AI 如何拓宽工作边界：OpenAI 研究揭示任务交叉现象
AI 前沿· 原作者：OpenAI Blog· 5 分钟阅读0 阅读
OpenAI 最新研究分析了 80 万条 ChatGPT 消息，发现 16.8% 的工作相关消息和 43.5% 的职业特定消息涉及其他职业的任务。这意味着 AI 正在改变“谁做什么”的工作分工，小企业尤其受益。该研究为职业重组提供了早期信号。
OpenAI 的最新研究揭示，AI 不仅改变工作方式，还在重塑工作内容本身。通过对 80 万条美国 ChatGPT 用户消息的分析，他们发现 16.8% 的工作相关消息和 43.5% 的职业特定消息涉及本应属于其他职业的任务。
一个小企业主可以独立起草文案、审阅合同或进行基础财务分析；销售员可以用 AI 探索原本需要分析师处理的数据集；营销人员无需等待开发者就能自行排查网站问题。在这些场景中，AI 改变的不只是如何完成工作，更是“谁”来做什么。
这份名为《前沿工作：AI 如何拓展人们的工作领域》的报告，重点研究了这种转变。OpenAI 将这种现象称为任务交叉（task crossover）：历史上属于某一职业的工作，出现在其他职业人群的 AI 使用中。在同步发布的 AI 职业转型框架（PDF）中，他们提出许多岗位可能面临重组——日常工作内容将发生显著变化。该报告是《前沿工作》系列的首篇，旨在实时追踪 AI 对工作的影响。
近半数职业相关的 AI 使用跨越了岗位边界
以往许多关于 AI 与工作的研究，都基于固定的职业任务列表，然后询问模型能否完成这些任务。但新证据表明，AI 也在改变谁承担哪些任务。
为了衡量任务交叉，研究人员首先区分了与特定职业关联的工作（职业特定任务）和许多岗位共有的工作（通用任务）。写作、总结、日程安排等活动在各职业中都广泛存在，不能作为交叉的证据。针对其余消息，他们判断该任务属于用户自身职业还是其他职业。结果显示，在非通用任务中，43.5% 落在用户自身职业之外——这是一个早期信号，表明在职位描述或头衔发生变化之前，AI 就已开始重塑工作的任务构成。
这意味着，相当一部分工作相关的 ChatGPT 使用来自用户扩展自身职责。这一模式在几个群体中尤为明显：排除通用任务后，外部职业任务占比分别为：
- 客户体验工作者：77%
- 设计师：75%
- 人力资源工作者：69%
- 法律工作者：56%
- 营销人员：53%
这些职业正在从其他岗位“借用”任务。证据指向劳动力分工的变化：一些过去需要交接给其他人的活动，如今可以由最先遇到需求的人直接完成。
有些任务传播得更远
下面的热图展示了任务交叉的具体流向，即每条非通用消息最接近哪个职业的任务。市场营销和工程任务传播最广，频繁出现在其他领域工作者的消息中。
| 传统任务来源 | 用户职业 | 客户体验 | 设计 | 工程 | 财务 | 人力资源 | 法律 | 市场营销 | 销售 |
|---|---|---|---|---|---|---|---|---|---|
| 分享 | 客户体验 | ||||||||
| 设计 | |||||||||
| 工程 | |||||||||
| 财务 | |||||||||
| 人力资源 | |||||||||
| 法律 | |||||||||
| 市场营销 | |||||||||
| 销售 |
注：热图显示，市场营销和工程任务在多个职业中广泛出现。
进一步聚焦具体任务时，任务交叉并非均匀分布。财务计算和技术排查在七个其他职业组中都位列最常出现的外部任务前三名。市场营销任务也传播广泛：创建营销材料出现在另外五个职业组中，在设计用户中尤其突出。
分析更宽泛的任务包，可以发现两个明显的交叉方向。有些岗位大量引入其他职业的任务（接收方），有些岗位则为其他职业提供任务（供给方）。
设计工作属于第一种模式：设计师约 35.2% 的消息涉及其他职业的工作，而设计任务仅占其他职业用户消息的 1.7%。设计师大量借用外部任务，但设计工作本身很少出现在其他领域。
工程工作则更接近相反方向：工程师仅 18.5% 的消息涉及其他领域，但工程任务（如故障排除、技术系统操作）占其他职业用户消息的 7.4%。工程是其他领域工作者频繁承担工作的一个重要来源。
市场营销在两个方面都很突出：营销人员 24.3% 的消息涉及其他职业任务，同时营销任务占其他领域工作者消息的 8.9%——这是样本中向外输出比例最高的。营销人员自身也在组合多个领域的工作，而营销工作也广泛分布于整个组织。
小企业中的任务交叉更多
企业的规模和结构会影响 AI 改变工作的方式。在大公司，员工可以依赖专门的团队、既定流程和内部服务。在小型组织中，离问题最近的人更可能自己动手解决，而不是委派他人。
在普通用户中，外部职业任务占比从工作区人数 2-5 人时的 18.9% 降至 100 人以上时的 16.3%。但在重度用户中，并未观察到同样的单调趋势。
一种可能的解释是：小企业中的中等用户遇到需要其他部门支持的工作时，会转向 AI；而重度用户可能已经形成了稳定的 AI 工作流，这些流程在不同组织之间看起来更相似，或者他们更密集地在核心职业中使用 AI。
在专业资源稀缺的地方，AI 作为通用工具可能尤其有用。
任务清单本身正在变化
像这样的 AI 使用数据，是工作重心转移的指示器。它让我们看到，在企业重新编写职位描述或创造新职位头衔之前，AI 已允许员工尝试新的活动组合。从这个意义上说，使用模式可能提供了职业变化的早期信号，而传统的劳动力市场统计要滞后很久才能捕捉到。
原文链接：OpenAI Blog
本文由前途科技编辑整理
想了解 AI 如何助力您的企业？
免费获取企业 AI 成熟度诊断报告，发现转型机会
//
24小时热榜
热门标签
关注公众号
扫码关注，获取最新 AI 资讯
免费获取 AI 落地指南
3 步完成企业诊断，获取专属转型建议
已有 200+ 企业完成诊断