2026年11月,OpenAI Economic Research与Upwork(自由职业者平台)联合发布了一份研究,题为《The Rebundling of Freelance Work in the AI Age》。他们做了一件此前没人做过的事:把人们在ChatGPT里实际做的任务,与客户在 Upwork上实际发布的活儿,放在同一张表上逐项对照。

结论与大多数人的直觉相反。研究开篇就用一句话否掉了流行的叙事:
“The findings do not point to a simple substitution story.” (这些发现并不指向一个简单的替代故事。)
先把最反直觉的一组数字摆出来:在63个可匹配的工作类别里,有43个(68.3%)呈现出”某个类别在ChatGPT里用得越多,它在Upwork上的份额就越低”的方向;但另外 20 个方向完全相反。
如果AI的作用只是替代,这条关系本该是单调的。它有三分之一不听话,说明我们盯错了变量。
那么研究是怎么看的?研究的观测窗口选在自由职业市场,理由很实在。报告原文写道:
“For freelancers, changes in the market arrive one assignment at a time: a client needs a different service, requests a new skill or expands a project’s scope.” (对自由职业者而言,市场的变化是一个项目一个项目地到来的:客户需要不同的服务,要求新的技能,或者扩大项目的范围。)
合同周期短、需求每发一次就能改一次,变化比整体就业统计来得更早、更清楚。
方法上是双源对照:一边是Upwork 的发布数据(客户实际在找人干什么),一边是 ChatGPT的直接使用数据(人们实际在用它干什么)。两套口径交叉验证,避免单边失真。
研究还提出一个概念:能力过剩Capability Overhang。意思是——ChatGPT当前被使用的范围,并不等于AI实际能支持的范围。今天看到的使用量,低估了技术已经够得着的地方。
口径需要说明清楚:这个63类的分析,观察的是 2023年上半年到2025年下半年的份额变化(纵轴为对数刻度,0%代表份额不变;横轴是2025年下半年ChatGPT使用份额与2023年上半年Upwork岗位份额之比的自然对数,以AI intensity = 0作垂直分隔线)。下文出现的其他数据各自有不同的时间窗,会逐处标注,不能混用。
影响一:AI用的越多的地方,人就退的越快

图源:OpenAI × Upwork(2026)。63 个工种。横轴是 2025 下半年 ChatGPT 份额比 2023 上半年 Upwork 份额再取对数,纵轴是 2023 上半年到 2025 下半年的份额变化。
先把”替代”这个说法抬到最高点。在63个匹配类别中,43个符合”ChatGPT使用强度越高、Upwork份额越低”的方向。这看起来几乎是替代叙事的完美证据:AI用得越多的地方,人就退得越快。

图源:OpenAI × Upwork(2026)。ChatGPT 一侧是 2025 年 1 月到 2026 年 6 月的数据,Upwork 一侧是 2026 年上半年。
内容写作是最扎眼的一例。它在ChatGPT的对话中占14.5%,在Upwork的发布中只占1.3%。而在一年之内——2025年上半年到2026年上半年——内容写作的份额下降了约31%。

图源:OpenAI × Upwork(2026)。挑的是变化最大的几个工种,时间是 2025 上半年到 2026 上半年,单位是百分
但同一张表里,也有完全反向的。视频与动画在ChatGPT的使用中只占 1.0%,在 Upwork 的发布中却占到10.0%。平面、编辑与演示设计更极端:ChatGPT 里 2.3%,Upwork 里10.5%。
也就是说:同一时点上,AI使用最密集的工种,未必是需求增长最快的工种。
还有一个不能忽略的反例。AI早就能做图像生成,人们也确实大量用它来做图;可平面设计的外包需求依然可观。报告的解释很朴素——设计这件事复杂,AI 能接手其中很多环节,但人仍然在里面承担着不可省去的角色。
从工具普及率倒推需求变化,站不住。要判断需求,得回到发布数据本身。那如果不是人头数在变,是什么在变?
影响二:AI没有影响任务的数量,而是影响了任务的搭配
把观察单位从”一个人干哪一行”切换到”一项工作里包含哪些任务”,数据立刻换了一副面孔。研究用有效任务数(effective number of task clusters,即 1/HHI)来衡量任务的分散程度——它的含义是:如果各项任务出现的频次完全均等,需要多少项任务才能产生同样程度的多样性。

图源:OpenAI × Upwork(2026)。每个岗位要求几个任务,AI 岗平均 3.3 个,非 AI 岗 3.2 个。
这个数值从 2023年上半年的14.6升到2025年下半年的21.2,涨幅约45%。报告的原话是:
“Between early 2023 and late 2025, the mix of tasks in AI-related postings became 45% more diverse—the equivalent of an increase from about 15 equally common tasks to about 21.” (2023 年初到 2025 年末,AI 相关发布中的任务组合多样性提高了 45%——相当于从约 15 项出现频次相当的任务,增加到约 21 项。)
这里有一个极易被误读的地方,必须先说清。AI相关的发布,平均每单包含3.35项不同任务;其他发布是3.19项。差距只有0.16。
任务的数量几乎没变。变的是任务怎么搭配。这排除了”活单纯变多了”这种理解。真正的变化不在数量,而在结构——同一份工作里,任务的种类和搭配方式被重新排过了。那它们是被怎么重新排的?
影响三:市场更需要的是能把AI当作交付一个更大项目其中一环的人

图源:OpenAI × Upwork(2026)。岗位内历史罕见任务搭配的平均占比,AI 岗 8.4%,非 AI 岗 2.4%。
这是全篇的枢轴。研究统计了一个很聪明的指标:在包含至少两项任务的发布中,有多少比例属于”历史上罕见的任务搭配”——所谓罕见,指这一对任务在AI出现之前的历史发布中,同时被要求的次数少于200次。结果:在AI相关的发布中,这种罕见搭配平均占全部任务配对的8.4%;在其他发布中,只占 2.4%。

三倍半的差距。这不是修辞,是可以被计量的行为改变。具体长什么样?报告给了一个例子:一份发布同时要求 AI生成视频、视频剪辑、动态图形——三项过去分属不同工种、通常由不同的人分别交付的手艺,现在挂在同一个人的名下,由他整体交付成片。
另一个例子是:聊天机器人开发,外加把它集成进一个应用。这就是报告标题里那个词的含义——Rebundling重新捆绑。报告把它总结成一句话:
“Together, these patterns suggest that AI may be shifting both what clients seek from freelancers and how they assemble projects.” (综合来看,这些模式表明,AI 可能正在同时改变两件事:客户想从自由职业者那里得到什么,以及他们如何把任务组装成项目。)
请留意这句话里的”同时”——它改的是两头:要什么,和怎么组装。而它带来的最重要后果是:交付的最小单位变了。过去,一个人被雇来负责一项技能、一个工种。现在,一个人被雇来交付一个包——一组被捆在一起、必须整体完成的任务。
报告还补了一个方向性的观察:在AI相关的工作里,份额上升的主要是那些描述一件成品的任务(比如一支视频),或者描述一项业务职能的任务(比如管理一场营销活动);而份额下降的,是AI生成文本、课程与教材类项目、云基础设施、数据与系统集成,以及一部分写作类活动。
甚至连”构建聊天机器人与机器学习模型”这个曾经最大的任务簇,份额也从 2023 年的 21.8%降到了 2025 年的 17.8%。结论指向很明确:客户越来越想要那种能把AI 当作交付一个更大项目其中一环的人,而不是只会用AI做单一环节的人。包被重新打好了。那么问题来了——市场给出新价格了吗?
影响四:项目总价并不能去倒推一项技能的价值

图源:OpenAI × Upwork(2026)。控制工种和发布月份后,AI 岗相对非 AI 岗的固定价预算、挂出时薪、成交后 90 天工时差异。
这是全篇数字最硬的一段。三个量必须同时摆出来,缺一个就会读错。在同一工作子类、同一发布月份下比较(观测截至2026年4月,已控制工作类型与时间两个变量):
| 指标 | AI相关相对非AI的差异 |
| 固定价格项目的挂牌预算 | +52.4% |
| 挂牌时薪(按小时计价的发布) | +1.5% |
| 前90天记录的实际工时(已雇用的按小时合同) | +40.6% |
三个数字放在一起,只容得下一种解释:预算多了一半多,但人没有变贵。多出来的钱,买的是范围和工时,不是更高的单位价格。
报告原文的措辞很克制:
“Although posted hourly rates were similar for AI-related and other work, AI-related projects had larger fixed-price budgets and involved more hours of work.” (尽管 AI 相关工作与其他工作的挂牌时薪相近,但 AI 相关项目的固定价格预算更大,且涉及更多工时。)
这个1.5%值得多看一眼。它不是”没有差异”,而是”差异小到不构成溢价”。技能组合的稀缺性,还没有反映到价格上。由此可以推出一条很实用的纪律:不要用项目总价去倒推一项技能值多少钱。 总价里装的是范围,不是难度。用总价判断稀缺性,会系统性高估——你会以为某项AI技能很值钱,其实只是那单活更大。
影响五:市场希望自由职业者能具备一定的人机协同能力
那么,这套重新打包的玩法,只发生在专门做AI的活儿里吗?不是。到2025年末,客户开始在那些原本与AI无关的工种里直接提出AI要求:聊天机器人开发、视频制作、营销自动化、应用集成。
“Clients were seeking freelancers to apply AI in tasks including chatbot development, video production, marketing automation, and application integration.” (客户在寻找这样的自由职业者:能在聊天机器人开发、视频制作、营销自动化和应用集成等任务中应用AI。)
这里需要先交代一个定义,否则容易读偏。报告所说的”AI相关发布”,指的是要求 AI技能、要求使用AI工具、或者涉及改进AI生成成果的发布;这个分类适用于整条发布,并不要求其中每一项任务都明确与 AI 有关。
一旦理解了这个口径,就会发现一个反直觉的推论:如果把AI单列成一类工作、单独去统计它,反而会低估AI在既有工作里的真实渗透。因为AI不是长出了一个新部门,而是往成千上万个旧工种的任务清单里,各加了一行。
到这里,五条发现已经拼出了一张完整的图。但它们共同指向一个更难回答的问题:为什么这么明显的变化,我们在工作时薪里几乎看不见?
AI的影响单位不是技能,是任务
回头看,这五条发现有同一个特征:变化全部发生在任务层面——任务的种类、搭配、范围、工时、要求;没有一样发生在报酬水平或就业总量上。
报告对此说得很直接:
“AI may be changing the composition and scope of work without reducing overall labor demand, which could help explain why unemployment has not increased substantially.” (AI可能在改变工作的构成与范围,却没有减少整体的劳动需求——这或许能解释,为什么失业率并没有显著上升。)
再叠加前面那个概念——能力过剩Capability Overhang。今天ChatGPT被使用的范围,低于AI实际能支持的范围。这意味着:任何以”现在的工具使用率”为基线的预测,都会系统性地低估影响的边界。
再叠加自由职业市场的先导性:合同短、需求随发随改。等到宏观的工资与就业数据终于确认了趋势,工作内容往往已经改完很久了。
所以不是变化没有发生,是尺子量不到它。
报告里还有一个判断值得记住:当AI让单项任务变容易之后,客户往往会要求更多——再来一版设计、更有野心的视频、功能更多的应用。需求的膨胀,被藏在了”范围变大”里。这些发现意味着什么?先说一句对所有人都成立的:AI的影响单位不是技能,是任务。你被要求完成的,正在从”一项技能”变成”一组任务”。
具体到不同的位置,各有一件事值得记住:
- 如果你是自由职业者,靠接活为生。 你的技能组合需要重新进行打包。报价单的读法要换——市场已经为”更大的范围”付了钱(+52.4%),却还没为”更难的技能”付钱(+1.5%)。还有一层:能力过剩意味着,光看别人现在在用什么工具,会低估你其实已经能接的活。
- 如果你是客户,你希望找外包来交付。 你买的正在从”一个人会什么”,变成”他能不能一次交付一整包”。同时要留意那个反差:预算涨了52.4%,时薪只涨了1.5%——你多付的钱买的是范围,不是更贵的一个人。
- 如果你是团队领导者,你希望团队具备AI能力。 岗位JD里面的要求需要重新写,而不是简单地加一条”会用AI”。更值得注意的是”任务数量没变,但是任务的搭配组合变了”。
- 如果你只是关心这件事。 这不是一条技术新闻。它是工作组织方式的一次重排,而重排发生在你能看见之前。
衡量一份工作的单位,正在从”你会什么”,转向”你能交付什么”。
文章来源:- Chin, C., Kala, S., Kunievsky, N., Liu, T., Richmond, A. M., & Shan, C. (2026, November). The Rebundling of Freelance Work in the AI Age. OpenAI and Upwork.