OpenAI发的这篇案例研究,主角是NVIDIA的两名员工。一个叫Will Daney,GTM策略师,把GTC大会筹备中原本占40%时间的表格工作变成了自动化流程,12周周期里每周省下16小时。一个叫Rachita Jain,解决方案架构师,把每周25到40条外部AI动态压缩成5到8个可执行信号,原型开发从两三周缩到三五天。
故事讲得挺动人。但翻一下OpenAI自己的官网就能发现,他们同一时期还挂着另一篇关于NVIDIA的案例研究,主角不是两个人,而是四万名员工,提速不是十几个小时,而是十倍。同一家公司,同一个AI供应商,两套数字体系,互不搭界。
两份工作流,两笔小账
先把这次案例本身说清楚。
- Will Daney的活儿.GTC筹备期的账户名单、注册跟踪,原来靠人工做表格,现在每周自动跑两次,已经被圣何塞、台北、欧洲、华盛顿的同事拿去改成本地版本。
- Rachita Jain的活儿.每天扫一遍行业动态,判断哪些跟NVIDIA相关,再落到具体项目里,同一个环境里还能顺手把点子做成原型。
两件事都成立,也都有意义。但要留意一个共同点:这两套流程都是个人搭建、个人拥有的,不是公司统一部署的系统。省下的时间、缩短的周期,首先是这两个人的个体经验,不是NVIDIA组织层面的数据。
同一个NVIDIA,两份不同的案例
OpenAI官网另一份关于NVIDIA的案例研究讲的是Codex:四万名员工拿到了访问权限,端到端的研究工作流提速约10倍,一个Python代码库迁移到Rust,效率提升约20倍。
体量差了四个数量级,指标体系完全不重叠,一份讲营销和解决方案架构团队的效率,一份讲工程和研究团队的规模化。这不是同一件事的两种讲法,而是两个几乎不搭边的故事。
不排除是OpenAI按业务线分别包装素材,面向不同客户讲不同的故事。但把两份案例并排放着看,更像是一个案例研究库在挑亮点,而不是对NVIDIA采用AI情况的全景披露。
全行业都在讲同一种故事
把视野拉宽一点,会发现这不是OpenAI一家的写法。
Microsoft委托Forrester做的模型研究显示,25000人规模企业部署365 Copilot,三年ROI能到457%;Google委托Forrester的对应研究,20000人规模企业部署Gemini Enterprise,三年ROI是416%;Anthropic的客户案例里,IG Group部署Claude不到三个月回本,每周省下约70个分析师工时。
这些数字来自厂商自己,或者厂商付费委托的第三方机构用假设模型推算出来的,不是独立审计。它们之间也不能横向比较——采样企业不同、行业不同、计算口径不同。放在一起看,能看出的不是谁更强,而是整个行业在用近似的叙事模板讲同一个故事:找一个客户,挑一个亮眼数字,配一句员工证言。
自报的效率提升,是广告词,不是审计单。
"ChatGPT Work"到底是个什么东西
还有一件小事值得多问一句。这篇案例研究里反复出现的"ChatGPT Work"这个说法,查不到独立于OpenAI这篇官方页面之外的公开来源,Will Daney和Rachita Jain这两个名字也一样。
它可能只是ChatGPT Enterprise内部工作流的一个包装叫法,也可能是OpenAI正在酝酿、还没正式对外发布的新产品层级。哪一种都合理,但目前谁也说不准——这类企业案例的可核验性,本身就低到值得警惕。
- 风险.员工自己搭建、自己拥有的自动化工作流,效率提升写在这个人身上,一旦人员流动,流程和经验很难自动留在组织里,也谈不上统一审计和管控。
这不是说Will Daney和Rachita Jain的经历是假的。个案完全可能真实发生,问题在于它能不能代表NVIDIA更大范围团队的普遍体验——原文没给组织层面的采用规模、留存率,连一个对照都没有。
两份关于同一家公司的案例研究,数字对不上号,不代表哪一份在说谎,而是提醒一件更基本的事:案例研究是市场部门写的广告文案,不是第三方审计报告。数字好看的时候,先问一句方法论,比先问一句"真厉害"更有用。