← 返回全部情报

·OpenAI(官方客户故事)·企业实践收录 2026-10-09

Oracle 用 ChatGPT Work 和 Codex 把招聘调研、业务取数和事故响应从「靠专家熬天数」改成「描述结果几分钟出活」:约 13 万人用 ChatGPT、9.5 万以上用 Codex

OracleChatGPT WorkCodex招聘情报业务本体SRE企业落地

一句话结论

Oracle 在招聘、Oracle Applications Lab 和 IT/运维等多条线上用 ChatGPT Work 与 Codex,把原先依赖专家、动辄数天的工作变成可重复流程:人才市场情报工具把职位对标与薪酬调研从约 2–4 天压到约 15–20 分钟准备(自称调研耗时降约 98%);业务侧用公司对象与规则的本体,让自然语言问题变成可靠 SQL 与报告;生产工程里 SRE 用 Codex 汇总事故上下文并调出正确 playbook,简单事故从约一小时降到数分钟。公司称约有 13 万活跃 ChatGPT 用户、逾 9.5 万活跃 Codex 用户,并强调仍要人把关系统设计、安全与可维护性。

打开原文 OpenAI:How Oracle turns days of work into minutes with ChatGPT and Codex

背景与理念

Oracle 的切入点不是「多一个聊天窗口」,而是把专家知识固化成任何人都能跑的短流程。人才获取、核心业务流程和站点可靠性工程各自把「以前要找对人、等几天」的环节改成描述结果、几分钟返回。

领导层反复强调:AI 建工具,人对输出负责。Richard Lam 说业务用户现在描述想要的结果,而不再自己翻报告;Barry Shilmover 说自己从写规格改成直接交原型。

具体做法

  1. 招聘情报工具。人才获取团队用 ChatGPT Work 做人才市场情报:输入职位描述,研究对标岗位、薪酬基准和各地人才池,给招聘经理会谈前的一致数据包;Ackerman 称准备时间大约 15 到 20 分钟,以前汇编要 2 到 4 天。
  2. 业务本体 + Codex。Applications Lab 建公司对象、关系和规则的本体,把自然语言业务问题转成可靠 SQL;Codex 决定调用哪些内部系统,返回分析、报告或应用。一名用户称原先要约两小时的问题几乎立刻得到答案,且与手工核对数字一致。
  3. 事故响应。SRE 用 Codex 汇总相关上下文并自动拉出正确 playbook,把更多时间留给决策而不是找资料;Lam 称典型简单事故从约一小时变为数分钟。
  4. 工程纪律。Lam 要求仍认真对待系统设计、架构、安全以及希望 Codex 如何组织代码;并警告若不与 Codex 并肩工作,会堆出大量不可维护代码。

关键数据/例子

约 13 万活跃 ChatGPT 用户;逾 9.5 万活跃 Codex 用户。

人才获取调研耗时自称下降约 98%;准备从约 2–4 天降到约 15–20 分钟。

简单事故处理从约一小时降到数分钟;业务取数案例与旧手工流程数字完全一致。

创新点

第一,用「本体」把企业内部对象和规则喂给 Codex,让自然语言取数可核对。

第二,把招聘前端调研标准化,减少「每个招聘官一套做法」。

第三,明确「给原型不给空规格」「人要拥有代码」这类领导层用法,避免智能体产出无人认领。

可否复用

  1. 先挑「专家耗时长、结果结构稳定」的流程做工具化,例如对标调研、标准取数、事故 playbook。
  2. 为企业对象建一层可读的本体或字典,再让模型生成查询,便于人工核对。
  3. 规定负责人必须读懂并维护智能体写出的代码与流程,否则规模化后会不可维护。

笔记会在输入时自动保存。