AI让岗位边界变模糊：OpenAI追踪百万条消息，揭示企业任务分配新逻辑

企业部署AI工具后，员工实际工作内容正在发生微妙位移。OpenAI最新发布的《工作前沿》报告指出，AI能否在企业中真正发挥作用，不仅取决于工具供给，更取决于任务如何被拆分与重新安排。

跨界任务从尝鲜走向日常

报告追踪了2026年4月至7月约6200名员工的使用行为，覆盖超过150万条工作类ChatGPT消息。数据显示，员工此前处理过的跨职业任务，在具体职业类AI活动中的占比从4月的13.1%攀升至7月的25.9%。这意味着相当一部分跨界操作并非一次性试探，而是逐步嵌入日常工作流程。

在抽样的一月期匹配追踪中，员工次月再次处理上个月某项跨职业任务的比例达到23.6%；而此前一个月未接触过同一任务的可比员工，这一比例仅为8.4%。本职范围内任务与通用任务也呈现类似差距，说明AI使用行为具有明显的延续性。

提示词习惯暴露任务属性差异

员工面对不同性质的任务时，与AI的交互方式存在系统性差异。处理原有职责之外的工作时，平均输入的提示词更短，较少要求AI解释原理、提供操作步骤或按指定格式回答。与此同时，员工更愿意主动提供示例和背景信息，也更频繁地要求AI帮忙检查或验证结果。

一种合理解释是，员工将AI视为调用其他专业能力的快捷通道。他们通常带着具体问题和必要材料——如文件、示例或同事提供的信息——让AI帮助解决跨领域问题，而非从头学习一个陌生领域。

留存率分化揭示岗位演变路径

不同跨职业任务的次月重复使用率差异显著。与客户讨论商品或服务的留存率高达54%，制作营销材料为37%；相比之下，解释财务信息的次月重复使用率约为15%，所有跨职业任务的平均水平为18.5%。

• 与客户讨论商品或服务：54%
• 制作营销材料：37%
• 解释财务信息：约15%
• 跨职业任务平均留存率：18.5%

这种分化可能源于任务本身与AI工作流的契合度，也可能与企业内部规范、员工谨慎程度以及出错后果的严重性有关。报告认为，由此可以勾勒出一条可能的职位演变路径：员工先尝试处理传统职责之外的任务，发现AI能够提供有效帮助，随后在日常工作中不断回到这项任务。即使职位名称未变，实际工作内容也可能持续拓宽。

对于正在探索AI部署策略的企业而言，这项研究提供了一个关键提醒：制定AI战略不能只考虑给员工配备什么工具，还需要重新思考工作本身该如何设计。当AI缩短了“发现问题”与“推动工作向前”之间的距离，组织架构与职责划分的调整或许比工具选型更为迫切。