OpenAI 數據分析:員工運用 AI 跨職能任務的常態化趨勢
文章摘要
OpenAI 分析了 2026 年 4 月至 7 月間超過 150 萬則 ChatGPT 工作相關訊息,發現員工利用 AI 執行超出職責範圍的「跨職能任務」已趨於常態化。針對 6,200 名長期觀察對象的數據顯示,跨職能任務在總體 AI 使用占比中,從 4 月的 13.1% 攀升至 7 月的 25.9%,證實這不僅是短期試驗,而是正逐步融入日常工作流程。
研究發現,員工在使用 AI 跨域作業時,傾向提供背景文件或範例以「借用專業」,相較於專業內任務,提示詞較簡短且較少要求教學。在任務持久度方面,特定職能的留存率差異顯著,如與客戶討論商品服務的復用率高達 54%、廣告文案為 44%,而財務資訊解釋僅約 15%。此趨勢指出,企業在制定 AI 策略時,除提供工具外,調整「工作設計」將成為降低作業摩擦、優化組織生產力的關鍵,員工職稱雖未變,但工作內涵正隨 AI 運用而實質擴展。
研究發現,員工在使用 AI 跨域作業時,傾向提供背景文件或範例以「借用專業」,相較於專業內任務,提示詞較簡短且較少要求教學。在任務持久度方面,特定職能的留存率差異顯著,如與客戶討論商品服務的復用率高達 54%、廣告文案為 44%,而財務資訊解釋僅約 15%。此趨勢指出,企業在制定 AI 策略時,除提供工具外,調整「工作設計」將成為降低作業摩擦、優化組織生產力的關鍵,員工職稱雖未變,但工作內涵正隨 AI 運用而實質擴展。
AI 大叔解析
## 【核心判斷】
OpenAI 針對 2026 年 4 月至 7 月期間的數據研究顯示,員工利用 AI 進行跨職能任務的行為已逐漸常態化,該類活動在整體 AI 任務占比由 4 月的 13.1% 攀升至 7 月的 25.9%,反映出 AI 正將「借用專業」的作業模式內化至日常工作流,這暗示企業在 AI 部署上若僅關注工具給予,而忽視工作設計(Work Design)的調整,將難以降低流程中的實質摩擦。
## 【毒舌吐槽】
這份報告最讓人發笑的點在於,當 OpenAI 試圖用高大上的術語包裝「員工在偷懶與跨界間的試探」時,數據卻誠實地揭露了殘酷真相:面對財務這種「弄錯會出大事」的專業,員工的複用率慘跌至 15%,反倒是跟客戶吹噓商品或寫文案這種「講錯也沒人發現」的任務,複用率高達 54%。這不是 AI 賦能的革命,這只是員工找到了一種更聰明的「外包工具人」來墊高自己舒適圈的手段。所謂的「工作內涵擴展」,換個說法就是用 AI 掩蓋人類專業深度不足的障礙。
## 【為什麼重要?】
這項研究指出了 AI 在企業內部滲透的一個關鍵轉折:技術採用已不再僅限於單次實驗,而是演變為重複性的日常流程。數據中顯示的 18.5% 平均複用率,以及從 13.1% 到 25.9% 的占比增長,證實了 AI 確實降低了員工跨職能作業的門檻,讓他們在無需具備完整專業知識的前提下,透過提供背景範例(Contextual prompting)即可執行過去無法處理的任務。
這種現象不僅考驗組織對工作流程的重新設計,更潛藏了品質控管的風險。當「借用專業」成為常態,企業如何確保這些跨職能產出的正確性與標準化,將是未來生產力評估的核心矛盾。如果組織對任務設計的變動跟不上 AI 賦能的速度,這些透過 AI 擴展的「職務內涵」很可能只是在累積流程中的潛在技術債,而非實質的效率轉化。
## 【影響對象與建議】
- **企業管理者與營運負責人**
不要只顧著買軟體授權。應針對 AI 使用率高的部門重新盤點工作流,定義哪些任務適合「AI 輔助跨職能作業」,並建立對應的品質稽核機制,特別是針對風險性高的財務或法務類內容,設立嚴格的核實權限。
- **人力資源與組織開發專家**
重新評估內部職位描述(Job Description)。員工的工作範疇因 AI 運用正在實質擴展,但職稱未動。應及早識別這些已常態化使用 AI 的技能組合,將其納入職涯發展與技能培訓架構中,而非僅視為單純的工具導入問題。
## 【逆風觀點】
原文雖強調 23.6% 的跨職能任務複用率高於對照組的 8.4%,但這僅代表觀察期間的短期頻率變動。AI 是否真的能將此「行為模式」永久性地轉化為組織生產力,抑或僅是 AI 初入工作場景時的「新鮮感」效應,目前證據不足,值得後續追蹤。
OpenAI 針對 2026 年 4 月至 7 月期間的數據研究顯示,員工利用 AI 進行跨職能任務的行為已逐漸常態化,該類活動在整體 AI 任務占比由 4 月的 13.1% 攀升至 7 月的 25.9%,反映出 AI 正將「借用專業」的作業模式內化至日常工作流,這暗示企業在 AI 部署上若僅關注工具給予,而忽視工作設計(Work Design)的調整,將難以降低流程中的實質摩擦。
## 【毒舌吐槽】
這份報告最讓人發笑的點在於,當 OpenAI 試圖用高大上的術語包裝「員工在偷懶與跨界間的試探」時,數據卻誠實地揭露了殘酷真相:面對財務這種「弄錯會出大事」的專業,員工的複用率慘跌至 15%,反倒是跟客戶吹噓商品或寫文案這種「講錯也沒人發現」的任務,複用率高達 54%。這不是 AI 賦能的革命,這只是員工找到了一種更聰明的「外包工具人」來墊高自己舒適圈的手段。所謂的「工作內涵擴展」,換個說法就是用 AI 掩蓋人類專業深度不足的障礙。
## 【為什麼重要?】
這項研究指出了 AI 在企業內部滲透的一個關鍵轉折:技術採用已不再僅限於單次實驗,而是演變為重複性的日常流程。數據中顯示的 18.5% 平均複用率,以及從 13.1% 到 25.9% 的占比增長,證實了 AI 確實降低了員工跨職能作業的門檻,讓他們在無需具備完整專業知識的前提下,透過提供背景範例(Contextual prompting)即可執行過去無法處理的任務。
這種現象不僅考驗組織對工作流程的重新設計,更潛藏了品質控管的風險。當「借用專業」成為常態,企業如何確保這些跨職能產出的正確性與標準化,將是未來生產力評估的核心矛盾。如果組織對任務設計的變動跟不上 AI 賦能的速度,這些透過 AI 擴展的「職務內涵」很可能只是在累積流程中的潛在技術債,而非實質的效率轉化。
## 【影響對象與建議】
- **企業管理者與營運負責人**
不要只顧著買軟體授權。應針對 AI 使用率高的部門重新盤點工作流,定義哪些任務適合「AI 輔助跨職能作業」,並建立對應的品質稽核機制,特別是針對風險性高的財務或法務類內容,設立嚴格的核實權限。
- **人力資源與組織開發專家**
重新評估內部職位描述(Job Description)。員工的工作範疇因 AI 運用正在實質擴展,但職稱未動。應及早識別這些已常態化使用 AI 的技能組合,將其納入職涯發展與技能培訓架構中,而非僅視為單純的工具導入問題。
## 【逆風觀點】
原文雖強調 23.6% 的跨職能任務複用率高於對照組的 8.4%,但這僅代表觀察期間的短期頻率變動。AI 是否真的能將此「行為模式」永久性地轉化為組織生產力,抑或僅是 AI 初入工作場景時的「新鮮感」效應,目前證據不足,值得後續追蹤。