过去两年，甲骨文斥资数百亿美元构建支撑外部客户的人工智能基础设施。然而，直到今年四月，其内部员工才真正获得广泛适用的AI工具。
甲骨文联席首席执行官克莱·马古伊克（Clay Magouyrk）曾坦言：“我们尚未找到让AI真正对自身有用的方法。”据媒体报道，他在一年前的内部全员大会上指出，当时AI仅应用于客户支持领域，尚未渗透至开发、财务或销售团队。
从滞后到普及：成本意外激增
这一局面在今年四五月发生转折。甲骨文全球首席信息官Jae Evans表示，公司随后推出了ChatGPT Enterprise及OpenAI编码工具Codex。在制定企业标准、安全控制及内部政策后，短短三个月内，80%的员工开始使用新工具。
然而，工具的易用性带来了意想不到的账单冲击。如今，甲骨文向员工透明化展示各AI模型的使用费用。例如，GPT-6 Astra的成本比廉价选项高出约2.5倍，公司遂引导将常规工作迁移至GPT-5.6 Terra等更具性价比的模型。摩根大通也采取类似策略，限制工程师每月在Claude上的支出上限为2000美元。
效率悖论：编码提速，交付未加速
生产力数据表现亮眼。Evans指出，开发人员现在的周代码产出量，相当于过去两到三个季度的工作量。但这并未转化为更快的客户交付速度。
马古伊克解释称，编写代码更快“并不意味着一切突然变得快1000倍”。甲骨文仍在更新测试、验证、部署及发布管理流程，以适配新的开发节奏。
安全新挑战：瓶颈转移而非消失
安全领域呈现相似模式。作为早期合作伙伴，甲骨文通过Project Glasswing项目获得了Anthropic于今年四月发布的Claude Mythos Preview访问权。据Anthropic介绍，该模型能识别并利用主流操作系统和浏览器中的零日漏洞。
Evans透露，在自有代码测试中，该模型两周内发现的潜在漏洞数量超过了过去一年的总和。然而，高达60%至70%的误报率迫使公司在修复前增加验证步骤。
因此，瓶颈并未消失，只是发生了转移：AI生成代码的速度超过了发布流程，发现缺陷的速度也超越了人工验证能力。尽管面临裁员压力且数据中心支出超过单季收入，甲骨文选择与员工公开讨论这些挑战，这在科技巨头中仍属罕见。