# ChatGPT 如何改變工作分工？OpenAI 逾 80 萬則訊息揭示 AI 跨職能趨勢

OpenAI 抽樣超過 80 萬則工作相關的 ChatGPT 訊息，發現不少人碰到職稱以外的問題時，已經會先問 ChatGPT 一輪。這篇用 100 則訊息說清楚 16.8% 與 43.5% 的差別，也整理哪些事適合先請 AI 幫忙、哪些仍要交給專家。

OpenAI 在 7 月 27 日公布一份新的工作研究。他們抽樣超過 80 萬則工作相關的 ChatGPT 訊息，想知道大家平常到底把 AI 拿來處理哪些事。

研究裡有幾個很熟悉的畫面：

- 業務先整理原本可能交給分析師的客戶資料。
- 行銷遇到網站問題，先查可能是哪裡出錯。
- 小公司老闆用 ChatGPT 草擬文案、看合約、整理基礎財務。

這些人沒有換職稱，卻把原本更接近其他專業的問題拿來問 ChatGPT。工作最後有沒有做完，這份研究沒有看到。

![不同職能使用者向 ChatGPT 詢問跨職能任務的工作場景示意](https://be-ai-curator.com/images/blog/chatgpt-cross-functional-work-study-three-work-scenes-wide.jpg)

### OpenAI 這次看了什麼

研究資料來自美國使用者個人 ChatGPT 帳號裡的工作訊息。研究團隊再連結 ChatGPT Business 使用者自填的職業資訊，把使用者分成顧客體驗、設計、工程、財務、人資、法務、行銷與業務八個工作領域。

接著，他們看每則訊息裡的任務比較接近哪一種工作：是大家都會碰到的共通事情、留在自己的專業，還是跨到其他專業。

研究每次只數一則訊息；一個完整專案或一個人的整天工作，都不在它的計算單位裡。

### 把 100 則工作訊息分成三堆

如果把 100 則工作訊息排在桌上，大致會分成：

- 約 62 則：寫信、摘要、排程等各種工作都會碰到的共通事情。
- 約 22 則：留在使用者原本的專業。
- 約 17 則：跨到其他專業。

用研究的精確數字來看，三類分別是 61.5%、21.8% 與 16.8%。因此，全部工作訊息中，被分類為跨職能的是 16.8%。

報告裡還有一個 43.5%。它的算法是把 61.5% 的共通工作拿掉，只看剩下能辨認職能的訊息。在這一小堆裡，跨職能訊息占 43.5%。

![16.8% 與 43.5% 的分母差異](https://be-ai-curator.com/images/blog/chatgpt-cross-functional-work-study-denominator-168-435-wide.jpg)

### 哪些工作領域最常跨出去問

只看能辨認職能的問題，跨到其他專業的比例最高的是：

- 顧客體驗：77%
- 設計：75%
- 人資：69%
- 法務：56%
- 行銷：53%

這些數字說的是「他們問了多少其他專業的問題」。例如顧客體驗的 77%，指該領域非共通訊息中，有 77% 被歸到其他職能；研究沒有計算客服人員的轉職人數。

![顧客體驗、設計、人資、法務與行銷的跨職能比例](https://be-ai-curator.com/images/blog/chatgpt-cross-functional-work-study-role-crossover-wide.jpg)

### 這三種事，最常出現在其他工作領域的提問裡

研究團隊把訊息裡的任務整理成可比較的工作項目後，看見三種特別常跨工作領域出現的工作：

- 計算財務資料：在其他七個非財務工作領域裡，全都進入財務類任務前三。
- 排查電腦應用程式與系統問題：在其他七個非工程工作領域裡，全都進入工程類任務前三。
- 製作行銷素材：在七個非行銷工作領域裡，有五個進入行銷類任務前三。

這些場景很容易想像。手上有一份試算表，就先請 ChatGPT 幫忙找異常；看到網站跳出錯誤，就先把訊息貼進去問可能原因；臨時需要一段活動文案，也會先請它起草。

遇到問題的人已經會先拿來問 ChatGPT。報告沒有追蹤他們為什麼這樣做，也沒有量到因此少等了多少時間。

![財務計算、系統排查與行銷素材正在跨職能移動](https://be-ai-curator.com/images/blog/chatgpt-cross-functional-work-study-traveling-tasks-wide.jpg)

### 問過，離做完還有一段路

一個人把合約貼給 ChatGPT，不等於合約已經完成；問了網站錯誤，也不表示問題已經修好。

研究者看不到回答最後有沒有被採用、品質好不好、省了多少時間，或後來有沒有找專家確認。它也沒有測量就業與生產力。

樣本來自美國使用者個人 ChatGPT 帳號，職業資訊由 ChatGPT Business 使用者自行填寫。這些結果不能直接代表整體美國勞動人口，也不能直接套到 ChatGPT Enterprise。

因此，這份資料適合用來看大家已經在嘗試哪些新工作。拿它估算哪個職位會消失，已經超出研究能回答的範圍。

### 把這些問題放回每天的工作

以前碰到不熟的事，第一步常常是找人。現在可以先用 ChatGPT 整理資料、列出可能原因、把問題問完整，再帶著這些內容去找專家。

做錯可以重來，而且有明確方法能核對的工作，可以自己先跑一輪，例如：

- 整理散亂資料，找出還缺哪些資訊。
- 把網站錯誤訊息翻成一份排查清單。
- 把合約條款整理成待詢問律師的問題。
- 把財務資料整理成需要會計確認的異常項目。

合約定稿、財務申報、網站正式上線與對外承諾，仍要讓對應專家覆核，也要留下最後負責的人。

### 連續一週，記下三個問題

如果想知道自己的工作是否也在改變，可以連續記一週。每次遇到原本會交給別人的事情時，寫下：

1. 這件事以前會找誰？
2. ChatGPT 能先做到哪一步？
3. 最後誰確認、誰負責？

![一週工作交接紀錄的三個問題](https://be-ai-curator.com/images/blog/chatgpt-cross-functional-work-study-one-week-handoff-log-wide.jpg)

一週後，再把紀錄分成三類：

- 可以先自己做一輪：低風險，而且有明確方法可以核對。
- 需要專家覆核：AI 能整理與起草，但錯誤會造成實際影響。
- 必須由有權責的人決定：牽涉法律、財務、正式發布或對外承諾。

我把這套做法整理成免費的[一週工作交接盤點](https://be-ai-curator.com/resources/chatgpt-cross-functional-work-study)。打開後先選三件工作，約五分鐘就能看出：哪些事可以自己先做、哪些一定要找專家。

### 職稱還在原位，提問已經跨出去

OpenAI 這份研究留下的畫面很簡單：人們碰到職稱以外的問題時，已經開始先問 ChatGPT。

AI 可以幫忙探索、整理、起草和排查。專業判斷、正式定案與最後責任，仍然要有人接住。

下一次遇到陌生工作時，可以試著先做一輪，再觀察自己帶給專家的問題，有沒有比以前更完整。

### 資料來源

- [OpenAI：How AI is expanding what people do at work](https://openai.com/index/how-ai-is-expanding-what-people-do-at-work/)
- [OpenAI：Work at the Frontier 完整報告（PDF）](https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf)

---

來源：AI 主理人 https://be-ai-curator.com/blog/chatgpt-cross-functional-work-study · 更新於 2026-07-28