AI 正在悄悄＂篡改＂你的岗位职责:OpenAI 分析 150 万条对话后发现真相

OpenAI 最新经济研究显示，工人用 AI 干"别人的活"的比例从 13.1% 涨到 25.9%——职位头衔没变，工作内容已经面目全非。

📊 一项追踪 150 万条对话的研究

OpenAI 发布的最新经济研究，展示了工人如何使用 AI 来完成本职工作之外的任务，以及哪些新任务被固化进了日常工作流。（阅读完整报告）

当工人开始超越自身角色边界时，他们的 AI 使用方式也在发生质变。这些超出典型岗位描述的新任务，正逐渐成为工人使用 AI 的常规组成部分。 如果这些活动变成常规职责，那么即使职位头衔保持不变，工作的内涵也可能被大幅拓宽。

OpenAI 的首份《前沿工作》报告记录了"任务交叉"（task crossover）现象：工人使用 AI 处理历史上与其他职业相关的活动。这项最新研究则追问——接下来会发生什么？

通过分析 2026 年 4 月至 7 月期间超过 150 万条与工作相关的 ChatGPT 消息，研究发现：部分跨职业 AI 使用正在成为常态。 工人会反复回到职业边界之外的任务上，且这些活动在其 AI 使用总量中的占比随时间不断上升。

这些发现提供了一个早期视角：AI 的普及如何从"尝试新任务"演变为"把新任务纳入日常流程"。对于那些努力确定如何在组织中采用并利用 AI 的公司来说，这项为期四个月的专业人员 AI 使用与提示词研究，为它们如何减少"发现问题"与"借助 AI 推进整体工作"之间的摩擦，打开了一扇重要的观察窗口。研究结论表明：在组织实施 AI 战略时，工作设计应该与 AI 工具的获取渠道同等重要。

🎭 越界之后，工人用 AI 的姿势变了

工人使用 AI 的方式，取决于任务是否属于自己在特定领域的职责范围。对于职责内和职责外的任务，他们写给 AI 的提示词截然不同。 在询问职业范围之外的任务时，他们写出的提示词平均更短，也更少要求解释、操作指南、特定回复格式或建议。

与此同时，在寻求职责外任务的 AI 协助时，工人更可能提供示例或背景信息，也更倾向于让 AI 检查或验证某项内容。

一种解读是：工人正在用 AI"借用专业知识"。 与其让 AI 教会自己一个全新的领域，工人更倾向于带着问题和相关背景——比如一份文档、一个示例，或来自同事的信息——然后让 AI 帮忙把另一个领域的知识应用到眼前的问题上。

🔄 跨职任务正在变成新工作流的一部分

下一个问题是：工人会不会反复回到这些活动上？在 4 月至 7 月期间被持续观察的约 6200 名工人中，此前使用过的跨职业任务，从 4 月份占职业相关 AI 活动的 13.1% 增长到 7 月份的 25.9%。这一模式表明，工人正在把某些跨职业辅助纳入持续性工作流，而不是简单试一次就丢开。

另一项分析为"复现性"提供了背景。在抽样的一个月后续观察匹配样本中，上个月使用过某项跨职业任务的工人，下个月回到该任务的比例为 23.6%；而可比照的、上月未使用该任务的工人中，这一比例仅为 8.4%。职业内任务和通用任务也呈现类似差距。

🧲 有些新活动特别"粘人"

复现率因工作类型而异，差别相当大。工人下个月继续以下跨职业任务的比例相对较高：

• 与客户讨论商品或服务：54%
• 广告或促销文案撰写：44%
• 创建营销材料：37%

相比之下，工人回到"解释财务信息"任务的比例只有约 15%。跨职业任务的下月平均回流率为 18.5%。这些差异可能反映了 AI 在哪些场景下能自然嵌入周期性工作流，也可能反映了职场规范、谨慎程度或"出错代价"认知上的差别。

🚀 从任务交叉到岗位扩容

前两份《前沿工作》报告共同描绘了一幅图景：工作内容如何先于职位名称发生变化。 第一份报告表明，工人会用 AI 跨越传统职业边界；本报告则发现，其中一些活动已经成为常规工作流的一部分。这些模式勾勒出一条 AI 驱动岗位变革的潜在路径：工人尝试一件本职之外的事，发现 AI 帮得上忙，然后开始把这件事变成日常工作的一部分。

AI 可能在职位头衔改变之前，就重塑了工作本身。 工人用 AI 处理与另一职业相关的活动，并随着时间推移反复回到其中一些活动上。如果这些活动成为常规职责，一项工作内部的活动组合可能被拓宽——即使它的头衔原封不动。OpenAI 将持续追踪这些变化，以便更清晰地呈现 AI 如何改变劳动分工，以及这对工人、企业和整体经济意味着什么。

• 阅读 OpenAI 关于"任务交叉"的研究，了解工人如何用 ChatGPT 承担传统角色之外的任务。
• 阅读 OpenAI 的 AI 岗位转型框架，了解 AI 能力、人类角色和需求如何塑造就业。

注：研究中的职业信息来自用户在 ChatGPT Business 入驻期间提供的角色或部门信息，消息取自这些用户对话的抽样。研究排除了禁用训练的数据和无法分类的消息，并对消息进行聚合与匿名化处理，研究团队从未读取过任何单条用户消息。

笔者锐评

这份报告最狠的一刀是这句："职位头衔不变，工作内容已经变了。" 国内职场人应该深有体会——JD（岗位说明）上写的是"数据分析师"，实际天天在用 AI 写方案、做设计、剪视频。组织还在按老的头衔发工资、定 KPI，但真实的劳动分工早已被 AI 重新洗牌。

对企业管理的启示很直接：别再问"该不该给员工开 AI 工具"，该问的是"任务怎么重新划分"。 研究里那个 54% 的数字（与客户讨论业务的复现率）说明，AI 最先吞噬的是"跨界对话类"工作。对个人而言，"借用专业知识"这个说法值得抄下来——未来的竞争力不是你会多少技能，而是你能不能精准地把别的领域的知识"借"到自己的问题上。

求点赞 👍 求关注 ❤️ 求收藏 ⭐️你的支持是我更新的最大动力！