Basis将首日入职培训从2小时缩短至30分钟，Clay则每天减少了约1小时的收件箱整理工作。但这三家公司真正复用的并不是提示词，而是工作的顺序、状态和完成条件。
30分钟的秘诀不是对话，而是工作规格
Basis案例的关键不在于把入职指引交给聊天机器人，而在于将人演示过一次的流程转化为具备开始条件、步骤、所需工具和完成条件的技能。新员工在第一天会获得Codex和公司专用的入职技能，智能体会在介绍公司核心概念的同时，在后台完成计算机集成设置。根据OpenAI公开的公司案例，这一流程将首日入职培训时间从2小时缩短至30分钟。
这里的技能不是一组巧妙的提示词。OpenAI的产品文档也将技能描述为可复用的指令，组织管理员可以按角色管理创建、使用、共享和安装权限。 也就是说，要让技能成为运营资产，至少需要明确由谁负责、由谁运行，以及哪些变更从下一位入职员工开始生效。
Basis也并未消除例外情况。出现重复问题或新的例外时，HR会更新技能，复杂问题则由人介入。Basis还表示，在其主营的会计智能体业务中，自主工作之后，会计师会参与关键判断点并审查交付物。由此可见，这家公司的模式更接近机器执行重复环节、人工负责判断环节的结构，而非“无人自动化”。
为什么直接放入入职文档还不够
文档说明需要知道什么，而工作流还会规定在哪个页面检查什么，以及达到何种状态才算完成。与其写“设置Slack”，不如写成“使用公司邮箱登录 → 确认已加入5个必需频道 → 确认通知设置 → 如失败，则将停止原因发送给IT负责人”。这样才能执行和验收。
三家公司向智能体交付了不同的“工作状态”
这三个案例的差异不在于自动化了哪个部门，而在于智能体需要记住并推动的状态类型。
| 公司 | 交付的工作状态 | 智能体的产出 | 由人保留的决策 |
|---|---|---|---|
| Basis | 顺序稳定的入职流程 | 说明与集成设置完成 | 例外处理、文化与支持 |
| Clay | 持续变化的按账户划分的上下文 | 每日更新的文件夹与优先行动 | 核实依据后与客户采取行动 |
| Exa | 已发现集成机会的进展状态 | 经过测试的PR和公告草稿 | 优先级、承诺和部署批准 |
Clay将分散在CRM、电子邮件、Slack、通话和演示材料中的交易上下文汇集到按账户划分的工作空间和专属子智能体中。子智能体每晚审阅一手资料并更新账户文件夹，协调智能体则每天早晨筛选出回复客户问题、寻找采购委员会空缺等优先行动。Clay向OpenAI透露，每晚节省的时间约为1小时。
在这一结构中，重要的不是“摘要”，而是能保留到下一次执行的状态。Clay的Account Agents官方页面也说明，智能体会根据此前的联系、交易、通话和结论选择下一步行动，并将这些结论与推理重新记录到账户中。可执行的行动也只会在管理员许可的范围内选择，CRM记录或负责人通知等工作可以设置为人工审批结构。
Exa更进一步。它会在代码仓库和开发者生态中寻找集成机会，收集相关上下文，创建PR，运行测试，并准备每周更新和初始公告。不过，在实际部署前仍由人审查；投资哪些机会、向外部合作伙伴承诺什么，则由团队决定。 Exa的代码搜索本身也被设计为按语义查找GitHub仓库、文档和Stack Overflow中的真实代码示例，为这一探索阶段提供基础。
绩效数据不是购买依据，而是自有实验的基准线
从2小时到30分钟、每天节省约1小时，是很有意思的起点，但不应直接照搬为自己公司的ROI。这两个数字都是各公司通过OpenAI案例公开的结果，相关文章没有给出样本量、对比周期、错误率等实验细节。 因此，与其把它们视为产品性能的普遍证明，不如把它们当作“我们也来测量这一指标”的假设，这样更稳妥。
令牌用量也是如此。根据OpenAI的Enterprise Signals，AI使用量排名前10%的企业，其每活跃用户生成的输出令牌数是普通企业的8.3倍；2026年6月，企业客户Codex和ChatGPT合计输出令牌中，Codex占64%。不过，OpenAI也明确指出，令牌是衡量业务价值的不完美代理指标。仅仅输出变长，并不代表处理时间、质量或营收有所改善。
连接范围越大，越要先做好权限设计
能够读取电子邮件、CRM、Slack和代码仓库的智能体更有用，但攻击面也会扩大。OpenAI的Codex Action安全文档建议将PR正文、提交信息、仓库指令文件乃至图像都视为不可信输入，并选择完成任务所需的最小文件和网络权限。
第一次实验不要只看速度。应同时记录处理时间、无人干预完成率、例外率、人工审查时间和回滚次数。如果处理时间缩短了，但审查时间和错误恢复增加了，那么工作并没有消失，只是转移到了人工后续队列中。
本周如何构建一个运营工作流
选择每月至少重复4次、正常结束状态能用一句话说清的工作，例如新员工账户设置、每周客户状态整理或文档链接检查。不要将招聘决策或合同审批等责任重大的判断作为第一个目标。
写下每个步骤的输入、使用的菜单和工具、输出以及失败条件。不要只保留屏幕录制；请将其转换为文本检查清单，例如“在Google Workspace管理员后台创建用户 → 确认可以用公司邮箱登录”。
在一页内写明触发条件、所需资料、允许使用的工具、完成条件、必须提供的证据以及需要人工审批的节点。外部消息发送、付款、部署和权限授予，原则上都应设置为审批前停止。
分别执行原有方式和智能体方式，记录开始与结束时间、是否成功、干预次数和审查时间。不要只看平均值；还要保留耗时最长的案例及其失败原因，才能改进下一版本。
不要靠个人的提示词技巧解决失败，而要按“遗漏了什么条件”来分类。标注负责人和版本后进行修改，将变更前的失败案例作为回归测试重新运行，再部署给下一个团队。
如果想进一步深入
How AI-native companies turn workflows into operating capability — 介绍Basis、Clay、Exa的三种工作流及其组织扩展阶段的基础资料。 openai.com
Basis | About — 可以了解Basis如何划分智能体和会计师的判断节点。 getbasis.ai
Account Agents by Clay | AI agents for every account — 从产品层面说明按账户划分的记忆、允许的行动和可观测性结构。 clay.com
Code Search — Exa向智能体提供最新代码和来源上下文的搜索功能官方文档。 exa.ai
Enterprise Signals — 可查看输出令牌、智能体使用占比以及这些指标的局限性。 openai.com
codex-action/docs/security.md at main · openai/codex-action · GitHub — 介绍基于代码仓库的智能体所面对的不可信输入和最小权限原则。 github.com
