ChatGPT 日益擴展的工作世界揭示更廣泛的任務組合

OpenAI 於 10 月 26 日發布涵蓋近 100 個國家、165 項工作活動的數據，讓研究人員能更細緻地了解消費者如何使用 ChatGPT。ChatGPT 日益擴展的工作世界，描述了請求類型正變得更加多樣化。核心張力在於，這些請求究竟反映了甚麼經濟變化，尤其是使用工具與改善工作本身是兩回事。

對僱主而言，這次發布提出了一個實際問題：員工在哪些環節認為 AI 有用？對研究人員而言，它提供了一種將對話活動與既有職業分類連結的方法。兩類受眾都不應把不斷改變的任務組合，視為生產力、勞工被取代或企業採用情況的直接指標。

Anthropic 對 Claude 的研究提供了有用的比較，因為它同樣追蹤 AI 使用如何擴展至不同任務。這些工作合在一起，讓職場 AI 更容易被觀察。但同時亦加大了供應商和買方的壓力，要求他們區分試驗的證據與持久價值的證據。

ChatGPT 日益擴展的工作世界實際衡量甚麼

根據 OpenAI 的工作活動發布，這個季度系列涵蓋 2025 年第一季至 2026 年第三季。在持續觀察的 74 個國家中，排名首十位的活動平均佔已分類工作訊息的 51.1%，低於原本的 56.0%。

這相當於下降了 4.9 個百分點。這項發現關乎工作訊息的組成，而非已完成工作的數量。

組成的變化很重要，因為採用故事在表面總量之下可能呈現不同面貌。一項工具的使用量或會增加，但用途仍然熟悉；另一種情況是，原有用戶開始帶來更廣泛的問題。兩者代表不同形式的擴展。

這次發布創造了一個研究這種差異的機會。研究人員可以檢視各地活動模式是否同步變化，或以不同方式發展。有用的問題是，哪些工作會進入對話，而不是一個國家是否單純顯得熱衷於 AI。

職業分類的連結來自中介工作活動（Intermediate Work Activities），這些類別把不同職業中相關的任務歸類。OpenAI 從職業資訊框架 O*NET 採用這些類別。其職業內容模型將工作活動與職稱、工作者要求及工作場所條件區分開來。

這種區分改變了分析單位。準備說明、評估資訊及整理材料，可以出現在不同職業之中。若只看職稱，這些共通活動便會被掩蓋。

試想一名員工準備簡報的假設情境。這項工作可能涉及解讀客戶意見、核對財務假設，以及撰寫說明文字。職位標籤只概括描述該名員工；活動類別則描述工作中的不同部分。

這種更細緻的視角，為研究協助如何進入工作流程提供了更佳起點。不過，它仍未涵蓋框架以外的周邊流程。仍有人需要判斷簡報是否回答了業務問題，以及其支持證據是否站得住腳。

同樣的審慎態度亦適用於跨時間比較。某項領先活動所佔比例下跌，並不代表人們進行該活動的頻率降低；其他活動可能只是增長得更快。

因此，ChatGPT 日益擴展的工作世界應被理解為觀察平台內注意力變化的地圖。它的價值在於，引導人們就特定活動提出更好的問題。要將這張地圖轉化為經濟結果的論述，仍需額外證據。

僱主面對超越採用率的衡量難題

最直接的壓力落在需要把員工興趣與可靠業務成果連結起來的僱主身上。 請求範圍愈廣，他們需要評估的領域便愈大。

機構可以批准使用 AI 工具，卻未必了解它在哪些地方有幫助。員工可能用它探索陌生主題、改進草稿，或處理分析難題。每項活動都會形成不同的協助、驗證與責任關係。

因此，管理層要問的不只是存取權限。若一份完成的草稿需要大量修正其陳述，其營運價值便很有限。一個協助員工理解問題的答案，即使沒有任何生成文字進入最終交付成果，也可能創造價值。

這些可能性意味著不同的衡量方式。重複性工作中，完成時間很重要；錯誤會帶來後果時，準確性很重要；當員工日後必須獨立完成類似工作時，學習效果很重要。

單一採用儀表板無法解決所有這些問題。計算活躍帳戶可確立參與情況；計算訊息可確立互動情況。兩者都不會自動證明機構把一項工作處理得更好。

獨立研究說明了直接觀察結果的重要性。Erik Brynjolfsson、Danielle Li 及 Lindsey Raymond 研究了一款由客戶支援代理使用的對話式助手。他們的職場生產力研究衡量每小時解決的問題數量，並發現效益會因工作者經驗水平而異。

這裏的關聯在於研究設計。客戶支援提供了明確場景、具體介入措施及可觀察的營運結果。這支持了一種與平台請求分布不同的推論方式。

因此，閱讀新的 Signals 發布內容的僱主，應把熱門活動視為值得調查的對象。受歡迎程度只反映員工正嘗試完成某些事情，並不能說明現行方法是否成功。

以一名使用 AI 準備項目更新的假設經理為例。產出易讀的文字只是工作的一部分；確認哪些里程碑確實延誤、哪些決定仍未定案，以及哪些承諾已改變，則需要佐證紀錄。

若草稿錯述了這些事實，流暢的文字可能掩蓋額外工作。有人必須找出差異、還原原有背景，並修訂更新內容。若只評估起草速度，便會忽略這項負擔。

這正是個人知識管理與更廣泛職場討論相關之處。答案的品質，部分取決於人們能否找到並評估其背後的資訊。

這種連結並不構成對 remio 或任何其他產品的效能主張。它指出工作流程中另一個組成部分：當決策需要支持時，如何讓有用證據保持可用。

對買方而言，實際含意是要求完整交代任務：員工收到甚麼、助手產出了甚麼，以及之後進行了甚麼驗證？這些答案比龐大的活動量更能構成可靠的採購基礎。

Claude 研究說明為何更廣泛使用仍需解讀

ChatGPT 日益擴展的工作世界，是在既有透過觀察行為衡量 AI 的努力中出現。Anthropic 的AI 採用研究提供了尤其相關的比較。

其 2026 年 3 月報告發現，Claude.ai 排名前十位的任務佔對話比例，從 11 月的 24% 降至 2 月的 19%。Anthropic 亦提到，編碼活動正轉往其開發者介面，而個人使用及課程作業使用亦出現變化。

更廣泛的任務分布，可能反映多項變化同時發生。 在得出經濟結論前，產品遷移、受眾組成及需求變化都值得檢視。

Claude 的比較支持對平台數據採取審慎解讀。人們會選擇在哪裏完成一項活動。若專門介面變得更合適，活動可以離開一般聊天產品，卻未必從供應商更廣泛的生態系統中消失。

這使平台邊界具有經濟意義。消費者對話與自動化軟件工作流程，呈現的是不同的工作視角。只要分析說明其範圍以外的內容，研究任何一方都可以有用。

這些數據集亦使用不同的類別和人群。OpenAI 的國家層面工作活動指標與 Anthropic 的對話任務指標，並不構成職場採用情況的直接競爭。把兩者的百分比視為等價比較，會造成誤導性的排名。

更好的比較是兩家公司各自研究的問題：活動會否變得更多樣？經驗會如何改變人們使用協助的方式？介面會否吸引不同工作？這些問題有助解釋 AI 使用的發展，而不會宣布某個供應商勝出。

Anthropic 的報告亦把較長的用戶使用年期與更成功的互動連結起來，同時承認存在其他解釋。有經驗的用戶可能學會更好的策略；早期採用者也可能與後來加入者有不同之處，從而影響結果。

這種不確定性對評估更廣泛 ChatGPT 工作使用的僱主很重要。向員工提供存取權限，與讓他們養成有用習慣，是兩項不同的組織決策。工具可以先行提供，但團隊仍未必知道哪些工作適合使用它。

從產品角度看，這帶來嚴苛的詮釋問題。請求增加可以代表有用的探索、尚未解決的困難，或反覆嘗試取得可接受答案。介面記錄了互動，但結果可能在其他地方出現。

一名假設分析師可能因工作複雜而要求多次修改；另一人可能因答案符合需要而很快停止；第三人則可能在收到無用回應後放棄工具。

單靠訊息量無法區分這些情況。要理解它們，需要有關任務目的、難度及後續發展的證據。

因此，競爭環境令文章的主要張力更為鮮明。供應商愈來愈能描述人們帶給它們的工作；買方仍需要了解人們完成了甚麼工作的證據。

最有力的報道會保留兩種觀點。行為數據揭示了個別軼事無法確立的模式；結果研究則檢驗這些模式是否能在特定情境中轉化為效益。兩者各自處理職場 AI 故事中不同的一部分。

國家差異挑戰統一推行策略

地域差異令職場 AI 的統一解釋變得較不可信。 一項活動在某國觀察到的使用情況中所佔的重要性，並不能證明它在該國經濟中的重要性。

比例描述的是一個類別與其比較群組之間的關係。若分析請求在觀察到的組合中佔較大部分，研究人員便能了解這個組合。至於原因，則需要百分比以外的證據。

有幾項假設值得測試。職業組成可能影響人們提出的請求種類；語言、存取條件、組織規則，以及對 AI 的熟悉程度，也可能影響參與情況。

這些是可能的解釋，而非報告已確立的發現。區分兩者很重要，因為它們分別意味僱主和政策制定者應採取不同的回應。

若某種模式反映本地職業結構，工作任務的選擇便成為關鍵。培訓計劃應針對人們實際執行的工作。若模式由使用門檻造成，單靠培訓無法解決根本限制。

若機構規則影響參與情況，非正式的消費者使用或許只呈現部分面貌。面對限制的僱員，可能會避免提出某些要求，或在觀察範圍以外的平台使用獲批准的系統。

因此，國家之間的比較不應把使用概況變成對勞動力能力的評價。某項活動在數據集內並不常見，原因可能與員工會否受惠於協助毫無關係。

同樣的道理也適用於跨國公司內部。中央團隊或會找出一個有前景的使用情境，並假設它能輕易推廣到各地。本地辦事處仍須評估該項工作的語言、源材料、審批流程及客戶期望。

試想一個假設的客戶溝通流程。草擬說明只是任務的一部分。員工還必須了解適用哪些政策、可作出哪些承諾，以及個案何時需要升級處理。

模型能產出流暢得體的文字，並不足以解決這些本地要求。評估該流程，意味著要檢查員工是否獲得所需的背景資訊和授權，以恰當運用這些文字。

對開發者而言，地理差異帶來有關產品契合度的研究問題。下一個有用步驟，是與本地用戶一起研究已觀察到的需求。國家層面的模式可以引導這項研究，但不應預先規定要開發甚麼功能。

對工作者而言，影響同樣具體。其他地方對某項熱門活動的經驗，並不保證相同做法適合本地工作。真正相關的測試，在於實際工作及其限制。

因此，ChatGPT 不斷擴展的工作世界，支持對採用情況作出更細緻的描述。更廣泛的參與不必帶來完全相同的行為。技術可以普及，同時人們會按不同目的調整其用法。

這種詮釋也改變了公開討論成功與否的方式。普遍適用的敘事容易引發關於誰領先的概括性說法。以任務為本的敘事則會追問：協助在哪裡適用、甚麼阻礙有用的採用，以及哪些成果足以證明值得進一步投資。

這些問題比國家排名需要更多研究工作。但它們亦為僱主和研究人員提供更清晰的路徑，讓他們作出可辯護的決策。

缺失的工作限制了對職位的結論

OpenAI 表示，該數據集涵蓋個人 ChatGPT 方案，並不包括企業訊息和 Codex。其美國比較亦顯示，按就業權重計算、已對應的工作任務中，約 43% 屬於「Other IWAs」，即個別報告類別以外。

這些界限令該報告無法作為工作普查或職位替代程度的衡量。 缺失的活動對任何詮釋均十分重要。

隨附的抽樣方法提供了更多細節。較廣泛的 Signals 樣本每月使用 100 萬則消費者訊息，並排除受某些資格或資料使用限制影響的帳戶。自動化分類器會分配行為類別，而私隱保護措施則加入統計雜訊。

這些選擇塑造了研究人員能夠觀察到的內容。分類器會推斷一則訊息的類別；它不會訪問工作者、檢視完成的交付成果，或確認所要求的行動確實發生。

私隱保護亦帶來詮釋上的取捨。匯總資訊可讓人研究模式，同時保障個別訊息。細微差異需要審慎處理，尤其當某個子群組的觀察數量較少時。

恰當的做法，是讓結論與量度方式相符。請求模式可以支持對協助需求的研究；要確立就業變化，則需要就業證據。

一份工作包含的責任，並不會整齊地出現在提示中。必須有人察覺問題需要處理、取得缺失資訊、與同事協調，並對結果承擔責任。

對某個環節的協助可以改變這份工作，卻未必會將其消除。它可能減少所需投入、擴大任務範圍，或帶來新的審核負擔。哪一種影響主導，仍是實證問題。

相反的錯誤，是因為該報告無法回答所有勞動問題而全盤否定它。詳盡的行為紀錄提供了有用的起點，有助研究人員找出值得更深入研究的活動。

獨立的人口研究提供另一種視角。Alexander Bick、Adam Blandin 和 David Deming 的生成式 AI 採用研究利用具全國代表性的美國調查，研究人們在工作和家居中的使用情況。這種方法有助將平台觀察結果置於更廣泛的人口脈絡中。

這些方法互為補充。調查可以詢問特定供應商以外的工時和經驗；平台數據則可描述互動，而不完全依賴受訪者的記憶。

兩種方法都不能免除審慎詮釋的需要。調查回覆可能存在申報誤差，平台樣本亦可能遺漏重要群體。不同方法之間的一致性，比重複同一種量度更能加強信心。

因此，持懷疑態度的解讀應聚焦於觀察與結果之間的落差。該報告並未獨立證實，更廣泛的請求組合帶來了更佳產出、更高工資或更少職位。

它亦未證實缺席的活動可免受未來變化影響。它們的缺席描述的是量度界限；要預測其未來，仍需更多關於能力、部署條件和機構決策的證據。

較能站得住腳的結論較為狹窄，卻很有用：研究人員如今有更詳盡的基礎，探問消費者 AI 在何處與工作交匯。

三個訊號將令下一次發布更具參考價值

下一階段應把廣度、量度一致性和成果連結起來。 未來數月，這些訊號將加強或削弱對更廣泛職場使用的詮釋。

首先，當 OpenAI 下次更新這個系列時，留意可比較的國家和活動群組內是否出現持續性。若在定義一致的情況下，模式持續存在，便更能支持使用組合正持久改變的說法。

若出現逆轉，便需要更仔細檢視。季節性任務、用戶變動，或活動記錄方式的改變，都可能解釋暫時性的變動。研究人員應先調查這些可能性，再把趨勢歸因於工作中的持久變化。

不應根據目前發布內容，假定任何未來更新的時間。重要訊號是下一次觀察結果的可比性，不論它何時出現。

其次，留意消費者聊天、企業系統和專門介面之間是否有更清晰的連繫。能解釋這些界限的供應商發布內容，將令不同產品之間的遷移更容易詮釋。

若某個介面的活動下降，同時其他地方的活動增長，整體敘事便會改變。起初看似興趣減退的現象，實際上可能反映某項任務與另一種環境更為契合。

一致的定義會加強這種分析。不相容的類別會留下不確定性：研究人員所觀察到的，究竟是行為改變，還是量度方式改變。

第三，留意把特定活動與已完成工作成果配對的獨立評估。有用的指標包括準確度、審核所需工作量、完成時間，以及僱員是否保留評估結果的能力。

若有證據顯示整項任務均有改善，便會加強更廣泛使用的經濟意義。若證據顯示需要大量修正工作，則會為此加上限制。無論是哪種結果，都有助採購者作出更佳決策。

這最後一個訊號，對負責實際交付成果的人最為重要。日益多樣的請求，令 AI 與更多任務相關；但它並不能取代釐清對話結束後實際發生了甚麼的需要。

對於評估 ChatGPT 不斷擴展的工作世界的讀者，不妨先從自己工作中熟悉的一項活動開始。比較僱員提出的問題，與完成任務所需的證據。問問助理在哪裡作出貢獻、在哪裡仍須核實，以及甚麼結果足以證明值得持續使用。讓這些問題緊扣源材料，而非答案的流暢程度。然後尋找量度整個流程的研究，包括修正工作和人類判斷。該報告為這項研究提供了起點。若研究人員能證明人們可以更準確、更省力地完成哪一項已觀察到的活動，並且責任獲清晰分配，它將會變得明顯更有價值？