Uber 將 ChatGPT Work 擴展至 30,000 名員工，走出試點階段
Uber 於 10 月 22 日宣布推出 Uber ChatGPT Work rollout，將使用範圍由 1,000 人的試點計劃擴展至全球超過 30,000 名員工。這項改變讓公司的全球員工都可接觸 AI agent，即能運用工具處理多步驟任務的軟件。公告確立了更廣泛的部署，但其業務成果尚未有公開量度。
這個分別很重要，因為購買使用權與改變工作方式是兩種不同的成就。試點計劃可以證明有興趣的員工能找到實用應用場景。全公司部署則要驗證，這些應用能否在不同職責、經驗水平和期望之間持續發揮作用。
Microsoft 的 Copilot 提供了一個競爭參考，但核心張力比供應商競爭更深層。Uber 正從員工實驗轉向建立共享的工作場所基礎設施。這會令管理層和技術團隊承受壓力，須將個人的成功經驗轉化為可重複、可問責的工作方式。
Uber ChatGPT Work rollout 實際改變了甚麼
Uber 的全公司部署讓 ChatGPT Work 可在 ChatGPT Enterprise 內使用。公司形容這是其首個面向知識工作的全公司 agent 平台。
公告提到與 Google Drive、Gmail、Google Calendar 及 Slack 的連接。它描述了研究、會議準備、簡報、數據分析，以及跨應用程式的工作流程。Uber 亦表示，這次擴展包括員工培訓、獲批整合功能及內部 AI 技能庫。
關鍵改變在於組織範圍：這個 agent 不再只供指定試點群組使用。
可使用並不代表更多員工已開始使用產品、完成培訓，或將其納入經常性職責。這些結果需要另行證據證明。
這個分別亦改變了讀者應如何理解標題。讓所有人都可接觸工具，是一項部署決策；令它成為每個人工作的一部分，則是其後的採用過程。
試想一份假設的會議簡報，內容由訊息、文件和日曆項目整理而成。產出簡報只是任務的一部分。仍須有人確認來源是否最新、結論是否有理據支持，以及目標受眾是否可接收該內容。
這個例子說明，擴展 agent 與派發傳統寫作助手並不相同。員工把搜尋和整理資訊過程的一部分交由系統處理。最終文件仍會進入一個已有既定責任和審批要求的工作環境。
因此，公告中有關培訓和整合的承諾，值得與員工人數一併關注。這些承諾承認，使用權需要配套安排支持。但它們沒有揭示這些安排能否在各部門一致運作。
共享服務亦會改變同事之間的期望。如果員工使用 agent 準備分析，接收者需要對其基礎工作有信心。接收者不應只因文件看似完整，便要重構每一個步驟。
對 Uber 而言，下一個組織挑戰是令這種信心可重複建立。對原作者有用的產出，未必會自動成為交給另一個團隊時有用的成果。交接需要足夠脈絡，讓他人可以評估。
正是在這裏，部署不再只是帳戶管理工作。員工需要明白可以委派甚麼、必須審閱甚麼，以及誰對結果負責。這些界線決定軟件是減少工作，還是重新分配工作。
Uber ChatGPT Work rollout 為更多實驗創造空間。它的長遠意義取決於成功的實驗能否轉化為可靠的日常流程，同時不會為同事帶來過重的核實負擔。
這是一項分析上的區分，而非聲稱 Uber 已遇到這些問題。公開公告記錄的是一次擴展，並未按部門說明工作方式如何改變。
部門主管現時必須令委派工作可重複進行
TechCrunch 報道，試點參與者不只包括工程部門：根據 Uber 工程主管 Sumanth Sukumar 的說法，早期採用者中有 80% 並非工程師。
這個構成有助解釋組織層面的利害關係。覆蓋一般業務職能的部署，不能完全依賴懂得軟件開發的員工。其指引和審閱做法需要讓專長在其他領域的人也能理解。
部門主管面對即時壓力，因為他們必須將通用 agent 與特定的可接受工作標準連結起來。
挑戰很具體。財務團隊和市場推廣團隊都可以要求分析，但所需證據和審批可能不同。共享介面不會令兩者的責任可以互換。
對管理者而言，一次出色的示範只回答了一個狹窄問題：系統能否在這些條件下產出有用成果？經常性工作流程則要問，另一名員工下星期能否取得可接受的結果。
這需要的不只是儲存好的指令。工作流程需要明確目的、合適的來源集合，以及可理解的審閱界線。否則，員工可能重複同樣措辭，卻在不知情下改變了條件。
設想一份假設的地區表現摘要。作者需要知道適用哪個報告期間、團隊採用哪個表現定義，以及哪些例外情況重要。agent 單憑產出流暢文字，無法解決這些組織選擇。
收到該摘要的員工亦需要足夠資訊來判斷其可靠性。一段經修飾的說明如沒有可追溯證據，可能會把負擔由準備工作轉移至審查工作。表面上的省時，最終便取決於計算了誰的工作。
這為管理者帶來實際的量度問題。計算完成的文件數量，是獎勵產出；量度這些文件能否支援決策，則對實用性提出更嚴格的問題。
兩種觀點都不應排斥另一種。即使人類保留最終判斷權，更快完成準備工作仍可能很重要。但這種好處必須經得起審閱流程，而非在其中消失。
同樣道理適用於員工培訓。出席紀錄可以證明某人接受過介紹，卻不能證明該員工知道何時任務需要較窄範圍，或需要由有經驗的人審閱。
具成效的培訓計劃會透過相關作業，令這些區分清晰可見。這是評估部署的標準，而非對 Uber 未公開課程的描述。公告沒有提供足夠細節來評估其成效。
部門之間亦有協調問題。如果一個團隊改變準備工作的方式，另一個團隊可能需要改變接收方式。局部效率不會自動轉化為更順暢的共享流程。
知識管理的區分在此很重要。一個團隊知識庫所服務的責任，與個人收集的工作材料不同。委派工作需要清楚知道哪類資訊可支援該任務。
對員工而言，這提供了將更多注意力放在判斷上的機會，同時亦帶來理解產出背後證據的責任。agent 可協助準備工作，卻不會承擔商業決策的責任。
對部門主管而言，短期任務是選擇完成定義清晰的工作。當員工需要知道成果是否已可交給他人時，廣泛的熱情並不足以提供指引。
完成的工作仍需要有可問責的擁有人
工作場所 agent 的核心承諾，是員工可以委派一個結果，而非手動指示每一個中間步驟。這會令員工的角色由親自完成一切，轉向界定、核對及接受工作。
吸引力很直接。員工想要的是可用成果，而不是就如何完成它展開更長的對話。但「可用」的定義取決於周遭的業務流程。
只有當完成的成果符合另一人可以信賴的標準時，委派才能減少人手工作。
一份假設的簡報可清楚說明這個分別。檔案可以有合適格式、易讀圖表和連貫論點，但仍需要正確數字、相關比較，以及分享底層資訊的許可。
這些要求不受簡報如何製作影響。agent 改變的是製作過程，不會消除受眾對準確資訊的需要，亦不會消除組織對問責的需要。
內部建議亦然。在現有材料中找出模式，與證明該模式能解釋一項業務結果並不相同。一個具說服力的敘述仍可能依賴不完整證據。
因此，最有用的競爭比較在於產品如何配合組織管控。Microsoft 透過其 Microsoft 365 管理中心記錄了agent 管理功能。管理員可以啟用、指派、封鎖或移除 agents。
這份文件建立了相關比較，但沒有證明 Microsoft 能為 Uber 的工作帶來更佳成果。它顯示，agent 部署除了生成內容的品質外，還包括分發和監管的決策。
對企業買家而言，這個比較提出一個實際問題：組織在保留對重要行動的清晰責任人時，可以委派多少責任？不同工作流程可以有不同答案。
準備草稿和將其發送給外部收件者是不同步驟。組織可以廣泛允許草稿協助，同時保留由人員負責對外溝通。這條界線既保留有用的委派，也不假設每項行動都需要同等自主程度。
因此，競爭做法更適合被理解為不同的工作安排方式。一種做法讓員工在整個準備過程中密切參與；另一種做法則委派更多中間步驟，並將審閱集中於已界定的成果。
兩種做法都不會自動勝出。頻繁介入可能抹去委派的優勢；介入過少則可能令審閱者缺乏足夠可見度，無法識別重要錯誤。
可行的平衡取決於任務的後果，以及核對結果的難易程度。可逆轉的內部草稿，與影響另一團隊運作流程的改變，有不同要求。把兩者同樣處理，反而會掩蓋這個差異。
問責的負責人亦需要一個切實可行的方法，去拒絕或修改工作成果。驗收不應只代表確認代理已完成運行，而應代表輸出符合任務要求。
這個標準既保障機構，也保障僱員。員工不應被要求為無法真正檢視的流程承擔責任。他們需要有足夠的可見性，才能作出職責所要求的判斷。
Uber 推出 ChatGPT Work，令這種張力在更廣泛的職位中變得相關。其意義一方面取決於員工可委派多少工作，另一方面亦取決於他們能多有把握地接受結果。
職場代理方案最理想的版本，應同時保留兩種好處。員工可減少處理例行準備工作的時間，同時仍保有一個可理解的依據，以批准進入業務流程的內容。
使用人數未能解答生產力與監督問題
本報道檢視的公開資料，未有提供經量度的全公司生產力成果。資料亦未能證明任務所需時間有標準化縮減，或輸出質素獲得驗證的提升。
這代表存在證據缺口，而非失敗的證據。機構可在尚未收集到具意義成果前，準確地公布部署的可用性。讀者不應將這類公告轉化為成效研究。
員工人數只反映潛在覆蓋範圍；並不量度實際使用、可靠完成率或業務價值。
可信的生產力評估，須納入代理輸出前後所需的工作。準備、指示、審閱、修正及最終驗收，均屬工作流程的一部分。若只量度生成時間，便會遺漏部分工作。
質素亦需要有切合情境的定義。一份精簡摘要可以易讀，卻可能遺漏最重要的例外情況。一項正確分析即使內容無誤，若未能及時提供以支援原定決策，仍可能失去價值。
比較需要相近的任務及相近的期望。否則，表面上的改善可能只是反映任務較容易、原始材料不同，或審閱者更有經驗。這些可能性不會否定正面結果，但會影響其詮釋。
公開證據亦留下員工群組之間存在差異的空間。某項工作對其撰寫者而言變得較容易，卻可能為接收者帶來額外工作。機構需要掌握整個交接流程。
監督亦帶來另一個未解決的維度。Anthropic 公布的代理安全框架討論人類控制、透明度、私隱及非預期行為。這些是競爭開發商所提出的原則，並非對 Uber 部署的獨立評估。
不過，該框架指出一項相關張力：當代理能在有限介入下行動時，自主性便會產生價值；而當這些行動帶來後果時，人類監督仍然必要。
試想一份假設的內部文件，當中包含試圖重新引導代理的文字。這屬於提示注入，即嘗試讓所提供的內容凌駕系統的正當任務。連接更多資訊來源，便會增加這類內容可能出現的位置。
這個例子並不證明 Uber 存在漏洞或事故。它說明，成功擷取資訊與安全執行任務需要分開評估。即使流程遵循了不恰當的指令，輸出仍可能看似有用。
取得資訊與獲准重新分發資訊之間亦有差別。某人可獲准查閱文件，卻未必獲授權在另一個情境中加入其內容。委派準備工作時，必須保留這項區分。
因此，審閱必須同時考慮正確性及恰當性。系統是否使用了正確資訊？它是否產出了適合預定接收者的內容？這兩個問題可以得出不同答案。
以上並不支持假設員工會拒絕該產品，也不支持從這項公告推斷會出現職位流失。對勞動力的影響，需要有關人手決策及部署以外職責的證據。
適當的懷疑立場仍應具體明確。Uber 已公布更廣泛投入職場代理的承諾。對重複性工作已公開展示的改善，仍屬另一項需要獨立支持的主張。
這項區分為日後報道提供有用標準。正面的採用故事值得關注，但若附有清晰方法、明確任務，以及包含人類審閱的成果，說服力便會更強。
當部署延伸至日常工作時值得留意的事項
未來數個月，真正有用的問題是這次部署如何改變重複性工作。單純增加帳戶數量，只會擴大公告的覆蓋範圍，未能解答其核心不確定性。
下一批證據應將持續使用與獲接納的輸出及可管理的監督連結起來。
首先，留意各部門是否出現重複而持續的採用。相關披露應區分曾嘗試產品的員工，與依賴產品處理可識別職責的員工。這將顯示部署是否已超越最初的好奇心。
部門層面的觀察尤其有用，因為整體活動數據可掩蓋不平均的經驗。狹窄群組中的高頻使用，並不能證明廣泛的組織價值。相反，若選擇性使用支援重要的重複性任務，仍可能具備價值。
持續採用的證據，將加強職場代理可服務日常業務職能的論點。若持續依賴少數熱衷用戶，則會收窄這個結論。兩種結果都比單純的使用權更具資訊價值。
其次，留意是否有包括審閱及修正的量度成果。一個有用的個案研究應描述任務、原有流程、評估期及驗收標準，並說明人員仍需完成哪些工作。
這些細節讓讀者可分辨更快起草與更快完成之間的差異。兩者都可能重要，但代表不同的效益。當機構能解釋節省下來的工夫流向何處，成果便更具說服力。
以較少總投入完成獲接納工作的證據，將支持商業論據。排除驗證環節的結果，則仍不完整。有說服力的例子需要足夠脈絡，讓其他機構判斷其相關性。
第三，留意營運界線如何發展。相關披露應說明哪些任務可獲更大自主權、哪些保留審閱，以及員工如何處理例外情況。具體的行政細節，能為一般保證增添實質內容。
競爭背景同樣屬於這一範圍。競爭供應商可透過自身的部署證據、管理能力或任務層面的結果作出回應。可比較的披露，會令企業代理競爭較單靠相互競逐的勞動力新聞更易評估。
若機構在描述有用成果的同時，亦說明可行的控制措施，這個訊號將加強更廣泛委派工作的理據。若要維持信心，必須大量人手重建每項已完成任務，則會削弱這個理據。
這些訊號構成一個次序。採用證明人們會回到產品；成果量度證明重複使用是否改善工作；監督證據則證明這些改善能否符合機構的責任。
對企業買家而言，Uber 的決定是來自大型客戶承諾的相關證據，但不能取代他們評估自家員工需要完成的工作。相似的介面，可能面對截然不同的資訊及審批要求。
對知識工作者而言，這項公告提出一個更直接的責任問題。委派準備工作可以有用，但接受結果仍需要判斷力。長遠的重要技能，是辨識哪些證據足以證明一項輸出適合其用途。
應透過 Uber ChatGPT Work 部署實際產生的工作來追蹤其進展，而非只看使用人數。留意重複出現的任務、可識別的審閱者，以及機構能夠解釋的成果。問一問所報告的效益是否包括檢查及修正，以及同事能否毋須重新建構整項工作便可信任交接。然後，將這些成果與你自身工作場所的職責作比較。實際問題在於，員工可安心委派真實任務的哪些部分，同時保留對結果的擁有權。當 Uber 及其供應商公布下一批例子時，應持續關注這個問題，並要求能一路追蹤任務至驗收階段的證據。
