OpenAI Workspace Agents:從 Custom GPT 進化到團隊自動化平台

TL;DR OpenAI 2026/4/22 推出 Workspace Agents,以 Codex 為底、可長時間在雲端執行、能串 Slack/Salesforce/Google Drive,是 Custom GPT 的企業版後繼者。

#openai #chatgpt #agent #workspace-agents #codex #enterprise-ai

設計定位:不是更強的 Chatbot,而是團隊的 AI 員工
由 Codex 驅動的能力
與 Custom GPTs 的差異
治理與核准:human-in-the-loop
部署與排程
定價與可用性
適合與不適合的情境
整體來說
參考資料

2026 年 4 月 22 日,OpenAI 把 ChatGPT 從「聊天機器人」往前推了一大步,推出 Workspace Agents——針對企業/團隊的 AI 代理框架,由 Codex 驅動,可以在雲端長時間自主執行任務,並直接接進 Slack、Salesforce、Google Drive、Microsoft 365、Notion、Atlassian 等工具。OpenAI 同時宣布:Custom GPTs 將在企業方案中逐步停用,Business / Enterprise / Edu / Teachers 使用者之後必須把既有 GPT 升級為 workspace agent。

設計定位:不是更強的 Chatbot,而是團隊的 AI 員工

過去 Custom GPTs 的模型假設是「使用者問問題 → GPT 同步回答」。Workspace Agents 打掉這個假設:agent 是團隊共享的雲端角色,可以被排程、可以掛在 Slack 頻道接收請求、可以在使用者離線的狀態下繼續推進任務。

這帶來幾個結構性變化:

共享而非個人:agent 是組織資產,一個人建好、整個團隊一起用、一起改進。
長時間執行:不再是幾秒鐘一問一答,而是分鐘到小時級的工作流。
跨工具推進:不只生成文字,還會瀏覽網頁、填表單、改試算表、發信、開 IT ticket。

類比來說:Custom GPTs 像 Slack 的 slash command,Workspace Agents 比較像 Zapier + Slackbot + Codex 的合體。

由 Codex 驅動的能力

Workspace Agents 底層是 Codex(OpenAI 的 coding agent),這是個關鍵技術決定。Codex 本來就擅長「在環境裡多步驟執行任務、觀察結果、修正」這件事,搬到企業工作流剛好適合。常見能力:

撰寫/回覆 email、整理報表、草擬簡報
寫程式、review、重構、migration(繼承 Codex 的強項)
瀏覽網站、填表單、抓資料
編輯 Google Sheets / Excel
從 email、文件庫、CRM 拉 context

因為 memory 在 agent 本身,使用者可以在對話中糾正 agent,agent 越用越準——這點比 Custom GPTs 的一次性 instructions 更接近「訓練同事」的感覺。

與 Custom GPTs 的差異

面向	Custom GPTs	Workspace Agents
執行模型	同步回覆	雲端長時間自主執行
協作	個人使用為主	組織共享、團隊改進
工具整合	有限 actions	原生 Slack / Salesforce / Drive / Notion
觸發方式	使用者開對話	對話 + 排程 + Slack 被動接收
治理	基本權限	工具/資料/動作權限 + 人工核准 gate
底層	GPT	Codex

對企業 IT 來說,Custom GPTs 是「用 prompt 包出來的玩具」,Workspace Agents 才開始有「可審計、可治理」的企業軟體樣子。

治理與核准:human-in-the-loop

Workspace Agents 最值得注意的產品決定是 approval gating。使用者或管理員可以設定:哪些動作 agent 可以自己做、哪些動作必須先來問人。

典型需要核准的動作:

寄出 email
編輯/覆寫試算表
新增行事曆事件
發出採購單或 IT 工單

OpenAI 官方給的一個範例是「軟體採購審核 agent」——自動分流新工具請求、檢查公司政策、路由到對應審核人、核准後直接開 IT ticket。這種流程在過去需要 Workato / ServiceNow + 一堆 glue code,現在一個 agent 吃掉。

部署與排程

Agent 的部署有三種典型模式:

┌─────────────────────────────────────────────┐
│ 1. ChatGPT 內直接對話(同步)                 │
│    使用者 → agent → 回應                     │
│                                              │
│ 2. Slack 被動觸發(事件驅動)                 │
│    Slack 訊息 → agent 在背景處理 → 回報結果  │
│                                              │
│ 3. 排程任務(cron-like)                      │
│    每週一 9am → agent 拉數據 → 生成週報 →    │
│    發到 #team-metrics                        │
└─────────────────────────────────────────────┘

第 3 種特別有意思:過去這類工作要嘛是人手動做、要嘛是工程師寫 script 維護,現在變成「設定一次、自動跑下去」。

定價與可用性

研究預覽階段:ChatGPT Business / Enterprise / Edu / Teachers。
2026/5/6 前免費,之後改為 credit-based pricing(依使用量計費)。
Business 的入門方案為 $20 / user / 月,Enterprise / Edu 另議。

Credit-based 的設計對企業其實是合理的——長時間執行、跨工具調用、處理大量資料,費用跟實際工作量掛鉤比固定訂閱公平。但也代表「一個 agent 跑一整晚」可能會產生可觀的帳單,需要管理員設 budget。

適合與不適合的情境

適合:

重複性高、跨多個 SaaS 工具的工作流(例:週報、月報、審核流程)
需要記憶與演進的角色(例:客服分流、合規檢查)
可以容忍分鐘級延遲、換來更完整產出的任務

不適合:

即時性要求極高的互動(毫秒級 API)
需要確定性輸出的系統整合(agent 的決策有隨機性)
處理高敏感資料、且法規要求資料不離開自家環境的場景(仍走 OpenAI 雲端)

整體來說

Workspace Agents 真正的意義不是「又一個 AI 產品」,而是 OpenAI 在賭一件事:未來企業 AI 的消費單位是「agent」而不是「對話」。Custom GPTs 停用、Codex 全面下沉到工作流、Slack/Salesforce 深度整合,這些訊號都指向同一個方向。

對團隊來說,現在值得做的事是盤點:哪些重複工作可以被一個「共享、有記憶、能跨工具推進」的 agent 接走?這個問題的答案,會決定接下來一兩年 AI 在你們組織裡的槓桿有多大。