核心概念
OpenAI 的第二份 Work at the Frontier 研究追蹤 2026 年 4 至 7 月超過 150 萬則與工作相關的 ChatGPT 訊息，觀察到 AI 不只讓人把既有職務做得更快，也讓工作者反覆處理原本屬於其他職業的任務。職稱未變，任務組合已在變；這是比「AI 會不會取代某職業」更早出現、也更可觀察的轉型訊號。^[raw/articles/openai-unlocking-new-ways-of-working-2026-09-16.md]
研究將這種現象稱為「任務跨越」（task crossover）。工作者在跨職能任務上通常寫得更短、較少要求教學或固定格式，卻更常提供範例、背景資料，並要求模型檢查結果。較合理的解讀不是 AI 直接把人訓練成另一種專家，而是人帶著手邊問題與脈絡，向 AI「借用」其他領域的專業能力。^[raw/articles/openai-unlocking-new-ways-of-working-2026-09-16.md]
研究訊號：嘗試開始變成慣例
在約 6,200 名 4 至 7 月持續可觀察的工作者中，先前使用過的跨職能任務，從 4 月占其職業特定 AI 活動的 13.1%，升至 7 月的 25.9%。另一組一個月追蹤比較顯示：前月做過某項跨職能任務的人，次月回來做同一任務的比例為 23.6%；未曾做過的可比工作者則為 8.4%。這是行為關聯而非因果證明，卻支持「一次試用可能逐步嵌入工作流」的判讀。^[raw/articles/openai-unlocking-new-ways-of-working-2026-09-16.md]
回訪率也高度依任務而異：與客戶討論產品／服務為 54%、廣告或促銷文案為 44%、建立評量素材為 37%，財務資訊說明則約 15%；全部跨職能任務的平均次月回訪率為 18.5%。高頻、可驗收、低風險或已有範例可供對照的任務，顯然較容易先成為固定用法；這也呼應 OpenAI Agent 工作轉型研究：任務複雜度躍升與非技術職能擴張 中「跨任務邊界成本下降」的觀察。^[raw/articles/openai-unlocking-new-ways-of-working-2026-09-16.md]
實務意義：設計工作，不只採購工具
對組織而言，導入重點不該只停在發帳號、看使用量。應盤點哪些跨職能任務值得讓第一線人員安全地嘗試，並為它們補上可用的背景資料、範例、驗證標準與例外升級路徑。例如客戶溝通可由 AI 起草但須保留品牌／法務覆核；資料與財務說明則應要求來源、公式及人工核對。AI 降低的是取得輔助的摩擦，不會自動消除錯誤責任。
這也補足 OpenAI 經濟研究交流計畫（Economic Research Exchange） 提出的研究缺口：任務層級的採用變化可先於宏觀就業統計出現。真正要追蹤的不是單一職稱是否消失，而是哪些任務進入固定流程、誰取得了新能力、哪些品質與治理成本隨之增加。
判讀邊界
資料來自 ChatGPT Business onboarding 所提供的職務或部門資訊，且僅涵蓋可分類、經彙整與匿名化的訊息；研究人員不閱讀個別對話。四個月的觀察期不足以推論長期生產力、薪資或就業效果，也不能把「再度使用」直接等同於成效提升。較穩妥的結論是：AI 正讓部分工作者把跨職能協助從試驗轉為慣例，企業須同時重設任務分工與驗證機制。
相關頁面
反向連結
以下頁面引用了本頁：