OpenAI 用 80 萬條消息拆穿職業邊界:43.5% 的工作查詢,早跨出了自己的工位
重點摘要
AI資訊AI新閒資訊正文OpenAI 用 80 萬條消息拆穿職業邊界:43.5% 的工作查詢,早跨出了自己的工位發布於AI新閒資訊時間 :Jul 28, 2026閱讀 :1分鐘OpenAI 第一次把"AI 正在抹平崗位之間的牆"這件事,擺到了可量化的數據面前。它翻檢了超過80萬條與工作相關的 ChatGPT 消息,得出一個刺眼的比例:43.5% 的崗位特定查詢,指向的其實是另一個職業的活兒。
**重寫後的新聞稿:**
人工智慧正在如何改寫職場的遊戲規則?OpenAI 近日公布一項基於超過 80 萬條工作相關 ChatGPT 對話的大規模分析,給出了一個具體而震撼的數字:43.5% 的「崗位特定查詢」,使用者實際上正在處理的是另一個職位的工作。這項名為「任務交叉」的現象,標誌著 AI 已經開始系統性地抹平傳統職業邊界,讓員工不再被動地固守自己名片上的頭銜,而是主動跨入鄰近領域的專業任務。這項發現不僅呈現了 AI 工具在企業滲透的實際樣貌,更可能預示未來組織架構與人力資源配置的根本性變革。
為了讓分析具備科學基礎,OpenAI 借用了美國勞工部旗下的職業資訊網絡 O*NET,這套龐大的職業數據庫將每項工作拆解為具體任務,並對應到標準的職業分類。研究者從 ChatGPT 的大量對話中篩出與工作相關的請求,並刻意剔除寫作、摘要、日程安排等跨職業的通用型任務,只保留那些能夠清楚指向特定職能的操作。當這數十萬筆查詢被對應到標準職業後,一個驚人的圖像浮現:超過四成的查詢問的是「別人家的任務」。
舉例來說,一名市場行銷專員可能要求 ChatGPT 協助分析網站流量日誌,這項工作傳統上隸屬於數據分析師或 IT 維運團隊;又或者,一位產品經理開始用 AI 審查供應商合約中的法律條款,直接觸及法務部門的核心職責。這種「撈過界」並非少數人的奇想,從 OpenAI 提供的案例來看,從法務審核、數據分析到網站故障排除,這些原本鑲嵌在特定專業崗位上的差事,如今正被一般員工抱著聊天機器人自行消化。尤其頻繁的是,市場行銷與工程開發兩類任務的交叉最為突出,成為職業邊界最早被滲透的破口。值得注意的是,這股「一人多工」的趨勢在不同規模的企業中出現強烈溫差。
研究顯示,任務交叉的現象在小型公司特別顯著,原因直指資源稀缺。對於無力負擔完整法務、數據或行銷團隊的小企業來說,AI 成為成本極低的替補方案,讓非專業背景的員工也能夠填補專業缺口。不需要增聘分析師,創辦人自己就能用 ChatGPT 跑出一份市場調查報告;沒有專職工程師,營運人員也能靠 AI 逐步排查網站故障。在這樣的場域中,AI 不再是效率輔助工具,而是直接取代了部分專業服務的採購需求。OpenAI 在報告中指出,這些使用行為其實是一個領先指標,比職稱異動或組織圖表的更迭更早反映工作現場的變化。
當員工在未經公司正式授權的情況下,大規模使用外部 AI 工具完成隔壁部門的工作,代表職能的實質重組已經發生,只是公司內部的職位說明與薪酬結構還來不及跟上。這對人力資源管理帶來全新挑戰:一個人到底該被賦予多少種職能,又該如何被歸類和評價?更深層的意涵還在於,這項發現正在瓦解過去關於「工作」的定義——傳統上,一項職業往往對應一套穩定的任務集合,專業人士透過長期訓練築起壁壟。但 AI 的介入大幅降低了任務的執行門檻,讓「去專業化」成為可能。審查合約不需要法學學位,基礎數據分析不再必然要求寫程式能力,只要懂得如何向 AI 提出正確問題、驗證答案的品質,非專業人士也能觸及過往的知識壁壘。
這股力量無形中重塑了勞動市場的供需邏輯:相對容易被拆解、標準化的專業任務,將最先被 AI 穿透,而專業人士的護城河可能必須從「執行」轉向「判斷與整合」。不過,機會與挑戰並存。任務交叉在提升員工自主性與企業靈活性的同時,也衍生出潛在風險。欠缺專業訓練的人員若過度仰賴 AI 處理法律或資安等敏感任務,可能導致錯誤判斷未被察覺,反而帶來更高的風險暴露。此外,當員工被期待同時肩負多重角色,而公司又因為效率提升而不願增聘人手時,工作負荷可能進一步加重。
這恰好與 OpenAI 執行長奧特曼近期另一番言論相互呼應——他曾在公開場合指出,AI 並不會讓人類變得更悠閒,因為生產力提升將激發更激烈的競爭,人們只會更忙,而非更輕鬆。兩者結合來看,AI 雖然解放了任務邊界的束縛,未必能解放人的時間,甚至可能讓「多工」成為新常態下的工作壓力來源。回到這份研究的核心,OpenAI 試圖傳達的訊息不僅是「AI 正在改變工作形式」,更是「職業本身正在解體與重構」。當 43.5% 的工作查詢已經跨越職位界線,真正的影響或許不在於哪個職業會被消滅,而是每個人不再只有單一技能標籤——「一個人該會多少種本事」的舊標尺正在被改寫。
對於企業而言,下一步該思考的不是如何禁止員工跨任務使用 AI,而是如何重新設計組織,讓這種自發的職能流動成為競爭力,並建立新的責任歸屬與品質控管機制。這場由 80 萬條訊息揭露的職場革命雖然才剛剛開始,卻已經讓「工作」的模樣變得截然不同。未來,當我們自我介紹時,也許不再說「我是行銷專員」或「我是工程師」,而是改口:「我是那個用 AI 同時處理行銷、數據與法務任務的人」。名片上的頭銜或許會消失,但職能的邊界,將以我們難以預測的方式持續擴張。
Related
相關文章

曝字節訓10億參數大模型,或超Mythos 5,張一鳴、梁汝波先後發聲
字節跳動正在訓練一個參數量高達10萬億的AI模型,規模可能超越Anthropic的Mythos 5。創辦人張一鳴在內部會議中強調編程的關鍵地位,並反對模型蒸餾,認為這只能複製而非超越對手。字節跳動在AI領域持續加大投入,同時在產品端與訓練端採取雙線進攻策略。

AI 需求擠爆雲計算,消息稱 AWS 要求工程師關閉閒置服務器減少資源浪費
因AI需求導致算力緊缺,亞馬遜AWS要求工程師關閉閒置的EC2實例,以減少資源浪費。數據顯示約65%的EC2實例在30天內平均CPU利用率低於20%,AWS因此升級計算優化器自動標記低使用率虛擬機。此外,AWS過去一年新增3.8吉瓦電力容量,仍難以應對GPU雲端實例的龐大需求。
NVIDIA AI 推出 NOOA:將 AI 代理轉化為單一 Python 類別的物件導向框架
NVIDIA 實驗室開源了 NOOA(NVIDIA 物件導向代理),這是一個與模型無關的 Python 框架,用於建構 AI 代理。傳統的代理開發分散在提示模板、工具架構、回呼程式碼和工作流程圖中,而 NOOA 將所有這些整合到一個 Python 類別中:方法代表模型可採取的動作,欄位代表代理狀態,文件字串作為提示,型別註解則是執行時期強制執行的合約。主體為「...」的方法由 LLM 驅動的迴圈在執行時期完成,而具有正常主體的方法則保持確定性的 Python 程式碼。開發者與模型因此共享同一介面,使代理行為能像一般軟體一樣進行測試、追蹤、重構和版本控制。NVIDIA 報告在 SWE-bench Verified 上達到 82.2%,在 CyberGym L1 上達到 86.8%,平均 RHAE 為 85.1%。

六巨頭定AI插件新標準,撞臉Claude,Anthropic沒上桌
六大科技巨頭(AWS、Anysphere、GitHub、微軟、OpenAI、Vercel)聯合發布AI智能體插件統一開放規範Agent Plugins 1.0.0,旨在統一插件打包格式,減少開發者重複勞動。該規範的結構與Anthropic的Claude Code插件系統高度相似,但Anthropic並未參與制定,而是繼續經營自己的封閉生態。

DeepSeek重啟融資,三年市值對齊騰訊?
DeepSeek重啟第二輪融資,以5000億元人民幣估值尋求籌集80億美元,但網傳一份由小型醫藥私募發起的專項基金募資材料引發網友質疑,後經DeepSeek員工證實部分數據屬實。該公司近期宣布API大幅漲價,可能打破其以低價換規模的估值邏輯,面臨客戶流失風險。市場關注其能否從「價格屠夫」轉型為價值提供商,以及三年內市值能否對齊騰訊等巨頭。

可靈AI核心技術骨幹王鑫濤被曝離職
快手可靈AI核心技術骨幹王鑫濤被曝離職,去向未知,快手官方與本人均未回應。王鑫濤是圖像與視頻生成領域知名開源項目主要作者,被視為可靈從0到1的關鍵推手。其離職發生在可靈完成獨立融資、估值180億美元的關鍵階段,可能影響研發進度與競爭優勢。