OpenAI 最新披露的客户案例里，Merge 把 AI 用在了产品代码审查、营销支持、高管晚宴策划和销售更新准备上——工程与业务两条线同时被覆盖。
发生了什么
根据 OpenAI 的案例描述，Merge 使用的模型与工具组合包括 GPT-6 Astra、ChatGPT 和 Codex。具体用途分两类：一是产品侧，用 Codex 参与产品代码的审查；二是业务侧，用 ChatGPT 支持营销工作，并用于规划高管晚宴、准备销售更新等日常事务。
需要说明的是，公开信息只给出了用途清单，没有披露使用规模、效率提升幅度或成本数据。因此更准确的读法是：这是一份“使用场景样本”，而不是一份效果报告。
为什么重要
过去两年，AI 编程工具的主战场集中在“写代码”本身——补全、生成、修 bug。而 Codex 出现在“代码审查”环节，意味着工具链正从生成侧向质量把关侧延伸。审查是比生成更依赖上下文和判断力的工作，把它交给模型，说明团队对模型理解代码库的能力有了新的信任边界。
更值得注意的是业务侧的用法。策划高管晚宴、准备销售更新，这类任务过去很少被视为 AI 的典型场景，因为它们琐碎、依赖组织内部信息、难以量化。但恰恰是这类“没人愿意做、又必须做”的工作，最容易体现通用助手的价值：它不追求替代某个岗位，而是压缩协调与整理的时间。
这也呼应了 OpenAI 近期的叙事重心——把 ChatGPT 从“问答工具”推向“工作流入口”。客户案例的作用不只是背书，更是在示范：AI 应该被嵌入到哪些具体流程里。
影响与看点
对开发者而言，Codex 进入代码审查环节，意味着代码评审工具市场的竞争会加剧，审查质量、误报率和与现有仓库工作流的集成度将成为新的比较维度。
对企业采购方而言，这个案例的价值在于提供了一个“双线落地”的参考模板：工程侧用专用工具提效，业务侧用通用助手承接杂项。两者共用同一供应商，能降低集成与合规成本，但也带来供应商集中度上升的风险。
对普通用户来说，真正值得关注的信号是：AI 的采用门槛正在从“会不会写 prompt”转向“愿不愿意把琐事交出去”。
一个独立判断：这类案例接下来会越来越多，但决定成败的不是模型能力，而是企业能否把 AI 接入真实的数据与审批流程——案例里没说的部分，往往才是难点。
