AI at WorkJul 3, 20263 min read
97.9% at OpenAI, 65% at Anthropic: What the Labs' Own Numbers Say About Agentic Work
The AI labs are patient zero for agent adoption. Two data drops this summer show how far along they already are — and what the rest of us should read into it.
If you want to know what knowledge work looks like in two years, don't read predictions — look at how the AI labs work today. They have unlimited access to their own frontier models, no procurement in the way and every incentive to use their own product. This summer both OpenAI and Anthropic published numbers on internal agent adoption. They're startling even if you discount them heavily.
OpenAI: from 40% to 97.9% in under a year
In "How agents are transforming work", OpenAI says 97.9% of its employees now use Codex, up from roughly 40% in August 2025. One level deeper: the average OpenAI engineer generates 99% of their output tokens through Codex rather than ChatGPT, and across all employees — sales, legal and operations included — agent-generated tokens are above 85%. Non-developers are the fastest-growing group: about 20% of usage, growing three times faster than engineers.
Anthropic: the agent is a teammate in Slack
Anthropic's number came with a product. On June 23 it launched Claude Tag, an evolution of Claude Code that lives in Slack: you tag @Claude in a channel like a colleague, it builds context from the channel history, works asynchronously over hours or days, and everyone in the channel shares the same instance. The stat: 65% of Anthropic's product-team code is written by their internal version of Claude Tag — including most of the code behind Claude Tag itself. Usage has spread into support, sales and bug triage.
Agent adoption inside the labs (self-reported, mid-2026)
Keep the asterisk
Every one of these figures is self-reported by a company selling the tool it measures, and none has been independently verified — as critics were quick to point out. "Output tokens" is also a generous metric: ten discarded drafts count the same as one you ship. But even at half the size, the direction is clear. Inside the labs, working without an agent is now the exception that needs justifying.
What it means outside the labs
The labs run 12–24 months ahead of the average enterprise, so treat their present as your planning horizon. From consulting work in exactly that gap, three things stand out:
- The bottleneck moves from writing to reviewing. If agents produce most of the artifacts, senior people become editors — and few organisations have sized review capacity for that. This is a process-design question: where do reviews sit in your product development flow, who owns them, and how do you keep them from becoming the new queue?
- The Slack-teammate pattern matters more than the coding stat. Once the agent sits where decisions happen, adoption stops being a tooling question and becomes an org-design question: who approves what the agent ships?
- Dependency belongs in the risk register. For European companies, the sovereignty point from my vibe-coding post gets sharper the more output flows through a single US frontier model.
The practical move is the same one I give clients, with more urgency now: pick one team, give it real agent access with real guardrails, measure review load, lead time and defect rates — and write down what you learn somewhere the next team, and the next agent, can read it.
AI at Work3. Jul 20263 Min. Lesezeit
97,9 % bei OpenAI, 65 % bei Anthropic: Was die Zahlen der Labs über Agentic Work verraten
Die AI-Labs sind Patient Null der Agenten-Adoption. Zwei Datenpunkte aus diesem Sommer zeigen, wie weit sie schon sind — und was der Rest daraus lernen sollte.
Wer wissen will, wie Wissensarbeit in zwei Jahren aussieht, sollte keine Prognosen lesen — sondern schauen, wie die KI-Labs heute arbeiten. Sie haben unbegrenzten Zugang zu ihren eigenen Frontier-Modellen, keinen Einkaufsprozess im Weg und jeden Anreiz, ihr eigenes Produkt zu nutzen. Diesen Sommer haben OpenAI und Anthropic Zahlen zur internen Agenten-Nutzung veröffentlicht. Sie sind verblüffend, selbst mit kräftigem Abschlag.
OpenAI: von 40 % auf 97,9 % in unter einem Jahr
In „How agents are transforming work“ schreibt OpenAI, dass 97,9 % der Mitarbeitenden inzwischen Codex nutzen — im August 2025 waren es rund 40 %. Eine Ebene tiefer: Die durchschnittliche OpenAI-Engineerin erzeugt 99 % ihrer Output-Tokens über Codex statt über ChatGPT, und über alle Mitarbeitenden hinweg — inklusive Vertrieb, Legal und Operations — liegen agentengenerierte Tokens bei über 85 %. Nicht-Entwickler sind die am schnellsten wachsende Gruppe: rund 20 % der Nutzung, dreimal so schnell wachsend wie Engineers.
Anthropic: Der Agent ist ein Teammitglied in Slack
Anthropics Zahl kam mit einem Produkt. Am 23. Juni startete Claude Tag, eine Weiterentwicklung von Claude Code, die in Slack lebt: Du taggst @Claude in einem Channel wie eine Kollegin, er baut Kontext aus dem Channel-Verlauf auf, arbeitet asynchron über Stunden oder Tage, und alle im Channel teilen sich dieselbe Instanz. Die Zahl: 65 % des Codes in Anthropics Produktteam schreibt die interne Version von Claude Tag — inklusive des Großteils des Codes hinter Claude Tag selbst. Die Nutzung hat sich auf Support, Vertrieb und Bug-Triage ausgeweitet.
Agenten-Adoption in den Labs (selbstberichtet, Mitte 2026)
Das Sternchen bleibt
Jede dieser Zahlen ist selbst berichtet von einem Unternehmen, das das gemessene Tool verkauft, und keine wurde unabhängig geprüft — darauf haben Kritiker sofort hingewiesen. „Output-Tokens“ ist außerdem eine großzügige Metrik: Zehn verworfene Entwürfe zählen so viel wie einer, der ausgeliefert wird. Aber selbst bei halber Größe ist die Richtung klar. In den Labs ist Arbeiten ohne Agent inzwischen die Ausnahme, die sich rechtfertigen muss.
Was das außerhalb der Labs bedeutet
Die Labs sind dem Durchschnittsunternehmen 12–24 Monate voraus — behandle ihre Gegenwart also als deinen Planungshorizont. Aus der Beratungsarbeit genau in dieser Lücke fallen mir drei Dinge auf:
- Der Engpass wandert vom Schreiben zum Prüfen. Wenn Agenten den Großteil der Artefakte erzeugen, werden erfahrene Leute zu Lektoren — und kaum eine Organisation hat ihre Review-Kapazität darauf ausgelegt. Das ist eine Frage des Prozessdesigns: Wo sitzen Reviews in eurem Produktentwicklungsprozess, wem gehören sie, und wie verhindert ihr, dass sie zur neuen Warteschlange werden?
- Das Slack-Teammitglied-Muster ist wichtiger als die Coding-Zahl. Sobald der Agent dort sitzt, wo Entscheidungen fallen, ist Adoption keine Tool-Frage mehr, sondern eine Organisationsfrage: Wer gibt frei, was der Agent ausliefert?
- Abhängigkeit gehört ins Risikoregister. Für europäische Unternehmen wird der Souveränitätspunkt aus meinem Vibe-Coding-Beitrag schärfer, je mehr Output über ein einziges US-Frontier-Modell läuft.
Der praktische Schritt ist derselbe, den ich Kunden empfehle, nur dringlicher: Wählt ein Team, gebt ihm echten Agenten-Zugang mit echten Leitplanken, messt Review-Last, Durchlaufzeit und Fehlerraten — und schreibt auf, was ihr lernt, und zwar dort, wo das nächste Team und der nächste Agent es lesen können.