北京
OpenAI 经济研究团队翻了一遍 150 万条 ChatGPT Business 用户消息，想搞清楚一件事：打工人到底拿 AI 干什么。结论有点反直觉——不是学新技能，而是把原本不归自己管的活，顺手干了。
研究里有个说法叫「借用专业能力」（borrow expertise）。用户遇到跨岗位任务时，不再让 AI 教自己怎么做，而是直接把背景丢过去，让 AI 把结果交出来。用研究里那句被反复引用的话说，这些用户更像是在讲：「情况大概就是这样，你帮我搞定。」
四个月，跨岗位任务占比翻了一倍
真正值得盯的是趋势。追踪数据显示，跨岗位任务在 AI 工作活动中的占比，从 4 月的 13.1% 一路涨到 7 月的 25.9%，四个月近乎翻倍。
这不是一次性尝鲜。有过使用经历的员工，再次使用的概率远高于没试过的人。换句话说，第一次用 AI 处理不属于自己的活，往往只是开始；用着用着，它就成了日常。
研究还发现了一种「办公室扩散」效应：如果工作场所里已经有同事用 AI 处理某项跨岗位工作，其他同事在下个月尝试同一件事的概率会相应提高。一个人的顺手，会变成一群人的顺手。
哪些活最容易被跨界接管
AI 打破职业边界这件事，并不平均。研究给出的分布相当有选择性，取决于任务的风险可控程度：
- 客户沟通类任务：54.1%，最容易被跨界接管
- 营销文案类任务：同样属于低风险、高替代区间
- 法律研究类任务：9.9%，重复使用率极低
- 金融解释类任务：同样谨慎，员工不太愿意把这类活交出去
低风险任务被顺手纳入日常，高风险任务则被挡在门外。这条分界线画得很清楚：越是出错代价可控的活，越容易被 AI 接手；越是涉及合规、资金、法律责任的活，员工反而更愿意自己盯着。
岗位边界模糊之后
把这几组数字放在一起看，会发现一个正在发生的变化：你原来不负责的活，开始顺手也能干了——而其中一部分，干着干着可能就成了日常工作。
这对企业意味着什么，研究给出的方向是重新思考岗位设计与任务分工。当员工可以低成本借用其他岗位的专业能力，原本清晰的职责划分就会松动。哪些任务该留在原岗位，哪些可以重新分配，哪些需要设置风险边界，都成了需要重新回答的问题。
值得注意的是，研究描述的是一种行为模式，而不是对效率或产出的判断。跨岗位任务占比翻倍，说明的是员工在做什么，而不是这些活干得好不好、该不该由他们来干。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
