AI 还没改掉你的职称，先改掉了你的工作边界

先说结论

关于 AI 与工作的争论，常被压成一道二选一：岗位会不会被替代。OpenAI 经济研究团队 9 月 16 日给出了一个更值得盯的中间过程：职称可能还没变，工作边界已经先变了。人们开始借助 AI 做原本属于别的职业的任务，而且其中一部分会反复出现，逐渐进入日常流程。

这个判断比“AI 将创造或消灭多少岗位”更贴近组织真实变化。自动化未必先表现为裁掉一个完整职位；它也可能先把市场、文案、客服、分析等碎片重新塞进现有岗位，让一个人承担过去需要跨部门协作的任务。

事情是怎么发生的

报告分析了 2026 年 4 月至 7 月超过 150 万条与工作相关的 ChatGPT 消息。样本来自美国注册用户的个人账户；研究者借助这些用户在 ChatGPT Business 注册时填写的职位或部门信息识别职业，再用职业数据库判断某项活动是否跨出了原岗位边界。

在约 6200 名连续四个月被观察到的用户中，曾经做过的跨职业任务，占其可归类 AI 工作活动的比例从 4 月的 13.1% 升到 7 月的 25.9%。另一组匹配比较中，做过某类跨职业任务的人，下个月再次做同类任务的比例是 23.6%；没有此前记录的相似用户只有 8.4%。这与纯粹的一次性好奇试用并不一致，说明部分新任务开始“黏”在岗位上。

不过黏性并不平均。客户沟通、广告文案和营销材料的次月回访率较高，分别为 54%、44% 和 37%；法律研究只有 10%，向客户解释财务信息约为 15%。报告只说，这种差异可能与工作规范、谨慎程度或错误后果有关；它提示高责任任务更难被吸收，却还不能证明这是原因。

为什么重要

这组数据把 AI 采用的单位，从“有没有买工具”换成了“任务如何重新分配”。如果一个产品经理开始自己写推广文案，一个工程师开始整理客户沟通材料，公司表面上没有新增岗位，也没有正式重组，但专业分工已经在松动。

由此产生的产业机会，不只是卖更强的通用模型，而是提供三层基础设施：让非专家获得足够好的第一版，让专家在高风险节点复核，再把责任、版本和证据留在流程里。真正有价值的企业 AI，可能不是替谁完成全部工作，而是把跨部门交接压缩成可控的短回路。

站得住与站不住的地方

站得住的是，报告没有只问用户“感觉有没有提效”，而是观察跨月行为，并把首次尝试与重复使用分开。它也明确承认：不同任务的采用速度不同，专业判断没有因为模型可用就自动消失。

站不住的地方同样关键。首先，这是 ChatGPT 用户的使用记录，不是美国劳动力市场的代表样本；连续四个月都有足够消息的 6200 人，更可能是重度使用者。其次，消息出现不等于任务完成，更不等于产出合格、成本下降或责任得到妥善承担。报告观察到的是“人又来问了”，不是“工作做得更好了”。最后，研究来自工具提供方，数据与分类过程无法由外部研究者完整复核。

接下来该盯什么

下一步不该只数跨界任务变多了多少，而要追三件事：完成质量是否提高，返工和专家复核是否反而增加，以及新增责任有没有对应的权限、薪酬与问责变化。

如果后续证据显示，岗位扩边伴随质量提升和协作成本下降，那么 AI 改造组织的主线会是“少交接、宽岗位”。如果只是把更多任务推给同一个人，再由专业人员收拾错误，那么所谓扩边，不过是把隐形加班包装成了智能化。真正的分水岭，不是一个人能不能跨界，而是组织能不能知道何时可以跨、何时必须把判断权交还给专家。