Uber 把 ChatGPT Work 铺给 3 万名员工，试点里 80% 的用户不是工程师

这条新闻里最值钱的不是 3 万这个数字，是那句「早期使用者约 80% 不是工程师」。

官方公告里的硬信息

• 10 月 22 日（周四）起全公司铺开，覆盖全球 3 万多名员工，此前的试点是 1000 人
• 接的工具是 Google Drive、Gmail、Google Calendar、Slack
• 默认模型 GPT-6.1 Sol，官方说法是「在前沿性能与成本效率之间取平衡」；另外开放语音与图像生成能力
• 工程与研发团队继续用 Codex，不在这套里
• 配套三件事：内部 AI 技能库、审批过的集成清单、专门的员工培训
• 覆盖的部门包括运营、财务、市场、产品

80% 这个数字说了什么

它来自 Uber 工程副总裁 Sumanth Sukumar 对 TechCrunch 的转述，不在官方公告里。他列的三个用途很具体：

1. 分析运营里的复杂数据，识别趋势并给建议
2. 面向不同市场与语言本地化培训材料
3. 搭个性化的交互式看板，管自己的日常工作

这三件事有个共同点：都不是写代码。它们过去要么不做，要么外包，要么堆在没人有空的待办里。AI 在这些地方替换掉的是「算了不做了」，而不是某个岗位。

对我有什么用

一人公司买 AI，绝大多数人把它当成一个更快的打字机和更好的搜索引擎，然后在「我是不是该让它帮我写代码」上纠结半天。Uber 的试点给了一张更实用的场景清单，而且这三件事一个人全能做：

• 运营数据分析：把每周的订单/下载/转化数据丢进去，让它找趋势并给出下周该改哪一处。你原本不会做，因为做一次要两小时。
• 本地化：同一份说明书翻成 5 种语言这事，以前要么不做，要么花钱找人。
• 个人看板：一个只有你自己用的页面，每天打开就知道今天该盯什么。

这三项的共同门槛不是模型能力，是你有没有一个能让它读到你数据的入口。Uber 花力气做的是接 Google Drive、Gmail、Calendar、Slack——连接器，不是提示词。

泼冷水

• Uber 没披露这次花了多少钱。 官方博客一个价格都没给，Sukumar 只说公司会追踪使用情况。所以「值不值」这个问题现在没有答案。
• 3 万人的配置你抄不了。 内部 AI 技能库、审批过的集成清单、专职培训，这三样一人公司一样都没有。你买到的是工具，不是那套让 3 万人用起来的组织动作。
• Uber 自己承认没想清楚怎么用。 Sukumar 原话是「让强大的 AI 工具在 Uber 普及，同时给团队留出试验的空间」。翻译成人话：先铺下去，再看谁用出了什么。这也是它能成为新闻的原因——不是因为它成功了，是因为它敢在没想清楚的时候就铺开。
• 80% 非工程师是转述，不是公告数据。 官方博客里没有这个数字，出处是 TechCrunch 的采访。引用时别当成 Uber 的官方口径。
• 一个反面参照：Uber 让工程师留在 Codex 上，说明它没有找到「一个 agent 干所有事」的解法。别急着把你手上的工具合并成一个。

具体建议

1. 把你上周花掉的时间列出来，找出 3 件「因为要花两小时所以没做」的事。这就是你的试点清单，别从写代码开始。
2. 先解决数据入口：让 AI 能读到你自己的表格/文档/邮件，比换模型重要得多。工具换成谁家都一样，接不上数据就全是聊天。
3. 本地化那件事今天就能试：拿一份现有说明书，让它出一版英文或日文，再拿去跟真人译的版本比一次。你会立刻知道什么能省、什么不能。
4. 那三个用途里挑一个，连续做两周再评估。Uber 给团队的两周自动化冲刺是个不错的节奏模板——限定时限，而不是限定目标。
5. 别急着给「全公司」（也就是你自己加上几个外包）铺开。一人公司没有审批流程可以靠，只能靠你自己先用出结果。

原文：https://www.uber.com/us/en/blog/uber-announce-work/