OpenAI 官方案例披露：日本 IT 服务巨头 NTT DATA 用 Codex 将一次关键系统的复杂事故分析，从「5 名资深工程师 × 3 天」压缩到 30 分钟，并已将 Codex 扩展至约 9,000 名员工。比数字更值得读的是战略表态——这家「靠加人增收」的公司公开宣布：增长要靠 AI，而不是人头。
Codex 在 NTT DATA 的第一个「出圈」战功，是自动化完成一次关键系统的复杂事故分析——这正是 IT 运维中最吃专家经验的工作之一：
需要 5 名经验丰富的工程师，完整流程耗时 3 天才能完成。
同样的完整流程，30 分钟全部跑完。
注：两柱按同一线性比例绘制。按自然日折算，3 天 = 4,320 分钟，30 分钟仅占约 0.7%，为可辨识已加宽至 1%——「短到几乎看不见」本身就是差距的直观呈现。原文未注明「3 天」按自然日还是工作日计。
「15 人日」为编辑按 5 人 × 3 天折算；原文未说明 30 分钟是否包含人工复核与结果验收时间，引用对比时请留意口径。
原文称，这一结果「迅速获得了高管层的关注」，成为 Codex 在全公司扩圈的早期证明点（early proof point）。在企业软件的推广逻辑里，高管注意力往往是最稀缺的传播货币——一个可量化、可复讲的标杆案例，比十场培训更有推动力。
Codex 不是空降的。NTT DATA 的路径是先用对话式 AI 打底，再把 Agent 推上前台：
其中关键机构是内部设立的 OpenAI 卓越中心（CoE），职责清单非常具体：
结果是，ChatGPT Enterprise 已成为支撑全公司日常工作的主要 AI 工具之一。员工用它做研究、写作与内容创作，积累了与 AI 协作的肌肉记忆——这为下一步铺平了道路：
以上为 NTT DATA 内部问卷结果，原文未披露样本量、回收率与题目口径，仅供方向性参考。
NTT DATA 是总部位于日本的全球 IT 服务公司，业务横跨咨询、系统开发与运营——典型的「人头驱动」生意：收入 ≈ 工程师人数 × 工时 × 单价。原文开篇的战略表态，因此格外有分量：
把这句话和第 01 节的案例放在一起看：当「5 人 3 天」的活被压到 30 分钟，被压缩的不只是交付时间，而是计费单元本身。一家靠加人增收的公司，亲手把「减人增效」写进增长战略——这不是成本控制，而是对自身商业模式的提前改写：与其被 AI 颠覆定价，不如自己先动手。
原文后续章节（本文未展开）还包括：Codex 向工程以外岗位扩展、为全员建设安全使用环境、领导力经验、把组织知识转化为客户价值——细节可经文末入口阅读原文。
企业 Agent 的下半场，拼的不只是模型聪不聪明，更是组织会不会用——NTT DATA 给出的路径：先让全员养成 AI 习惯，再把任务真正委派出去。
来源定性：原始来源是 OpenAI 官方博客的客户案例页，本质是厂商与大客户联合背书的营销内容。文中所有亮点数字（30 分钟、96%+、95%+）均由 NTT DATA 内部提供、经 OpenAI 筛选呈现，没有第三方审计，也没有失败案例与成本数据（席位费用、培训与人工复核开销均未提及）。
口径提醒：「30 分钟」是否包含人工验证时间，原文未说明；「3 天」按自然日还是工作日计，亦未注明；内部问卷的样本量与问题设计未披露。三个数字都真实可疑度低，但精度不可考。
建议读法：把它当作「理想条件下的上限演示」——有高管支持、有 CoE 护航、有全员 ChatGPT 训练打底。它证明的是成熟组织里 Codex 能做到什么，不代表你的企业开箱即可复制。
独立判断：即便如此，两个信号依然扎实：其一，NTT DATA 愿意实名并给出具体数字背书；其二，约 9,000 席的部署规模说明企业编程 Agent 正从「试点期」进入「规模化部署期」——这一趋势与近一年多家厂商的企业案例相互印证。
原文含安全环境建设、领导力经验等本文未展开章节；Codex 现已集成于 ChatGPT 付费方案，可直接体验。
openai.com/index/ntt-data → 阅读原文体验 Codex：chatgpt.com