ChatGPT 不断扩展的工作世界揭示出更广泛的任务组合

10 月 26 日，OpenAI 发布了覆盖近 100 个国家、165 项工作活动的数据，让研究人员得以更细致地了解消费者如何使用 ChatGPT。ChatGPT 不断扩展的工作世界描绘出请求类型日益多样化的图景。核心张力在于，这些请求究竟揭示了怎样的经济变化，尤其是使用工具与改善工作本身是不同的结果。

对雇主而言，这项发布提出了一个实际问题：员工究竟在哪些场景中发现 AI 有用。对研究人员而言，它提供了一种将对话活动与既有职业类别联系起来的方法。两类受众都不应将不断变化的任务组合直接视为生产率、劳动者替代或企业采用情况的衡量指标。

Anthropic 针对 Claude 的研究提供了有益的参照，因为它同样追踪 AI 使用如何扩展至不同任务。这些工作共同让工作场所中的 AI 更具可观测性。它们也进一步要求供应商和采购方区分：哪些证据反映的是试验，哪些则证明了持久价值。

ChatGPT 不断扩展的工作世界究竟衡量什么

根据 OpenAI 的工作活动发布，这一季度序列覆盖了 2025 年第一季度至 2026 年第三季度。在持续观测的 74 个国家中，排名前十的活动平均占已分类工作消息的 51.1%，低于此前的 56.0%。

这意味着下降了 4.9 个百分点。这一发现涉及的是工作消息的构成，而非已完成工作的数量。

构成变化之所以重要，是因为采用故事在总体数据背后可能呈现不同面貌。一种工具可能吸引更多使用，却仍主要服务于熟悉的用途。另一种情况是，既有用户开始将更多样的问题带给它。这代表了不同形式的扩张。

这项发布为研究这一差异创造了机会。研究人员可以考察不同地区的活动模式是同步变化，还是呈现不同发展轨迹。更有价值的问题是，哪些工作进入了对话，而非某个国家是否只是看起来热衷于 AI。

这种职业关联通过中级工作活动实现，这些类别将不同工作中的相关任务归为一组。OpenAI 从 ONET 中引用了这些类别；ONET 是一个职业信息框架。其职业内容模型将工作活动与职位名称、劳动者要求及工作场所条件区分开来。

这种区分改变了分析单位。准备说明、评估信息和组织材料等活动，可以出现在不同职业之中。若只看职位名称，就会掩盖这些共通活动。

设想一名员工正在准备演示文稿。该任务可能涉及解读客户反馈、核对财务假设，以及起草说明性文字。职位标签宽泛地描述这名员工，而活动类别则描述任务中的各个组成部分。

这种更细致的视角，为研究协助如何进入工作流程提供了更好的起点。但它仍将周边流程置于分析框架之外。仍需有人判断演示文稿是否回答了业务问题，以及其支撑证据是否经得起检验。

同样的谨慎也适用于时间序列比较。某项领先活动的占比下降，并不能证明人们较少开展该活动。其他活动可能只是增长得更快。

因此，ChatGPT 不断扩展的工作世界应被视为一张平台观测范围内注意力变化的地图。它的价值在于引导人们针对特定活动提出更好的问题。要将这张地图转化为对经济结果的解释，还需要额外证据。

雇主面临着超越采用率的衡量难题

最直接的压力落在雇主身上：他们需要将员工兴趣与可靠的业务成果联系起来。 请求范围越广，他们需要评估的领域也越大。

一家组织可以批准使用 AI 工具，却不了解它在哪些地方真正有帮助。员工可能用它探索陌生主题、完善草稿，或解决分析问题。每种活动都会在协助、验证和责任之间形成不同关系。

因此，管理问题不止于是否提供访问权限。如果一份完成的草稿中的主张仍需大幅修正，它的运营价值就十分有限。一项回答即使没有任何生成文本进入最终交付物，只要能帮助员工理解问题，也可能创造价值。

这些可能性意味着需要不同的衡量方法。重复性任务中，完成时间很重要。错误会带来后果时，准确性很重要。当员工日后必须独立完成类似工作时，学习效果很重要。

单一的采用仪表盘无法回答所有这些问题。统计活跃账户能够衡量参与度，统计消息能够衡量互动量，但两者都不能自动证明组织把任务完成得更好。

独立研究说明了直接观察结果的重要性。Erik Brynjolfsson、Danielle Li 和 Lindsey Raymond 研究了一种由客户支持人员使用的对话式助手。他们的工作场所生产率研究衡量了每小时解决的问题数量，并发现收益会因劳动者经验水平而异。

这里的相关性在于研究设计。客户支持提供了一个明确场景、特定干预措施和可观察的运营结果。这支持了不同于平台请求分布的另一类推断。

因此，阅读新版 Signals 发布内容的雇主，应将热门活动视为调查候选项。热度表明员工正试图完成某件事，却不能说明当前方法是否成功。

设想一位经理使用 AI 准备项目更新。生成易读的文字只是任务的一部分。确认哪些里程碑确实延期、哪些决定仍未敲定、哪些承诺已发生变化，则需要支撑记录。

如果草稿错误陈述了这些事实，流畅的表达反而可能掩盖额外工作。仍需有人定位差异、找回原始背景，并修改更新内容。若只评估起草速度，就会忽略这一负担。

这正是个人知识管理与更广泛工作场所讨论相关的原因。答案的质量部分取决于人们能否找到并评估其背后的信息。

这种联系并不构成对 remio 或任何其他产品的性能主张。它指出了工作流程中的另一个组成部分：当决策需要支撑时，确保有用证据能够被获取。

对采购方而言，实际含义是要求获得完整的任务说明。员工获得了什么，助手产出了什么，之后进行了哪些验证？相比令人印象深刻的活动量，这些答案能提供更坚实的采购依据。

Claude 研究说明，为何更广泛的使用仍需解读

ChatGPT 不断扩展的工作世界，正处于通过观察行为衡量 AI 的既有努力之中。Anthropic 的AI 采用研究提供了尤其相关的比较。

其 2026 年 3 月报告发现，Claude.ai 排名前十的任务占对话的比例从 11 月的 24% 降至 2 月的 19%。Anthropic 还提到，编程活动正转向其开发者界面，个人使用和课程作业的使用方式也发生了变化。

更广泛的任务分布可能反映多种变化同时发生。 在得出经济结论前，产品迁移、受众构成和需求变化都值得检验。

Claude 的比较支持对平台数据采取谨慎解读。人们会选择在哪里完成某项活动。如果某个专业界面变得更合适，活动便可能离开通用聊天产品，却并未从供应商更广泛的生态系统中消失。

这使平台边界具有经济意义。消费者对话和自动化软件工作流程提供的是不同的工作视角。研究任何一种都可能有价值，前提是分析能够说明其范围之外的内容。

这些数据集使用的类别和覆盖人群也不同。OpenAI 的国家层面工作活动指标与 Anthropic 的对话任务指标，并不能直接构成对工作场所采用情况的竞争。将它们的百分比视作等价指标进行比较，会制造误导性的排名。

更好的比较应关注两家公司各自研究的问题。活动是否变得更多样？经验是否会改变人们使用协助的方式？不同界面是否吸引不同任务？这些问题有助于解释 AI 使用的发展，而无需宣告某家供应商胜出。

Anthropic 的报告还将更长的用户使用时长与更成功的互动联系起来，同时承认存在其他解释。经验丰富的用户可能学会了更好的策略。早期采用者也可能与后来的用户在影响结果的方面有所不同。

这种不确定性对于评估 ChatGPT 工作用途扩大的雇主而言至关重要。向员工提供访问权限，与允许他们培养有用习惯，是两项不同的组织决策。在团队知道哪些任务适合该工具之前，这一工具就可能已经可用。

从产品角度看，这带来了艰巨的解读难题。请求增加可能意味着有益的探索、尚未解决的困难，或是反复尝试获取可接受的答案。界面记录的是互动，而结果可能发生在别处。

一位假设中的分析师可能因任务复杂而要求多次修改。另一位可能很快停止，因为答案已满足需求。第三位则可能在收到无用回复后放弃该工具。

仅凭消息量无法区分这些情况。要理解它们，需要有关任务目的、难度以及后续发生情况的证据。

因此，竞争背景进一步凸显了本文的核心张力。供应商越来越能够描述人们带给它们的工作。采购方仍然需要关于人们完成工作的证据。

最有力的报道将保留这两种视角。行为数据揭示了个别轶事无法确立的模式。结果研究则检验这些模式是否会在特定场景中转化为收益。二者分别回应工作场所 AI 故事中的不同部分。

国家差异挑战统一推广策略

地理差异使得对工作场所 AI 的统一解释更缺乏说服力。 一项活动在某国观测使用中的重要性，并不能证明它在该国整体经济中的重要性。

占比描述的是一个类别与其比较群体之间的关系。如果分析类请求在观测组合中占据更大比例，这只能告诉研究人员该组合的情况。要确认原因，需要百分比本身之外的证据。

有几种假设值得检验。职业构成可能影响人们提出的请求类型。语言、访问条件、组织规则以及对 AI 的熟悉程度，也可能影响参与情况。

这些是可能的解释，而非该报告已经证实的结论。区分它们很重要，因为每种解释都意味着雇主和政策制定者应采取不同的应对方式。

如果某种模式反映的是当地职业结构，那么任务选择就成为核心。培训项目应覆盖人们实际承担的工作。如果某种模式由获取渠道所致，仅靠培训无法解决根本限制。

如果组织规则影响参与程度，非正式的消费者使用情况可能只呈现部分图景。面临限制的员工可能会回避某些请求，或在观测平台之外使用获批准的系统。

因此，跨国比较不应将使用画像转化为对劳动力能力的评判。某项活动在数据集中并不常见，原因可能与员工是否能从协助中受益无关。

同样的逻辑也适用于跨国公司内部。总部团队可能识别出一个有前景的使用场景，并假定它很容易推广。但当地办公室仍需评估该任务涉及的语言、源材料、审批流程和客户预期。

以一个假设性的客户沟通流程为例。起草说明只是任务的一部分。员工还必须了解适用哪些政策、可以作出哪些承诺，以及何时需要升级处理。

模型能够生成流畅的语言，并不能解决这些本地化要求。评估该流程意味着检查员工是否获得了恰当使用这些语言所需的背景信息和授权。

对开发者而言，地域差异带来了有关产品匹配度的研究问题。下一步应与当地用户一起调查已观察到的需求。国家层面的模式可以为这种调查提供方向，但不应直接规定要开发什么功能。

对劳动者而言，其影响同样具体。在其他地方积累的热门活动经验，并不保证同样的方法适合本地任务。相关检验应聚焦实际工作及其限制条件。

因此，ChatGPT 不断扩展的工作场景支持我们以更具区分度的方式理解采用情况。更广泛的参与并不必然带来完全相同的行为。技术可以扩散，而人们会将其适配于不同目的。

这种解读也改变了应如何公开讨论成功。一个普遍适用的叙事容易引发对谁领先的笼统论断。基于任务的叙事则会追问：协助在哪些场景适用，什么阻碍了有价值的采用，以及哪些结果足以证明进一步投资合理。

这些问题比国家排名需要更多研究工作。但它们也为雇主和研究人员提供了更清晰的路径，以作出能够自圆其说的决策。

缺失的工作内容限制了关于就业的结论

OpenAI 表示，该数据集覆盖个人 ChatGPT 计划，不包括企业消息和 Codex。其美国比较还显示，约 43% 按就业权重映射的任务属于“Other IWAs”，即不在单独报告类别之内。

这些边界使该报告无法作为工作普查或岗位替代程度的衡量工具。 缺失的活动对于任何解读都很重要。

随附的抽样方法提供了更多细节。更广泛的 Signals 样本每月使用 100 万条消费者消息，并排除存在特定资格或数据使用限制的账户。自动分类器负责划分行为类别，而隐私保护措施会加入统计噪声。

这些选择塑造了研究人员能够观察到的内容。分类器推断一条消息所属的类别。它不会采访劳动者、检查最终交付成果，也不会确认所请求的行动是否实际发生。

隐私保护同样带来了诠释上的权衡。汇总信息使研究者能够在保护个人消息的同时研究模式。细微差别需要谨慎对待，尤其是在某个子群体可供参考的观察样本较少时。

恰当的做法是让结论与测量相匹配。请求模式可以支持对协助需求的调查。要证实就业变化，则需要就业方面的证据。

一份工作包含的职责，并不会整齐地呈现在一条提示词中。有人必须发现问题需要处理、获取缺失的信息、与同事协调，并为结果承担责任。

对某个组成部分的协助可以改变这份工作，而不必消除它。它可能减少投入的精力、扩大任务范围，或引入新的审查负担。哪种影响占主导地位，仍是一个实证问题。

相反的错误是，因为该报告无法回答所有劳动力问题，就将其一概否定。详细的行为记录提供了有用的起点，有助于研究人员识别值得深入研究的活动。

独立的人口研究提供了另一种视角。Alexander Bick、Adam Blandin 和 David Deming 的生成式 AI 采用研究使用具有全国代表性的美国调查，考察人们在工作和家庭中的使用情况。这种方法有助于将平台观察置于更广泛的人口背景中。

这些方法彼此互补。调查可以询问特定供应商之外的工作时长和使用体验。平台数据则可以描述互动，而不完全依赖受访者的记忆。

两种方法都不能消除谨慎解读的必要性。调查回答可能存在报告误差。平台样本可能遗漏重要人群。不同方法之间的一致性，比重复同一种测量更能增强信心。

因此，审慎的解读应聚焦观察与结果之间的差距。该报告并未独立证实，更广泛的请求组合带来了更好的产出、更高的工资或更少的岗位。

它同样没有证实，未出现的活动不会受到未来变化的影响。它们的缺失描述的是测量边界。预测其未来需要关于能力、部署条件和组织决策的额外证据。

更站得住脚的结论更为有限，却也有用：研究人员如今拥有了更详细的基础，用以追问消费者 AI 在何处与工作发生交集。

三个信号将使下一次发布更具信息价值

下一阶段应将广度、测量一致性和结果联系起来。 在未来几个月中，这些信号将强化或削弱对更广泛职场使用的解读。

首先，关注 OpenAI 下次更新该系列时，可比国家和活动群组内的模式是否持续。在定义保持一致的情况下，持续出现的模式将更有力地说明，使用组合正在发生持久变化。

如果出现逆转，则需要更仔细地审查。季节性任务、用户变化，或活动捕捉方式的变化，都可能解释暂时性的波动。在将某种趋势归因于工作的持久变化之前，研究人员应调查这些可能性。

不应根据当前发布来假定未来更新的时间。重要信号是下一次观察结果的可比性，无论它何时发布。

其次，关注消费者聊天、企业系统和专用界面之间是否建立了更清晰的联系。能够解释这些边界的供应商出版物，将使不同产品之间的迁移更易于解读。

如果某一界面的活动下降，而其他地方的活动增长，更广泛的叙事就会改变。最初看似是兴趣下降的现象，可能反而反映出某项任务与另一种环境之间有更好的匹配。

一致的定义会增强这项分析。不兼容的类别将使人无法确定，研究人员观察到的是行为变化，还是测量方式的变化。

第三，关注将特定活动与已完成工作结果配对的独立评估。有用的衡量指标包括准确性、审查投入、完成时间，以及员工是否仍保有评估结果的能力。

如果证据显示整项任务均有所改善，将增强更广泛使用的经济意义。如果证据显示需要大量修正工作，则会对其加以限定。无论结果如何，都能帮助采购方作出更好的决策。

这一最后的信号对于那些对实际交付成果负责的人最为重要。请求范围的扩大，让 AI 与更多任务相关。但它并不能取代对对话结束后实际发生了什么的判断。

对于正在评估 ChatGPT 不断扩展的工作场景的读者，不妨从自己工作中熟悉的一项活动开始。比较员工提出的问题与完成任务所需的证据。追问助手在哪些地方发挥作用、哪些地方仍需验证，以及什么结果足以证明持续使用合理。让这些问题始终与源材料相连，而不是被答案的流畅性带偏。然后寻找能够衡量完整流程的研究，包括修正过程和人类判断。该报告为这类调查提供了起点。如果研究人员能够证明人们完成某项已观察到的活动时更准确、投入更少，并且责任分配清晰，那么哪一项活动会变得显著更有价值？