OpenAI：2026前沿工作：人工智能如何拓展人类工作边界研究报告（中译版）（16页）.pdf

核心结论速览： 43.5%的职业特定AI交互涉及本职以外的任务：OpenAI分析超80万条美国ChatGPT工作消息发现，排除写作、总结等通用任务后，近半数岗位特定任务请求指向其他职业的传统工作范畴。 客户体验岗位跨界比例最高达77%：其次为设计75%、人力资源69%、法律56%、营销53%。这些岗位的从业者正在借助AI“借用”其他职业的任务。 营销与工程任务传播最广：营销任务占其他职业消息的8.9%（样本中最高），工程任务占7.4%。营销同时是任务“借入”和“输出”的双向枢纽。 设计师大量借入、极少输出：设计师35.2%的消息涉及其他职业任务，但设计任务仅占其他职业消息的1.7%——AI降低跨界门槛，但高价值设计仍依赖人类判断。 小企业任务跨界更显著：中等用量用户中，2-5人工作空间的跨界比例（18.9%）高于100人以上空间（16.3%）。小企业缺少专职专员，员工更倾向用AI直接处理本需转交的任务。 任务包正在变得“更混合”：每个职业仍保留可观的本职或通用活动，但营销和工程类任务正频繁出现在其他职业的AI使用中，表明AI正在拓宽职业边界。H2：研究背景与全景图谱。2026年7月27日，OpenAI经济研究团队发布《Work at the Frontier: How AI is expanding what people do at work》，这是其“Work at the Frontier”系列的首份报告。该研究基于对美国ChatGPT用户超过80万条工作相关消息的随机抽样分析，试图回答一个比“AI会不会替代岗位”更具体的问题：当人们在工作场景中使用AI时，他们处理的还是传统上属于自己岗位的任务吗？研究借鉴了劳动经济学中的任务框架（task-based framework）——该框架将关注点从职业作为不可分割的单位转向工人和机器执行的具体活动。但研究更进一步：多数AI与工作的研究从固定任务列表出发，询问模型能否执行这些任务；而本研究的证据表明，AI也在改变“谁承担哪些任务”。OpenAI首席经济学家Ronnie Chatterji指出：“职业之间的边界可能已经因AI而变得更加灵活”。H2：任务跨界的定义与测量。OpenAI将研究现象命名为“任务跨界”（Task Crossover） ：历史上与某一职业相关联的工作，出现在另一职业从业者的AI使用中。测量采用三级分类体系： 通用任务（Generic） ：写作、总结、日程安排等广泛存在于各类职业中的活动，占全部消息的61.5%。这些任务过于普遍，不能作为跨界的证据。 本职任务（Within Occupation） ：任务内容与用户自身职业的历史边界直接相关或语义接近。 跨界任务（Cross-Occupation） ：任务内容与另一职业的传统工作相关联。在排除通用任务后，剩余38.5%的职业特定消息中，43.5%被归类为跨界任务。这意味着，在那些真正具有职业辨识度的AI使用场景中，近半数正在打破传统的职业边界。H2：跨界模式的职业差异。研究覆盖八个职业群体：客户体验、设计、工程、财务、人力资源、法律、营销和销售。高跨界职业（借入型） ：| 职业 | 跨界比例 | 特征 |||||| 客户体验 | 77% | 最高跨界比例，大量借入其他职业任务 || 设计 | 75% | 35.2%消息涉及其他职业，但设计任务仅占其他职业的1.7% || 人力资源 | 69% | 跨界比例第三高 || 法律 | 56% | 跨界比例过半 || 营销 | 53% | 同时在“借入”和“输出”两个方向上均显著 |低跨界职业（输出型） ： 工程（28%） ：最低跨界比例，但工程任务占其他职业消息的7.4%——工程任务最常被其他职业“借用”。 财务（40%） ：跨界比例与销售并列较低。 销售（40%） ：跨界比例较低。研究揭示了两种不同的跨界方向： 借入型（设计师为代表） ：从业者大量使用AI处理其他职业的任务，但本职业的任务很少被其他职业承担。AI降低了设计师进入相邻领域的门槛。 输出型（工程师为代表） ：从业者较少借入其他职业任务，但本职业的任务广泛出现在其他职业的AI使用中。工程技术问题正越来越多地被非工程团队自行解决。 双向型（营销为代表） ：同时在两个方向上表现突出——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职业消息的8.9%（样本最高）。H2：任务级别的跨界模式。研究进一步深入到具体任务层面，发现某些特定任务具有极强的跨职业传播力：财务计算：在全部七个其他职业群体中均位列前三的财务相关任务。非财务用户发送的财务相关消息中，9.8%涉及财务数据计算。技术故障排查：在全部七个其他职业群体中均位列前三的工程相关任务。非工程用户发送的工程相关消息中，6.1%涉及计算机应用或系统的故障排查。营销材料制作：非营销职业中，25%的营销相关消息涉及制作推广材料（广告、社交媒体帖子、传单、宣传视频等）。在设计师群体中尤为突出（13.6%）。与政府机构沟通：在法律相关任务中出现频率最高。H2：企业规模的影响。研究按工作空间席位规模（非公司总人数）对用户分组，发现企业规模影响任务跨界程度：中等用量用户（消息量分布中间50%）中： 2-5人工作空间：18.9%的消息为跨界。 100人以上工作空间：16.3%的消息为跨界。差距约2.5个百分点，相对于最小工作空间的跨界率下降约13%。但在最高用量用户（前25%）中，这一趋势不再成立。一种可能的解释：小企业的中等用量用户在没有专职专员可求助时，更倾向用AI处理本需转交给其他职能的工作——营销文案、合同审查、财务分析、技术故障排查。而重度用户可能已形成以核心职业为中心的稳定AI工作流，额外消息量更多反映重复性工作而非职能扩张。H2：未来3-5年机会洞察。机会赛道一：AI赋能的任务跨界工具（确定性最强） 。研究证明员工正在主动跨界执行本不属于自己岗位的任务。能够帮助非专业人员安全、高效地完成“相邻任务”的AI工具——如营销人员自助排查网站故障、HR自助审查合同——需求明确。机会赛道二：小企业AI生产力工具（需求明确） 。小企业跨界比例更高，因缺少专职专员。面向小企业的“全能AI助手”——帮助少数员工完成营销、财务、法律、技术等多领域任务——存在明确市场空间。机会赛道三：职业培训与技能重塑（政策驱动） 。任务跨界意味着职业边界正在模糊，员工需要新的技能组合。面向“跨界能力”的职业培训——如设计师学习数据分析、营销人员学习基础技术排查——需求将增长。机会赛道四：组织设计与流程再造咨询（新兴赛道） 。AI正在改变“谁做什么”的底层逻辑。帮助企业重新设计岗位职责、优化任务分配、建立AI辅助工作流程的咨询服务需求明确。多角色行动建议： 企业领导者：重新审视岗位边界——AI正在让员工承担相邻任务，组织设计应考虑“AI辅助的跨界能力”而非僵化的岗位描述。 HR与学习发展：投资于“跨界技能”培训——帮助员工在AI辅助下安全地完成本职之外的相邻任务；建立AI辅助工作的审查与问责流程。 产品经理与AI开发者：为“非专家用户”设计工具——降低专业任务的准入门槛；关注小企业市场的“全能助手”需求。 政策制定者：劳动统计和职业分类体系应反映AI带来的任务重组；职业培训体系需适应“跨界能力”的新要求。延伸阅读：以上为报告核心趋势分析，如需获取完整报告详细数据及全部图表，请访问下载页下载完整PDF报告。FAQ。Q1：43.5%这个数字到底意味着什么？A：43.5%是指在排除写作、总结、日程安排等通用任务后，具有职业属性的AI交互消息中，任务内容落在用户本职之外的比例。并非43.5%的岗位正在被AI替代，也不是43.5%的员工已经开始跨职业工作。Q2：哪些职业的任务跨界最严重？A：客户体验（77%）、设计（75%）、人力资源（69%）、法律（56%）、营销（53%）。但跨界的方向不同——设计师大量借入其他职业任务但很少输出，工程师则相反。Q3：小企业为什么跨界比例更高？A：小企业缺少专职专员，中等用量用户更倾向用AI处理本需转交给其他职能的工作。2-5人工作空间的跨界比例（18.9%）高于100人以上空间（16.3%）。Q4：这对企业意味着什么？A：岗位边界正在变得灵活。企业应重新审视岗位设计，投资于跨界技能培训，建立AI辅助工作的审查与问责流程。数据来源说明。本文数据来源于OpenAI经济研究团队《Work at the Frontier: How AI is expanding what people do at work》报告（2026年7月27日发布），基于对美国ChatGPT用户超过80万条工作相关消息的随机抽样分析。