本文来自微信公众号： 张考拉Clara ，作者：考拉Clara
今天最炸的 AI 新闻，莫过于 OpenAI 正式发布 GPT-5.6，同时推出 ChatGPT Work，Codex 也将并入新版 ChatGPT 桌面端。
更新后，Chat、Work、Codex 被收进同一个应用：Chat 负责对话与搜索；Work 负责研究、分析和产出文档、表格、PPT、网页；Codex 继续管代码、本地文件、终端与项目环境。
这不是一次简单的模型升级。
OpenAI 正在把 Codex 已经在代码世界里验证过的"执行范式"，搬到所有知识工作上来。
ChatGPT 不再只负责回答问题，而是可以读取经授权的文件与应用，把一个目标拆成多步、持续推进数十分钟甚至数小时，最后交出的不再是答案，而是能直接接着用的工作成果。
如果只看 GPT-5.6，这仍然很像一次我们熟悉的模型更新：推理更强、编程更好、速度更快、成本更低。但看多了，人多少会有点麻木。
真正让我停下来想一会儿的，是 AI 开始从"回答"走向"交付"。
说实话，第一反应是既兴奋，又发毛。
因为就在几天前，我刚经历过一次不太愉快的 AI"上班"实验。
Codex 可以走出代码、进到办公室，可代码世界里的测试、Diff 和回滚，会一起跟过来吗？
如果不会，AI 做得越多，普通职场人恐怕越忙。
01
AI帮我十分钟做完原型，也让我多出一轮返工
上个礼拜，我需要为一个企业内部项目补充一项功能。
为了省时间，我把已经确认的业务背景、流程和字段资料整理好，交给 AI，让它协助生成高保真原型和 PRD。
坦白说，第一版出来时，我挺满意的。页面有了，表格有了，筛选、按钮、状态和交互说明也都有了。
过去可能要花一两天慢慢整理的东西，它很快就搭出了一个看起来相当完整的版本。我当时甚至产生了一种错觉：这个需求是不是已经完成七八成了？
到了内部评审，我才发现自己高兴得太早。
研发开始逐项追问：这个按钮给谁用？这条规则从哪里来？异常状态由谁处理？这个字段是什么口径？批量操作是否需要权限？为什么本期要增加这个流程节点？
问题是，其中相当一部分内容，业务其实从未确认。
只是 AI 为了让方案显得完整，主动补了出来。它没有偷懒，反而过于积极。
评审过程中，我不得不反复解释：这个不是本期需求，那条规则也没确认，这个页面先删掉，那个按钮暂时不能加。
生成确实很快。可后面核对规则、删除多余设计、重新收敛范围，再向研发解释哪些是真的、哪些只是 AI 的猜测花掉了更多时间。
这件事最尴尬的地方在于，我明明想让 AI 帮我省时间，最后却只是把时间从"自己做"，转移到了"审核 AI"。
后来我越来越觉得，只统计生成一份文档、一个原型用了几分钟，意义不大。
真实工作还有另外一半：核对、协作、解释、返工，以及最后有没有人愿意接着往下用。
AI 的真实价值，不是它生成了多少，而是交付之后还剩多少。
02
代码至少会报错，办公室文档不会
为什么 Agent 最早在软件开发里跑通？
当然是因为模型擅长写代码，代码有一个很特别的地方：
它会直接告诉你，自己行不行。写错了，编译不过；功能不对，测试失败；改了哪里，看 Diff；上线出问题，查日志；新版本实在不行，还能回滚。
代码世界并不轻松，但它至少不太会顾及人的面子。错了就是错了，跑不通就是跑不通。
可办公室里的文档并没有这套验证机制。
一份 PRD 不会因为业务规则是 AI 猜出来的就自动标红；一份 PPT 不会因为结论没有依据就拒绝播放；一份市场报告即使引用了错误信息，照样可以排版得很专业。
更麻烦的是，很多知识工作的好坏，并没有一条清楚的分界线。
一份方案算不算好，往往要看公司目标、业务背景、资源限制、领导偏好和历史经验。很多判断甚至没有写在制度里，只存在于某几个老员工的脑子里。
所以 Codex 在代码里工作时，周围已经有一套成熟的工程系统托着它：项目规范、版本管理、测试、评审、发布和回滚。
AI 即使第一次做错，也有机会较早暴露。
可当同样的执行能力进入办公室，它面对的可能完全是另一种环境：
资料很多，权威版本不清楚；流程很多，异常情况没人写；要求很多，验收标准却只有一句"差不多就行"。
这才是我认为 ChatGPT Work 真正困难的地方。
真正的问题是谁来证明这份报告真的能用？
03
AI不是在消灭模糊，而是在帮模糊“精装修”
现在主流的常识，是把 Agent 比作一位能力很强的新员工。
但如果一个新员工入职后，拿到的是几份互相冲突的制度、一个版本混乱的文件夹，再加上一句“你看着办”，结果大概率也不会太好。
AI 更麻烦的地方在于，它很少停下来告诉你：“这件事我其实没弄明白。”它更习惯根据眼前的信息，把缺少的部分补齐。
哪份文件是最新版本，哪条规则已经废止，哪个要求只是会议上顺口一提，哪个看起来合理的功能其实本期绝对不能做。
如果这些没有被明确写出来，模型只能给出一个“看起来最像答案”的答案。
于是，一个危险的错觉出现了。
界面越完整，我们越容易相信它考虑周全；文字越流畅，我们越容易忽略依据不足；产物越像成品，那些未经确认的假设就越容易混进去。
说白了，AI 并没有消灭模糊。它只是帮模糊做了一次精装修。
过去，一个不清楚的需求还停留在会议里，大家都知道它没定下来。
现在，AI 可以在几分钟内替它补出页面、流程、字段和规则。模糊没有消失，只是突然拥有了很强的执行力。
过去我们担心 AI 胡说八道；Agent 时代更麻烦的是，它可能把胡说八道直接做成成品。
04
所谓“测试用例”，不是让所有人学写代码
办公室需要“测试用例”，不是说以后每个人都要去学编程。
我想表达的是，我们需要重新回答一个过去经常被含糊带过的问题：这项工作到底怎样才算完成？
比如做经营分析，数据来自哪里，统计的是哪段时间，结论能不能追溯到原始数据；
做产品需求，哪些内容已经确认，哪些仍然待定，本期明确不做什么；
做营销内容，哪些事实必须核对，哪些表达不能出现，最终由谁审批；
做财务核验，允许多大误差，出现什么情况必须转人工。
这些东西以前也存在，只是散落在制度、模板、历史案例、会议纪要和人的经验里。过去靠熟练员工自己拼起来。
以后想让 Agent 真正干活，就不能继续指望它猜。
OpenAI 在 ChatGPT Work 中反复强调参考文件、模板、进度跟踪和关键操作审批，也是在承认同一个现实：模型会执行，不代表它天然知道什么叫“做对”。
越复杂、责任越重的工作，越不能只丢给 AI 一个目标，然后等待惊喜。
至少要把几个关键节点说清楚：输入够不够，依据真不真，范围有没有越界，异常要不要找人，修改之后能不能追溯。
这套东西，就是知识工作的“测试用例”。
它的价值在于让错误更早暴露。这样，人不必等到最后一刻才发现，前面那份看起来很漂亮的成品，其实方向早就错了。
05
企业不缺文件，缺的是能让AI照着执行的规则
ChatGPT Work 出现之后，国内厂商跟进的速度不会太慢。
模型、桌面 Agent、办公软件、即时通信、云盘、浏览器和企业系统，会继续被连接起来。
中国互联网公司本来就掌握大量应用入口，在很多场景里，它们甚至比 OpenAI 更接近国内企业真实的工作现场。
但产品功能容易跟，组织里的隐性规则很难补。
很多企业并不缺文档。恰恰相反，文档多得惊人。
问题是，十份制度里往往有三份已经失效；同一个指标，在不同部门有不同口径；文件名都叫“最终版”，却没人知道哪一份真的最终；正常流程写得很详细，一遇到异常还是只能找某位老同事。
这种情况下，把资料全部塞进知识库，再接一个 Agent，并不会自动得到一家 AI 原生公司。更可能得到的，是一台跑得很快的混乱复制机。
所以国内企业下一阶段真正要补的，不只是模型和工具连接，而是权威数据源、知识版本、业务规则、正反案例、权限边界、异常流程和责任人。
说得再直接一点：企业需要交给 AI 的，不是一堆文档，而是一套可以被执行、也可以被验证的制度。
这件事不够性感，远没有发布一个新模型、做一场 Agent 演示那么吸引眼球，却决定着 AI 最终能否真正进入生产环境。
06
我现在越来越不迷信“一键生成”
经历那次评审之后，我重新调整了自己使用 AI 的方式。
我不再一上来就让它生成一个“完整版本”。因为所谓完整，很多时候只是 AI 帮我补得足够多，并不代表业务真的想清楚了。
我会先自己确定骨架：这次到底解决什么问题，本期只做什么，哪些内容已经确认，哪些禁止脑补，最后用什么标准验收。
AI 负责梳理资料、检查遗漏、生成初稿和整理评审问题；到了业务边界、权限、数据口径和最终取舍，仍然由人来拍板。
这个过程看起来没那么神奇，也没有“一句话生成全部”那么爽。但它更接近我真正想要的提效。
因为工作不是把东西生成出来就结束了。真正的终点，是它能被理解、被验证、被接受，然后安全地进入下一个环节。
对普通人来说，未来最值得积累的，也许不是几十条漂亮的 Prompt，而是自己对一项工作的判断标准。
你知不知道一份好报告应该包含什么，哪些数据必须核对；
知不知道一个需求怎样收敛成 MVP，哪些边界不能交给 AI 猜；
能不能把自己的经验沉淀成模板、案例、红线和检查规则。
这些东西，才是个人 AI 工作台真正的底座。
07
写到最后
GPT-5.6 会让 AI 更聪明，ChatGPT Work 会让它进入更多应用，Codex 会让它拥有更强的行动能力。
但 AI 能做得更多，不等于人就能少做一点。如果上下文混乱、标准含糊、责任不清，AI 越强，生成越多，人的审核负担也可能越重。
代码世界已经为 Agent 准备好了测试、Diff、日志和回滚。办公室还没有。
所以，当我们讨论 AI 是否会替人工作时，也许应该先回答另一个问题：
当它交出一份报告、一个方案、一张表格、一个产品原型，我们究竟凭什么判断它真的完成了工作？
AI 走出代码之后，办公室最先需要补上的，不是更多技能，而是"测试用例"。