Oracle 如何用 ChatGPT 和 Codex 将数天工作压缩到几分钟
当超过 13 万名 Oracle 员工日常使用 ChatGPT Work、9.5 万余人使用 Codex，一家企业软件巨头正在把「只有专家能做的事」变成「任何人都能在几分钟内完成的事」。从招聘市场调研到业务数据查询，再到内部工具开发，Oracle 的实践展示了大模型在企业内部规模化落地的真实路径。
从 2-4 天到 15 分钟：招聘流程被重写
Oracle 人才招聘团队用 ChatGPT Work 搭建了一套人才市场情报工具。它能够读取一份职位描述，自动研究同类岗位、对标薪酬水平，并评估相关地区的人才池状况。
这些信息原本需要招聘人员花 2 到 4 天手动整理，如今只需在面谈前花 15 到 20 分钟准备。Oracle 高级副总裁兼全球人才招聘负责人 Jan Ackerman 表示：「我们实现了从零到一百的跨越，现在可以坐下来，用我们基于 ChatGPT Work 搭建的工具，花大约 15 到 20 分钟完成准备。」
效率提升之外，一致性是另一个被低估的收益。过去每位招聘人员执行招聘流程的方式各不相同，如今同一套工具让每位用人经理都能获得同等质量的数据与洞察，不再取决于对接的是哪一位招聘官。
业务人员不再「找报表」，而是直接问问题
Oracle Applications Lab 团队构建了公司对象、关系与规则的本体（ontology），使得一句自然语言的业务问题能被 Codex 转化为可靠的 SQL 查询。
这意味着业务用户不必再在系统里翻找报表，而是直接描述自己想要的结果。对于长期受困于「数据在系统里、但取数要靠 IT」的企业来说，这一转变的价值不言而喻。
技术负责人：过去要一整个团队做几个月
在 IT 组织内部，技术负责人借助 Codex 构建工具，原本需要一个完整团队投入数月的工作，如今可以大幅压缩周期。Oracle 方面给出的整体数据是：人才招聘研究耗时下降 98%。
规模化落地的三个信号
Oracle 的案例之所以值得关注，不在于单点效率提升，而在于它同时满足了大企业采用 AI 的三个关键条件：
- 覆盖面广：13 万活跃 ChatGPT 用户、9.5 万以上活跃 Codex 用户，说明这不是试点，而是全员级铺开。
- 场景具体：招聘、业务流程、内部工具开发，都是可衡量、可复用的高频工作流。
- 知识资产化：无论是人才市场情报工具还是业务本体，本质都是把专家经验沉淀为可重复调用的系统能力。
值得注意的是，这套打法对企业的要求并不低——需要有人把「专家知识」结构化成工具或本体，模型才能真正释放价值。Oracle 的经验表明，AI 在企业内的天花板，往往取决于组织把隐性知识显性化的能力。
对于正在评估大模型落地的企业而言，Oracle 的路径提供了一个清晰参照：先找到耗时最长、最依赖专家的流程，再用 ChatGPT Work 或 Codex 把它变成人人可用的工具。
