均未披露，效率结论目前只能算「单客户叙事」[1]。
对其他企业有参考价值的部分是方法论：先把高频、低风险、规则清晰的环节交出去，把判断与兜底留给人，再逐步扩大智能体的操作边界[1]。
你们公司的流程里，哪一环最适合先交给智能体试水？评论区聊聊。
参考来源：
[1] Proaction boosts sales 60% and saves 75+ hours with Codexhttps://openai.com/index/proaction/
欢迎点赞、分享、推荐
一起拥抱AI
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
