讨论 AI 与工作时，最常见的问题是哪些岗位会消失。这个指标可能出现得太晚。更早发生的变化是：销售开始分析数据，设计师开始排查软件问题，小企业经营者开始自己起草文案或做基础财务分析，而公司的职位说明还没有改变。
OpenAI Economic Research 把这种现象称为 task crossover，也就是跨岗位任务流动。一项覆盖 80 多万条美国用户工作相关 ChatGPT 消息的研究显示，全部工作消息中有 16.8% 涉及历史上属于其他职业的任务。排除写作、总结、排期等各岗位普遍存在的活动后，跨岗位任务占非通用岗位相关消息的 43.5%。
这不等于 AI 已完成其他专业 43.5% 的工作。它只说明用户正在用 AI 尝试超出本人历史岗位边界的任务。把这层区别说清楚，一个容易引发误读的数字才会变成有用的领先指标。
阅读时间：约 11 分钟｜正文约 4,500 字
30 秒摘要
- 跨岗位任务占全部工作相关消息的 16.8%；只有去掉通用工作后，占比才是 43.5%。
- 研究测量的是消息和尝试的活动，不是完成任务、生产率或岗位消失。
- 任务流动有方向：设计主要吸收，工程主要输出，营销双向流动。
- 执行扩散到更多岗位后，复核能力、验收权限、培训和问责会成为新的组织约束。
43.5% 的分母是什么
OpenAI 报告把随机抽取的工作相关消息分成三类：
| 分类 | 占全部工作相关消息 |
|---|---|
| Generic，通用任务 | 61.5% |
| Within occupation，本岗位任务 | 21.8% |
| Cross-occupation，跨岗位任务 | 16.8% |
通用任务在许多职业里都会出现，因此很难用于判断职业边界。报告把写邮件、总结和安排日程等活动归入这一类。
去掉通用消息后，再把本岗位和跨岗位消息重新折算为 100%，跨岗位消息占比就是 43.5%。
两个数字都成立，但回答的问题不同：
- 16.8% 回答：全部工作相关使用中，有多少跨过历史职业边界。
- 43.5% 回答：去掉通用工作后，岗位特定使用中有多少跨过边界。
因此，“近一半的 ChatGPT 工作使用都超出用户岗位”是错误表述。接近一半的是非通用、岗位相关子集。
研究到底测了什么
样本包含 80 多万条来自美国用户个人 ChatGPT 账户的工作相关消息。用户职业来自他们通过 ChatGPT Business 自报的 Department 或 Role 信息。
OpenAI 把每条选中消息映射到一个主要的 O*NET Detailed Work Activity，再与用户职业的历史任务边界比较。研究覆盖客户体验、设计、工程、财务、人力资源、法律、营销和销售八类岗位。
分析单位是一条消息，不是一小时工作、一个完成的任务、一个项目或一份岗位。
报告看不到：
- AI 输出是否被采用；
- 输出是否正确；
- 节省了多少时间；
- 用户没有 AI 时能否独立完成；
- 是否有专业人士复核；
- 公司是否正式改变了用户职责。
OpenAI 明确把结果定义为描述性研究。它不估计 AI 对就业或生产率的因果影响，样本也不能代表整个美国劳动力市场。
任务网络先于岗位名称变化
这些数据仍然揭示了一种传统劳动力统计较晚才能看到的变化。
职位说明和职业分类记录的是工作过去如何组织。AI 使用记录的则是人们现在正在尝试什么。员工可以在 HR 改职位名称或公司创建新岗位之前，就开始试验新的任务组合。
因此，跨岗位消息可以作为角色变化的早期信号：
- AI 降低陌生任务的执行成本。
- 最接近问题的人开始自己尝试，不再立即转交。
- 反复成功的尝试逐渐变成非正式职责。
- 复核流程、激励和职位名称更晚才调整，甚至不调整。
消息数据直接观察到的主要是前两步。后两步是组织推论，不是这项研究已经证明的结果。
任务流动有明确方向
跨岗位任务并非平均交换。有些岗位吸收许多外部任务，有些岗位则向组织其他位置输出任务。
OpenAI 官方文章强调了三种模式：
- 设计岗位主要吸收任务。 设计师消息中约 35.2% 涉及其他岗位工作，而设计任务在其他岗位消息中只占 1.7%。
- 工程任务主要向外扩散。 工程师消息中约 18.5% 涉及其他岗位工作，而工程任务在其他岗位消息中占 7.4%。
- 营销双向流动。 营销人员有 24.3% 的消息涉及其他岗位任务，营销任务又占其他岗位消息的 8.9%。
这些数字的分母不同，不能彼此做减法。它们的价值在于揭示方向。
样本中的设计师会借助 AI 组合多个领域的活动。软件故障排查等工程任务会流向其他岗位。营销既吸收外部任务，也把自己的任务传播到组织其他位置。
这更像一张正在改变的任务网络，而不是一张即将被替代的职业清单。
小型工作空间暴露了交接成本
在消息量处于中间 50% 的用户中，2 至 5 席位 workspace 的跨岗位消息占全部工作相关消息的 18.9%，101 席位以上为 16.3%。高消息量用户没有出现相同的单调关系。
报告给出一种合理解释：小型组织可用的专业人员更少，员工遇到过去需要另一个职能处理的任务时，更可能转向 AI。
这仍然是推论。workspace 席位数不等于公司总规模，两个比例的差距也不大。但它提示了一个值得验证的经济机制。
一次交接包含多种成本：
- 描述问题；
- 找到合适的专业人员；
- 排队等待；
- 转移上下文；
- 复核结果；
- 出错后确定责任。
AI 把第一次尝试变得很便宜。当尝试成本低于交接成本，更多员工会自己处理相邻任务。
因此，AI 可以制造更多通才行为，却不一定消灭专家。专家可能少接一些常规请求，同时承担更多复杂复核、例外处理和标准制定。
执行开始扩散，验收仍然稀缺
能做更多，不等于胜任更多
放大器具有危险的一面。AI 可以在非专业人员具备验收能力之前，先帮他生成一个看似完整的答案。
销售可以生成 SQL，却不了解数据血缘。创业者可以起草合同，却识别不了不可执行条款。营销人员可以修改网站，却不理解它的安全模型。
任务跨过了边界，责任并没有消失。
组织需要分别定义两种权限：
- 执行权限：谁可以借助 AI 尝试这项任务？
- 验收权限：谁可以判断结果安全且完整？
低风险草稿可以开放执行，并采用轻量复核。生产变更、财务决策、法律承诺和访问控制修改，则需要明确的专业验收人和升级路径。
如果不拆开这两种权限，跨岗位任务会制造隐形的职责扩张。员工承担了更多工作，但评价标准、培训、薪酬、权限和问责仍停留在旧岗位。
新瓶颈是验收能力
AI 降低了第一次产出的成本，却没有同步降低所有验证成本。
如果十名员工突然都能起草分析、查询、营销方案和合同，组织可能产生远超专家复核能力的输出。瓶颈会从生产迁移到验收。
这带来三个结果。
第一，专业知识的杠杆变大。专家可以定义模板、测试、政策和可复用的复核标准，指导更多使用 AI 的员工。
第二，薄弱复核系统的代价上升。尝试越多，看似可信的错误进入生产环境的机会也越多。
第三，绩效管理需要区分活动量与被验收的结果。如果继续统计生成了多少产物，就会在判断力最稀缺时奖励数量。
组织真正该问的不再只是“这个岗位能不能做这件事”，而是“系统能不能发现这件事什么时候做错了”。
企业应当测量什么
OpenAI 的研究是一张使用地图，不是企业运营仪表盘。组织可以用少量内部指标把信号变成行动：
跨边界率：AI 辅助任务中，有多少超出员工已记录的职责或训练范围？
验收路径：哪些输出由本人批准，哪些经过同事复核，哪些必须由领域专家验收？
返工与事故率：哪些跨岗位任务带来纠正、回滚、客户投诉或合规问题？
交接替代率：AI 真正消除了等待，还是只把专家介入推迟到更晚？
能力转化率：哪些反复出现的跨岗位任务已经足够可靠，应当配套培训、权限调整、绩效预期或职位重构？
这些指标必须按风险分层。跨岗位制作演示文稿和跨岗位修改生产数据库，不能共享一条成功门槛。
对个人意味着什么
报告没有证明成为通才一定更好。它说明 AI 让尝试相邻职责变得更容易。
可持续的个人策略包含三部分：
- 学习相邻领域的基本知识，至少能识别常见失败模式。
- 用 AI 降低执行摩擦。
- 高风险验收和边界案例继续保留专业人员入口。
真正的优势来自连接领域，同时尊重领域边界。能定义商业问题、生成第一版分析，又知道何时必须找统计专家的人，比只能生成一张看似合理图表的人更有杠杆。
跨岗位任务奖励判断力，不奖励无边界扩张。
结论
这项研究最有力的结果不是岗位消失预测，而是任务清单本身可能正在移动。
样本中，全部工作相关消息有 16.8% 跨过历史职业边界；在非通用岗位相关子集中，占比为 43.5%。营销与工程任务广泛流动，有些岗位吸收的活动多于输出，小型 workspace 的中等活跃用户显示出略高的跨岗位比例。
研究无法告诉我们这些尝试是否成功、是否提升生产率，或是否得到正式承认。这个局限恰好也是管理议题。
当 AI 降低尝试陌生任务的成本，企业就需要围绕流动的任务重新设计复核、权限、培训、激励和问责。职位名称也许稍后才会改变。真正的组织变化，从交接停止的那一刻已经开始。
下一步可以只审计一项反复出现的跨岗位 AI 任务，并明确它的执行权限、验收责任人和失败信号。
常见问题
研究是否证明 AI 正在替代 43.5% 的岗位？
没有。43.5% 是非通用、岗位相关消息中，被归类为其他职业传统任务的比例。研究不测量岗位替代或就业影响。
为什么同时有 16.8% 和 43.5%？
16.8% 以全部工作相关消息为分母。43.5% 去掉通用活动，再对岗位相关子集重新计算。
一条跨岗位消息是否代表任务已完成？
不代表。分析单位是消息。研究看不到输出是否被采用、是否正确、是否经过复核或是否提升生产率。
哪些任务流动最广？
报告显示，营销和工程任务经常出现在其他岗位消息中。财务计算和技术故障排查也在多个岗位组反复出现。
企业第一步应该做什么？
先识别跨岗位 AI 使用，按风险分类，并明确谁可以执行、谁必须验收。随后测量返工、事故，以及反复跨界是否值得正式重构岗位。