事件概述

2026年7月27日，OpenAI经济研究团队发布了其“Work at the Frontier”系列的首份报告，题为《How AI is expanding what people do at work》。该研究基于对美国超过80万条ChatGPT用户消息的分析，发现AI正在从根本上改变“谁做什么工作”这一传统分工模式。报告的核心理念是“任务交叉”（Task Crossover）：即原本属于某一职业的任务，正越来越多地出现在其他职业用户的AI使用中。数据显示，16.8%的工作相关消息和43.5%的特定职业消息涉及其他职业领域的任务。

关键技术点

  1. 任务交叉的定义：研究者将用户消息分为“通用型”（如写作、总结、调度等跨职业共享活动）和“特定职业型”。在剔除通用任务后，43.5%的特定职业消息指向用户自身职业之外的领域。这表明AI正促使工作者在正式职位描述未改变之前，就开始尝试新任务组合。

  2. 高交叉率职业：客户体验工作者77%的特定职业消息涉及其他职业任务，设计师为75%，人力资源为69%，法务为56%，营销人员为53%。这些职业的从业者正在“借用”其他岗位的典型任务。

  3. 任务传播方向：营销和工程任务在组织内传播最广。例如，创建营销材料出现在5个其他职业组中，财务计算和技术故障排除出现在所有7个其他职业组中。

  4. 设计 vs 工程：设计师大量借用外部任务（35.2%），但设计任务几乎不出现在其他职业中；工程师则相反——工程任务常被其他职业者使用（7.4%），但工程师本身借用外部任务较少（18.5%）。营销则双向突出：既大量借用外部任务（24.3%），其任务也广泛外流（8.9%）。

  5. 企业规模效应：在小企业（2-5座位）中，普通用户的任务交叉率为18.9%，而在大企业（100+座位）中降至16.3%。AI在小企业中更像一个“通才工具”，弥补专业资源稀缺。

  6. 任务列表的动态变化：该研究认为，使用模式是职业变化的早期信号，传统劳动力统计需更长时间才能反映这些变化。

对数据科学或AI Agent落地的意义

这一发现对AI Agent的设计与部署具有重要启示：

  • Agent的角色扩展：传统AI Agent常被设计为面向特定领域（如客服、数据分析），但任务交叉现象表明，工作者需要Agent能跨领域处理任务。未来的Agent应具备“通才”能力，能在不同任务间灵活切换，而非僵化绑定一个职业角色。
  • 数据科学工作流的变化：数据科学家可能不再独占分析任务——营销人员、设计师等通过AI自行处理数据探索。这要求数据科学工具更加低门槛、可解释，同时需要Agent能辅助非专业人士进行数据理解和质量控制。
  • 小企业场景优先：AI Agent在小企业中价值更大，因为它们能填补专业资源缺口。产品设计应重点考虑小团队的工作流，提供一键式跨任务支持。

我的技术点评

OpenAI这项研究提供了第一个大规模、基于真实使用数据的实证，证实了“AI不是替代工作，而是重新分配工作”这一直觉。任务交叉率高达43.5%远超预期，说明工作者已经在主动利用AI突破职业边界。这对企业组织设计提出挑战：未来“岗位描述”可能变得不再重要，更重要的是“赋能个体完成任务的能力”。同时，研究者通过区分通用任务与特定任务的方法论值得借鉴，避免了将多职业共有的写作、总结等误判为交叉。不过，数据仅来自美国ChatGPT用户，且消息分类高度依赖文本内容，可能存在职业标签偏差。原文未说明具体分析框架的准确性如何验证，也值得后续关注。对于AI Agent落地而言，这意味着需要构建能动态识别用户当前任务语境并推荐合适行动的系统，而非预设固定的角色列表。

原文链接

https://openai.com/index/how-ai-is-expanding-what-people-do-at-work