RingCentral如何从工程到运维构建AI原生工作流

事件核心：发生了什么

OpenAI 于 2026 年 8 月 12 日发布案例，披露了商业通信公司 RingCentral 的 AI 原生转型实践。RingCentral 年收入超过 26 亿美元，全球员工数千人。在 CEO 办公室的推动下，公司发起“AI-Native Challenge”挑战赛，为每位参与者提供 ChatGPT Work 和 Codex，要求从零构建一个完整的端到端项目，覆盖规划、开发、测试、文档、CI/CD 到迭代的全流程。最终数千名员工交付了可运行的项目，其中包括没有工程背景的非技术员工和高管。

RingCentral 总裁兼首席运营官 Kira Makagon 表示，当 AI 工具真正交到每个人手中，整个公司就变成了一个产品组织。该公司已将同样的 Codex 工作流用于加速自身 AI 产品组合——包括 AI 接待员（AIR）、AI 虚拟助手（AVA）和 AI 对话专家（ACE）——的开发，缩短从想法到功能上线的时间。

在运营侧，项目管理办公室（PMO）使用 ChatGPT Work 构建了一套类似“操作系统”的项目管理基础设施，能够自动从 Jira、Google Sheets、CRM 等来源汇总问题并生成状态报告。PMO 高级经理 Vaneet Seth 称，ChatGPT Work 将分散的项目上下文集中起来，并转化为可执行动作，团队成员走进会议室时已经清楚阻塞项、负责人和下一步行动。

为什么重要

这个案例的价值不在于某一家公司用了什么工具，而在于它展示了一种可复制的企业 AI 采纳路径：不局限于工程师群体，而是通过有组织的挑战赛让全公司建立 AI 工作流能力。RingCentral 的实践说明，AI 原生开发的核心不是用模型替代工程师，而是让模型加速完整开发周期，同时人类继续负责需求定义、架构决策和结果验证。

对 OpenAI 而言，这也是企业级产品（ChatGPT Work + Codex）从辅助编程向运营管理场景延伸的又一次验证。PMO 这类非技术部门用大模型构建工作流，意味着企业 AI 的市场半径正在从研发团队扩展至更广泛的组织职能。

对用户/开发者/创作者的影响

对开发者和技术管理者：RingCentral 的实践提供了一个可参考的 AI 原生开发组织样本——用 Codex 加速端到端交付，但要保留人类对业务上下文和架构的关键判断。对企业在评估 AI 工具采购时，这个案例展示了 ChatGPT Work 在项目治理、跨系统信息整合中的实际用途，而非停留在聊天问答层面。对非技术岗位而言，PMO 的落地场景表明，大模型工作流也可以用于日常运营，手动协调成本较高的团队值得关注类似方案。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

目前公开信息显示，RingCentral 尚未披露 AI-Native Challenge 带来的量化收益数据，有几个观察点值得跟踪：一是 RingCentral 是否会发布基于内部工作流沉淀的对外产品或服务；二是这种“全员 AI 开发挑战赛”模式是否会被其他大型企业效仿，形成新的企业 AI 培训与落地形态；三是 ChatGPT Work 在项目管理、跨系统数据整合上的能力边界，能否覆盖更复杂的组织流程，以及是否推动 OpenAI 企业产品线进一步扩展。

来源：OpenAI News