企业AI最容易演示的是“写一段文案”，最难复制的是把产品、营销、设计、销售和运营同时拉到同一条交付链上。应付账款软件公司Stampli披露，它用ChatGPT Work与Codex完成Deep Finance产品发布，把原本估算的243个主动工时压到约77个，减少166小时、降幅约68%。更值得关注的不是生成速度，而是团队如何把会议记录、产品决策和信息规范接成共享上下文，并让所有对外内容继续经过人工审核。

AI没有只写文案，而是成为发布工作的上下文层

Deep Finance从原型演示走到公开发布和首个可交付产品约用了六周。同期设计资源和外包人员已经投入其他项目，Stampli没有让AI单独生产一篇文章，而是先让Codex连接产品信息、会议记录、最新决策和消息规范，形成可以被多角色复用的共享系统。

这套上下文随后被拆成七篇系列文章、发布邮件、网络研讨会及演示文稿、社交和付费素材、新闻稿、产品页面以及销售支持资料。团队还用Codex探索和迭代头部动画，据称约90%的成品制作由它完成，承包商只收尾开场镜头和最终格式。ChatGPT Work则用于会议准备、业务问题检索和跨系统分析，最终决定仍由员工做出。

68%节省是内部测算，不是通用生产率公式

Stampli按Deep Finance既定的上市和内容生产流程建立基线：没有Codex时估算需要243个主动角色工时，实际使用后约为77小时，相差166小时，等于3.16倍速度或约68%的工时下降。产品营销负责人还估计，从原型到发布若沿用旧方法可能需要数月甚至数个季度，而这次约六周完成。

日常工作也使用同一套基础设施。过去团队要采访产品经理、读取Jira和GitHub、翻会议笔记，再分别更新帮助中心、演示册和单页资料；现在GPT系统先收集产品系统与会议信息，再辅助生成不同渠道内容。负责人称，小团队从每周只能做少量内容提高到数百项，产出约增10倍；一次跨HubSpot等系统的经营数据问题，也从等待财务规划团队半天缩短到现场输入约20秒。

这些数字都来自公司内部估算和人员陈述。243小时是建模基线，不是同步对照实验；“数百项内容”也没有披露颗粒度、返工率或最终转化。20秒完成的更准确含义是发起查询，不等于数据连接、权限配置和结果验证只花20秒。因此文章中的68%、10倍和六周，只能说明这一次流程如何运行，不能直接外推到其他企业。

FDE可复制的，是四层交付结构

第一层是可持续的事实入口。产品决策、工单、代码和会议纪要必须带有更新时间、负责人和访问权限，否则Agent只会更快地复制旧信息。第二层是输出模板：不同渠道共享核心事实，但邮件、网页、销售资料和视频分镜有不同审核标准，不能用一个提示词批量铺开。

第三层是角色分工。AI适合整理上下文、生成初稿、制作变体和发现缺口；产品经理确认功能，法务和品牌团队确认表述，设计与承包商完成高风险成品。第四层是可观测的审批链：每项对外资产要能追溯用了哪些产品事实、谁修改、谁批准，以及发布后是否需要回滚。Stampli明确保留了所有面向客户内容的完整人工审核和最终批准，这是案例中比“写得快”更值得保留的约束。

企业落地时还应增加案例未公开的指标，包括每种资产的首次通过率、人工修改分钟数、事实错误数、素材复用率、从需求到批准的周期，以及席位、模型调用、集成和运维的总成本。没有这些指标，团队可能只把内容数量变多，却没有让发布质量或市场反馈改善。

编辑判断：员工能力扩张之前，先建设共享事实系统

Stampli案例说明，生成式AI的生产率上限不由“会不会写”决定，而由企业能否把分散的产品知识变成受控、可更新、可复用的上下文。ChatGPT Work和Codex在这里更像一套跨职能工作台：减少重复找资料与重新解释，把员工时间留给定位、取舍和审批。

但这条路线也会放大错误。源系统过期、权限过宽或审核责任含糊时，同一份错误会同时进入网页、邮件、销售资料和视频。稳妥的复制顺序不是一开始追求10倍内容量，而是先选一个有明确工时基线的发布流程，接通少量可信系统，记录每次人工修改，再逐步增加渠道。真正成熟的企业AI，不是让一个人瞬间生产所有东西，而是让多人围绕同一组事实更快协作，同时清楚知道什么时候必须停下来由人决定。