企业级人工智能的落地正在提速。据OpenAI消息，Uber正向超过3万名员工全面铺开ChatGPT Work，用于研究、数据分析、制作演示文稿以及完成复杂工作流；AT&T则与OpenAI合作，让其LegalEdge团队重新思考法律事务的受理流程并扩展法律判断能力。与此同时，MIT Technology Review于10月22日集中刊发多篇文章，讨论上下文感知AI、可扩展AI基础设施以及AI服务框架的建设问题。
Uber：ChatGPT Work覆盖超3万名员工
根据OpenAI发布的信息，Uber正在将ChatGPT Work推广至超过3万名员工。该工具被用于帮助团队开展研究、分析数据、制作演示文稿，以及完成复杂的工作流程。
这一部署规模意味着企业级AI工具已从少数团队的试点，扩展至覆盖公司多数员工的日常运营层面。OpenAI在相关页面中将其描述为Uber在全公司范围内铺开ChatGPT Work的举措。
AT&T：法律团队重构知识获取与工作流
AT&T正与OpenAI合作，让法律知识更易于获取。据OpenAI介绍，AT&T的LegalEdge团队正在重新思考法律事务的受理方式，并扩展法律判断的规模化能力。
该案例显示，企业AI的应用正从通用办公场景延伸至法律等专业职能领域。OpenAI表示，这一合作的核心目标是让法律知识更容易被访问，同时帮助团队在受理环节实现流程重构。
业界讨论：从模型能力转向基础设施与上下文
在企业部署案例之外，MIT Technology Review于10月22日刊发的多篇文章将关注点投向企业AI的工程方法论。其中一篇文章指出，企业AI的下一个竞争优势，与其说取决于选择哪个模型，不如说取决于围绕模型构建了什么。
The next competitive advantage in enterprise AI has less to do with which model you choose than with what you build around it.
该文回顾称，过去几年AI讨论多集中于模型能力本身——更大的模型、更强的推理、更大的上下文窗口、更高的基准测试分数。这一视角正在发生转变。
另一篇文章则聚焦可扩展AI系统的基础。文章认为，可扩展的AI系统需要坚实的基础，数据、工程、平台、运营模式和治理必须协同运作。该内容来自MIT Technology Review的EmTech Future会议，探讨了在高度监管的环境中构建这一基础所需的条件，以及负责任、可信赖的实施如何将包括代理式AI在内的新兴能力转化为实际价值。
还有一篇文章为上下文感知AI辩护。文章指出，企业AI可以生成建议、自动化任务并帮助组织更快做出决策，但如果缺乏对业务实际运作方式的理解，即便是强大的模型也可能忽略决定决策是否正确的约束条件和相互关系。随着企业寻求将AI从试验推向日常运营，这一挑战正变得突出。
后续关注点
从Uber与AT&T的部署，到MIT Technology Review对基础设施与上下文的讨论，企业AI的焦点正从模型选型转向落地工程。后续值得关注的方向包括：大规模员工部署后的实际使用效果与工作流改造深度，法律等专业职能场景中AI判断能力的边界，以及在监管环境下数据、治理与平台如何协同支撑可扩展的AI系统。