OpenAI 于 9 月 16 日发布了劳动力市场研究系列 Work at the Frontier 的第二份报告[1]。该报告分析了 2026 年 4 月至 7 月期间超过 150 万条与工作相关的 ChatGPT 消息，用数据呈现出这样一种现象：把 AI 用在本职之外工作上的人，之后还会反复回到同一类工作。职位名称没变，但一个岗位所包含的工作范围正在悄然扩大。
第一份报告讲跨职业使用，这一份讲后续
7 月发布的第一份报告指出，在能够识别职业归属的工作类消息中，有 43.5% 涉及历史上属于其他职业的任务[2]。设计师撰写广告文案、销售人员排查软件故障，都属于这种跨越职业边界的用法。
第二份报告接着追问：跨界使用只是一次性的尝鲜，还是会沉淀为工作方式？OpenAI 对 ChatGPT Business 的使用数据连续追踪了 4 个月，结论更偏向后者[1]。
在本职之外，提示词的写法会变
值得注意的是，同一个人面对不同类型的任务，向 AI 求助的方式并不相同。在询问本职之外的任务时，提示词平均比询问本职任务时更短；要求解释、索取操作指引、指定回答格式或征求建议的比例也更低[1]。
取而代之增加的，是补充示例与背景信息的行为，以及请 AI 核对内容是否准确的行为。OpenAI 将此解读为借用专业能力，而非从头学习一个新领域：用户带着问题和相关材料，请 AI 套用属于另一个领域的知识[1]。换句话说，原本要去问同事的问题，现在转向了模型。
4 个月内翻倍的重复使用
反映固化程度的数据有两组。第一组来自 4 月至 7 月持续可观测的约 6,200 名用户。此前使用过的跨职业任务，在 4 月占到可识别职业的 AI 使用量的 13.1%，到 7 月升至 25.9%[1]。
第二组是一个月后的追踪。上个月在跨职业任务上使用过 AI 的人，次月回到同一任务的比例为 23.6%；而条件相近、上个月没有观测到该项使用的人只有 8.4%[1]。在本职任务和通用任务上也出现了类似的差距。
哪些工作更容易回头
不同类型的任务，重复率差异相当明显。次月回归比例较高的是：与客户讨论商品或服务为 54%，撰写广告或促销文案为 44%，制作营销材料为 37%[1]。
相比之下，解释财务信息的任务只有约 15%。跨职业任务整体的次月回归率为 18.5%[1]。OpenAI 提到，这种差异可能不只反映 AI 是否契合，也反映了职场惯例、谨慎程度，以及一旦出错所带来的后果大小。涉及数字和金额时更不敢放手，这种感受并不难理解。
研究方法与隐私处理
分析对象是那些能够通过 ChatGPT Business 初始设置中填写的职务或部门信息判定职业的用户的会话样本。关闭训练用途的数据，以及无法完成分类的消息均被排除[1]。
OpenAI 明确表示，消息经过汇总与匿名化处理后才用于分析，研究团队不会阅读单个用户的消息[1]。另外需要留意的是，随着每个月都有人尝试新任务，能够算作重复使用的任务数量本身也在增加。
制度变动之前，工作内容先动了
OpenAI 由此得出结论：在组织的 AI 战略中，工作如何拆分与推进，和能否用上 AI 工具同样重要[1]。有人尝试本职之外的工作，发现 AI 好用，此后便反复回到这项工作。这种积累持续下去，即便职位名称不变，岗位所包含的工作组合也会变宽。
该公司还发布了用于梳理就业影响的框架 AI Jobs Transition Framework，除技术上的可替代性外，还把人类参与的必要性以及需求的增减纳入职业分类[3]。这次的调查可以看作一份佐证：该框架所预设的变化，已经开始从实际使用日志中显现。
总结
OpenAI 的第二份报告用超过 150 万条数据说明，跨职业的 AI 使用并非一时的实验，而是正在被纳入日常工作流程。跨职业任务的占比在 4 个月内从 13.1% 升至 25.9%，在客户沟通和促销文案撰写方面，接近一半的人次月仍会回到同一任务。在招聘启事被改写之前，岗位的实际内容已经在悄悄变宽。这样看来，比起如何分发 AI 工具，重新划定把哪些工作交出去的界线，也许才是更紧迫的问题。
来源：https://openai.com/index/unlocking-new-ways-of-working/
来源：https://openai.com/index/how-ai-is-expanding-what-people-do-at-work/
