过去两年，甲骨文向数据中心和云基础设施投入数百亿美元，致力成为人工智能繁荣背后的基础设施提供商。然而，直到今年春天，其内部员工才真正用上实用的生成式 AI 工具。
甲骨文联席首席执行官克莱·马古伊克（Clay Magouyrk）在本周内部全员大会上坦诚了这一滞后。“回想一年前，我们并未弄清楚如何让 AI 真正为己所用。”这一表态揭示了一家将 AI 能力推向客户，却未能在内部同步赋能多数团队的科技巨头现状。
从滞后到爆发：80% 员工的快速采纳
此前，甲骨文的 AI 应用仅局限于客户服务领域，开发、财务和销售团队受益有限。转折点出现在今年四五月，甲骨文推出 ChatGPT Enterprise 并结合 OpenAI Codex 编码助手，向全球约 16 万名员工开放。在全球首席信息官 Jae Evans 的推动下，团队并未简单“一键切换”，而是先行建立企业标准、安全控制及内部政策。
准备工作成效显著：三个月内，80% 的员工开始使用这些工具。极高的采用率随之带来账单激增。Evans 坦言，便捷的接入让员工遭遇了“成本冲击”。为此，甲骨文迅速推行成本透明化措施，让员工清晰知晓所选模型的具体费用。例如，GPT-6 Astra 的成本约为 GPT-5.6 Terra 等低成本替代方案的 2.5 倍。目前，常规任务已自动路由至更具性价比的选项。
效率悖论：代码飙升与测试瓶颈
纸面上的生产力提升令人瞩目。开发人员一周生成的代码量，相当于过去一个团队两到三个季度的工作量。然而，发布流水线未能跟上这一节奏，测试和部署环节成为新瓶颈，产品触达客户的速度并未显著加快，瓶颈 merely 发生了转移。
其他实验结果则喜忧参半。Anthropic 尚未发布的 Mythos Preview 工具在两周内扫描出的可疑代码漏洞，超过了人工一整年的总和。但其中 60% 至 70% 为误报，有效信号被噪音淹没。这种从试点扩展到规模化应用时的摩擦，在整个行业普遍存在。
激进扩张与人员精简的张力
为满足外部需求，甲骨文仍在激进扩大支出。本财年资本支出计划增加 100 亿美元，总额达 350 亿美元。最新财报显示，季度云收入同比增长 27% 至 72 亿美元，剩余履约义务大幅攀升，OpenAI、xAI、Meta 和英伟达等均已签署大规模基础设施合同。
与此同时，甲骨文正在精简队伍。2026 财年员工人数减少约 13%（约 2.1 万人），客户服务和支持团队受冲击尤甚。九月中旬，部分员工在收到解雇通知当天，高管却举行全员大会，引发内部批评。首席财务官 Hilary Maxson 称这是“加入甲骨文的绝佳时机”，更激起反感。
管理层坚持认为，AI 带来的效率提升将抵消人员减少的影响。联席首席执行官 Mike Sicilia 驳斥了“用更少人力做更多工作”的陈词滥调，强调 AI 应创造真实产能，而非仅仅重新分配负荷。目前，甲骨文已在应用套件中交付超 1,000 个 AI 智能体，具备推理、决策和执行能力，试图将自己定位为代理式 AI 的“零号病人”。
结语：在混乱中驾驭 AI
这一押注伴随风险。支持团队规模缩小，若代理系统无法处理复杂客户问题，满意度恐受损。甲骨文自身的内部推广提供了早期预警：快速采用不等于顺利融入，发布周期滞后、误报率高企和意外成本均需密切监控。
高管们正密切跟踪模型使用情况，引导团队选择高性价比选项，并监测 AI 加速产出与下游流程问题的关联。这些数据将塑造未来关于工具、培训和组织设计的决策。一年前，甲骨文尚未实现大规模内部 AI 应用；如今，它虽实现了高采用率和代码生成加速，却也面临全新的运营挑战。这家为他人提供 AI 动力的公司，仍在学习如何为自己驾驭 AI，其教训将对同行产生深远影响。