你有没有发现，最近很多过去“要找别人帮忙”的事，你自己用AI就先动手做掉了？门店要一张活动文案，业务想看一份客户数据，市场同事遇到网站有点“怪”——以前这些都要排队等专人，现在打开ChatGPT往往就先自己上手。这不是错觉。
OpenAI 于2026年7月27日发布的新系列首份报告《Work at the Frontier: How AI is Expanding What People Do at Work》（《AI如何拓展人们的工作范围》），用超过80万条真实工作对话，把这种现象第一次系统地量化了出来，并给它取了一个名字：任务跨界（task crossover）。
本文基于OpenAI官方报告原文及其中文解读页，以及对该报告的权威中文解读，梳理这份研究到底发现了什么、它意味着怎样的组织变革，以及我们每个人该如何重新定位自己。https://wxa.wxs.qq.com/tmpl/qe/base_tmpl.html
一、一个被忽略的问题：：AI 改变的不仅是“怎么做”，更是“谁来做”
过去大多数关于AI与工作的研究，习惯先把一个职业拆成若干任务，再判断哪些任务可以被自动化、哪些可以由AI辅助。
这条路能回答“财务人员当前的工作中，哪些可能交给AI”，却不容易回答另一种正在发生的变化：营销人员开始自行计算财务数据，销售人员开始分析客户数据，设计师开始排查软件问题——这些任务，还应不应该只算作原职业的工作？
OpenAI 这份报告把观察窗口向前移了一步：它不看招聘启事，也不看岗位说明书，而是直接看劳动者已经在用AI做什么。
研究团队分析了美国ChatGPT用户超过 80 万条工作相关消息，借助美国劳工部O*NET 数据库判断每条消息对应的任务传统上属于哪个职业，从而捕捉一种“已经发生、却不容易从招聘和就业数据中及时看见”的变化。
报告的核心结论只有一句话，却足够有分量：“AI改变的不仅是工作如何被完成，还有谁来完成它。”当岗位名称还没改、组织架构还没动的时候，岗位内部的任务组合，可能已经在悄然重组。
43.5%：一个容易被误读、却极具启发性的数字
报告先把每条工作消息归入三类：
第一类是通用任务，如写邮件、总结、安排会议等多数职业都会做的工作，占全部工作相关消息的61.5%；
第二类是岗位内任务，与用户本职工作直接相关或足够接近，占21.8%；
第三类是跨岗位任务，即主要活动更接近另一个职业的传统工作，占16.8%。
真正引人注目的是第二次计算：如果把61.5%的通用任务拿掉，只看具有明确职业属性的消息，那么跨岗位任务的比例达到43.5%。
换句话说，在那些“确实带有职业特征”的AI使用中，接近一半已经越过了使用者传统岗位边界。
这里需要特别澄清：它不等于“近一半的工作已经被AI替代”，也不等于某位客服有 77% 的工时转移到了其他岗位；它提供的是一张更早期的切片——岗位名称尚未变化时，岗位里的任务清单可能已经在变化。
八类岗位中，五类的“跨界”已成多数，排除通用任务后，不同岗位的跨界程度差异明显：
注：以上为排除通用任务后，各岗位“具有职业属性”消息中的占比；数据来源：OpenAI《Work at the Frontier》报告。
客户体验、设计、人力资源、法务、市场——这五类岗位中，跨岗位任务都已经超过岗位内任务。
它们原本就位于组织接口，需要频繁调用法务、财务、技术或研究能力；AI降低了获得相邻能力的门槛，它们因而更早地跨出了本职范围。
一个客户体验人员开始跑本由分析师处理的财务计算，一位人力资源同事开始排查本要提交工单的技术问题——部门之间那道“转交”的门，正被AI悄悄推开。
二、流动的不只是人：市场与工程，正成为组织的“公共能力”
如果只看职业平均数，容易把“跨界”想象成一种均匀的“通才化”。
但报告把跨岗位工作拆成两个方向后，一幅更精细的图景浮现出来：有的岗位大量“引入”外部任务，有的岗位则不断向其他岗位“输出”自己的任务。
• 设计
典型的“输入型”。约35.2%的设计师消息涉及其他职业的任务，但设计任务在其他岗位消息中的平均占比仅1.7%——设计师大量借入营销、工程等相邻能力，而设计工作本身较少外溢。
•工程
典型的“输出型”。仅 18.5% 的工程消息涉及外部任务，边界最紧；但工程类任务（如排查计算机应用与系统故障）在其他岗位消息中占比达7.4%，正在广泛流向组织的各个角落。
• 市场（营销）
罕见的“双向型”。市场人员24.3%的消息投向其他职业的工作，同时营销任务以样本中最高向外比例（8.9%）扩散到销售、设计和客户体验等岗位，显出“组织枢纽”的特征。
落到具体任务上，流动最广的两类是“财务计算”和“技术故障排查”。· 它们分别在七类非财务、七类非工程岗位中都进入最常见的三类外部任务；· 制作营销材料则出现在五类其他职业的高频任务中，在设计用户里尤其突出。
这意味着，市场和工程能力正在通过AI向整个组织扩散，逐渐成为人人可取的“公共能力”。
但专业部门不会因此立刻消失，但它们对基础能力的“独占”正在减弱；其价值将更多集中在复杂判断、质量审核、规则制定，以及为全组织提供可控的工具与标准。
三、小团队先跨过去，但真正起作用的是“用得久”
公司规模也会影响任务流动。在消息量处于中间50%的典型使用者中，2至5个席位的小工作区跨岗位消息占18.9%，101个席位以上的工作区则为16.3%——相差约 2.5个百分点，与小企业更难为每类职能配备专职人员的现实相符。
但值得注意的是，在平台最重度使用者中，公司规模几乎不再能预测跨界程度：真正起作用的，是使用AI的“工龄”与经验积累。用得越久，人们越敢把更多样的任务交给AI；信任和能力是一起生长的。
四、我们岗位将如何被重新定义：从“负责哪些任务”到“对什么结果负责”
报告的启示，最终要落到组织与个人的重新定位上。当任务可以跨越岗位边界流动，岗位设计就需要从“你负责完成哪些任务”，转向三个更本质的问题：
• 你对什么结果负责；
• 哪些任务可以交给 AI 来完成；
• 哪些任务必须由专业人员做判断与把关。
由此，未来岗位至少需要新增两类能力：
一是“调用其他专业能力”的能力——知道在何时、以何种方式借助AI获得相邻职能的支持；
二是“判断 AI 生成内容是否可靠”的能力——能对AI输出的财务数据、合同条款、技术排障方案做基本的核验与把关。
现场处置、跨角色协调、模糊规则下的权衡、对错误后果的承担，以及把结论还原到证据的能力，正在成为人这一侧越来越稀缺的部分。机器可以生成候选方案，却不能成为法律和组织意义上的责任主体。
对个人而言，与其焦虑“我的岗位会不会被替代”，不如问更务实的问题：
• 在我的岗位上，哪些相邻任务正借助AI向我靠近？
• 我能否把它们的质量接住、把好关？
OpenAI的这份研究没有给出岗位存亡的判决书，它给出的是一张“任务正在如何流动”的早期地图。
而地图的价值，在于让组织和个人都有机会在边界真正松动之前，先一步调整自己的坐标。
五、先看见变化，才能驾驭变化
总结来看OpenAI 通过对80万条工作相关ChatGPT消息的分析发现：
· 排除通用任务后，43.5%的具职业属性 AI 使用已经越过传统岗位边界；
· 客户体验、设计、人力资源、法务、市场五类岗位中，跨界任务均超过本职任务；
· 财务计算与技术排障是流动最广的任务，市场和工程能力正成为组织共享的公共能力。
这些发现并不意味着岗位将大规模消失，而是提示我们：AI正在以“任务重组”而非“整岗替代”的方式，悄悄改写工作的分工逻辑。
· 对组织来说，是时候重新审视岗位说明书、协作流程与责任机制了；
· 对个人来说，最稳妥的策略不是抗拒这股流动，而是在自己的岗位上，主动学会“借用”相邻能力，并把好质量与责任的最后一道关。
先看见变化，才能驾驭变化——这或许就是这份报告留给我们最实在的一课。
📄 下载完整报告 PDF 版
下载 PDF 报告