企業級人工智能的落地正在提速。據OpenAI消息，Uber正向超過3萬名員工全面鋪開ChatGPT Work，用於研究、數據分析、製作演示文稿以及完成複雜工作流；AT&T則與OpenAI合作，讓其LegalEdge團隊重新思考法律事務的受理流程並擴展法律判斷能力。與此同時，MIT Technology Review於10月22日集中刊發多篇文章，討論上下文感知AI、可擴展AI基礎設施以及AI服務框架的建設問題。

Uber：ChatGPT Work覆蓋超3萬名員工

根據OpenAI發佈的信息，Uber正在將ChatGPT Work推廣至超過3萬名員工。該工具被用於幫助團隊開展研究、分析數據、製作演示文稿，以及完成複雜的工作流程。

這一部署規模意味著企業級AI工具已從少數團隊的試點，擴展至覆蓋公司多數員工的日常運營層面。OpenAI在相關頁面中將其描述為Uber在全公司範圍內鋪開ChatGPT Work的舉措。

AT&T：法律團隊重構知識獲取與工作流

AT&T正與OpenAI合作，讓法律知識更易於獲取。據OpenAI介紹，AT&T的LegalEdge團隊正在重新思考法律事務的受理方式，並擴展法律判斷的規模化能力。

該案例顯示，企業AI的應用正從通用辦公場景延伸至法律等專業職能領域。OpenAI表示，這一合作的核心目標是讓法律知識更容易被訪問，同時幫助團隊在受理環節實現流程重構。

業界討論：從模型能力轉向基礎設施與上下文

在企業部署案例之外，MIT Technology Review於10月22日刊發的多篇文章將關注點投向企業AI的工程方法論。其中一篇文章指出，企業AI的下一個競爭優勢，與其說取決於選擇哪個模型，不如說取決於圍繞模型構建了甚麼。

The next competitive advantage in enterprise AI has less to do with which model you choose than with what you build around it.

該文回顧稱，過去幾年AI討論多集中於模型能力本身——更大的模型、更強的推理、更大的上下文窗口、更高的基準測試分數。這一視角正在發生轉變。

另一篇文章則聚焦可擴展AI系統的基礎。文章認為，可擴展的AI系統需要堅實的基礎，數據、工程、平台、運營模式和治理必須協同運作。該內容來自MIT Technology Review的EmTech Future會議，探討了在高度監管的環境中構建這一基礎所需的條件，以及負責任、可信賴的實施如何將包括代理式AI在內的新興能力轉化為實際價值。

還有一篇文章為上下文感知AI辯護。文章指出，企業AI可以生成建議、自動化任務並幫助組織更快做出決策，但如果缺乏對業務實際運作方式的理解，即便是強大的模型也可能忽略決定決策是否正確的約束條件和相互關係。隨著企業尋求將AI從試驗推向日常運營，這一挑戰正變得突出。

後續關注點

從Uber與AT&T的部署，到MIT Technology Review對基礎設施與上下文的討論，企業AI的焦點正從模型選型轉向落地工程。後續值得關注的方向包括：大規模員工部署後的實際使用效果與工作流改造深度，法律等專業職能場景中AI判斷能力的邊界，以及在監管環境下數據、治理與平台如何協同支撐可擴展的AI系統。