OpenAI 研究：AI 如何擴展職業任務交叉

OpenAI 研究指出，AI 透過啟用「任務交叉」正在根本改變勞動分工，其中工人執行歷史上與其他職業相關聯的任務。對美國 ChatGPT 用戶超過 800,000 條訊息的分析顯示，所有工作相關訊息中有 16.8% 以及職業特定訊息中有 43.5% 涉及使用者主要職業以外的任務。

任務交叉現象

當與某一職業傳統相關的工作出現在另一職業人士的 AI 使用模式時，就發生了任務交叉。這種轉變表明，AI 使員工能夠獨自處理需求，而不必依賴移交給另一位專家。

為了隔離這種趨勢，OpenAI 將訊息分為「通用」任務（例如總結、排程和寫作）和「職業特定」任務。在非通用訊息中，43.5% 不屬於使用者的職業。此趨勢在以下職位中最為明顯：

• 客戶體驗工作者： 77% 的職業特定訊息屬於非本職業任務。
• 設計師： 75% 的職業特定訊息屬於非本職業任務。
• 人力資源工作者： 69% 的職業特定訊息屬於非本職業任務。
• 法律工作者： 56% 的職業特定訊息屬於非本職業任務。
• 行銷人員： 53% 的職業特定訊息屬於非本職業任務。

任務分配模式

任務交叉並不對所有職業產生同等影響；某些職位充當「來源」，他人採納其任務，而其他職位則充當「吸收器」，吸收來自其他領域的任務。

工程與行銷作為任務來源

工程與行銷任務是在各職業間最常見的「旅行者」。工程任務佔其他職業工人訊息的 7.4%，而行銷任務佔 8.9%——這是樣本中最高的外向份額。常見的例子包括技術故障排除和使用技術系統。

設計作為任務吸收器

相反，設計表現出高度的內向交叉。大約 35.2% 的設計師訊息涉及與其他職業相關的工作，但設計任務本身僅佔其他領域工人訊息的 1.7%。

普遍任務

某些任務在樣本中已變得幾乎普遍。財務計算和技術故障排除是所有七個被分析職業群體中最常見的三項外部任務之一。

組織規模對 AI 使用的影響

任務交叉的程度會隨業務規模而變化，規模較小的組織傾向於讓員工將 AI 用作通用工具。

在平均使用者中，隨著組織規模增加，外部職業任務的比例會降低：

• 座位數 2–5 的工作空間： 外部職業任務比例為 18.9%。
• 座位數超過 100 的工作空間： 外部職業任務比例為 16.3%。

OpenAI 建議，在專業資源較為稀缺的較小組織中，離問題最近的員工更傾向於使用 AI 來解決問題，而不是將其委派給其他職能。

對職業變遷的影響

因為 AI 使用數據提供了工作變遷的即時窗口，它成為職業變遷的早期訊號。這些任務交叉模式在被正式職位描述或官方勞動市場統計反映之前就已出現，這表明許多工作可能會因日常任務的重大變化而重新組織。

SUMMARY: OpenAI 對 800,000 條 ChatGPT 訊息的分析顯示，43.5% 的職業特定 AI 任務是由該職業以外的工人執行的，這表明正朝著 '任務交叉' 的方向發展，即 AI 使員工能夠處理傳統上需要其他專家才能勝任的角色。

TITLE: OpenAI 研究：AI 如何擴展職業任務交叉