AI 到底帮你省活,还是让你多干活?我拆了 17 个真实任务

摘要：OpenAI 分析超过 80 万条工作对话后发现，43.5% 的职业特定任务已跨出原岗位。我把一篇公众号文章拆成 17 项任务，涉及 9 类角色：AI 减少了交接，但不一定让人更轻松。

很多人判断 AI 有没有用，只看一个问题：同一件事是不是做得更快了。但对普通职场人和个体创作者，更值得检查的是另一件事：AI 帮你省掉旧任务以后，公司或你自己，是不是又顺手塞进了更多原本属于其他岗位的工作？ 岗位名称没有变，工作边界却可能已经改了。

OpenAI 的 43.5%，说的不是“岗位被替代”

OpenAI 7 月 27 日发布了一项工作研究，分析了超过 80 万条美国 ChatGPT 用户的工作相关消息。结果显示，16.8% 的全部工作消息涉及用户本职之外的任务；排除写作、总结、排期等通用工作后，43.5% 的职业特定消息与另一个职业相关。

这里最容易被误读。43.5% 不是“43.5% 的岗位会消失”，也不是“中国职场已经有 43.5% 的工作被 AI 接管”。它描述的是一种任务迁移：销售开始分析数据，市场人员开始排查网站问题，小企业老板自己写文案、看合同、做基础财务分析。

报告里，客服、设计、人力、法务和营销人员的跨岗位任务尤其明显。OpenAI 给出的判断是：AI 不只改变一项工作怎么完成，也在改变谁来完成它。

为了看这种变化落到个人身上是什么样，我没有另做一套演示，而是审计了昨天已经完整跑通的一篇文章。从用户批准 Codex Micro 选题，到生成最终微信载荷，本地文件留下了完整时间线。

我用任务包、脚本、基准 CSV、证据日志、图片、正文和微信 payload 的修改时间，划出 8 个可追溯阶段。总阶段窗口是 37 分 22 秒，用户等待和微信 IP 白名单等待没有算进去；这个数字也不是“纯人工操作时间”，因为其中包含模型生成、脚本执行和本地渲染。

再把流程拆细，一共有 17 项任务：

如果按传统分工标注，这 17 项任务涉及内容编辑、事实核查、测试设计、软件开发、质量保证、数据分析、数据可视化、视觉设计和发布工程，共 9 类角色。其中只有 4 项属于我设定的传统内容编辑核心边界，另外 13 项跨到了其他角色。

这次任务级分类得到 76.5%，但它不能和 OpenAI 的 43.5% 直接比。OpenAI 统计的是大量用户消息里的职业特定任务，我统计的是一条独立内容流水线里的任务；样本、单位和分类方法都不同。

真正有意义的不是两个百分比谁更高，而是它们指向了同一种变化：岗位名还在，交接点正在减少。

过去做这样一篇文章，可能要分别找研究、开发、设计和排版协作。现在一个人借助 AI、脚本和生成工具，确实可以把整条链路跑完。等待别人接单、解释上下文、来回传文件的时间少了，这是实打实的效率。

但效率还有另一面。因为很多事变得“顺手就能做”，原来可以交给别人的任务，也会自然落到同一个人身上：自己补数据、自己做图、自己写脚本、自己查错、自己上传。交接成本下降，往往伴随着职责范围扩大。

所以，“以前两个人做，现在一个人做”不能自动推出这个人更轻松。还要看三笔账：

你可以拿最近一个完整工作日，做一次 20 分钟自查。不要先列工具，也不要统计调用了多少次 AI，只列最终交付经过的任务。

给每项任务补四列：

做完以后，把任务分成三类。

第一类：真正省掉的任务。 它被自动化后，总时间下降、返工没有增加，也不需要你反复盯着。这类任务值得继续固化成模板或脚本。

第二类：只是转移到你身上的任务。 你以前要找别人，现在自己借助 AI 完成。它提高了独立交付能力，但未必减少工作量，应该确认这项能力是否能形成作品、收入或更大的决策权。

第三类：看似自动，实际增加了监督。 AI 先做一遍，你再检查一遍，出错还要重新定位原因。这类流程不能只计算生成速度，还要把验收和兜底时间算进去。

当任务开始跨岗位，最值钱的能力不是“每一种工作都会一点”，而是能把工作拆清楚：输入是什么、标准是什么、哪里允许 AI 自动做、哪里必须人工确认、出错后怎样恢复。

对个体创作者，这意味着把反复出现的研究、制图、排版和发布动作做成可复用流程。对职场人，这意味着别让新增任务只变成隐形工作量，要把它们沉淀成数据、模板、案例和可说明的能力边界。

判断标准不是你一天用了多少次 AI，而是它有没有减少总工时、降低返工，并让新增职责变成你的能力资产。

OpenAI 的研究提醒我们，AI 对工作的影响可能先出现在任务表里，晚一点才会写进岗位说明书。下一次再说“AI 帮我提效了”，不妨先问一句：它拿走了哪项旧工作，又把哪项新工作交给了我？