OpenAI 对超过 800,000 个工作相关的 ChatGPT 查询进行的分析显示，43.5% 的专业级请求正由其主要工作职责之外的用户处理，该公司将这一趋势称为“任务交叉”（task crossover）。这一发现意义重大，因为它预示着企业配置专业人才的方式以及个人定义职业能力的方式正在发生快速重塑。

“任务交叉”背后的数据

OpenAI 使用美国职业数据库 O*NET 将每个查询映射到标准职业。在剔除电子邮件起草或日程安排等通用活动后，研究重点关注了通常需要特定领域培训的高级能力。在剩余的查询中，近一半要求 ChatGPT 执行属于不同专业类别而非用户自身职责的任务。

转变正在发生的地方

任务交叉在营销和工程领域最为显著。

  • 营销专业人员转向 ChatGPT 进行技术故障排除和数据分析——这些任务通常由工程师或数据科学家处理。
  • 工程师要求模型审查合同并解决网站问题，这些角色传统上由法律或前端团队担任。

小企业放大了这一模式。由于聘请专家的预算有限，一名员工可以使用 ChatGPT 作为“力量倍增器”，处理原本需要多次招聘才能完成的一系列职能。

为什么这种交叉对工作和 AI 至关重要

数据表明，职业角色正在从“专家”向“增强型通才”转变。随着提示词编写（prompt-crafting）本身成为一种技能，深耕于特定领域的知识可能会让位于 AI 增强的多功能性。创始人与开发者现在感受到压力，必须推动大语言模型超越简单的文本生成，在法律、金融或工程领域提供高精度的推理。降低技术任务的门槛可能会重塑招聘、培训甚至职位名称。

风险与反论点

并非所有人都在拥抱这一转变。批评者警告说，将专业工作委托给 AI 可能会削弱专业性、引入隐藏错误，并使组织面临合规风险。该研究并未追踪 AI 生成内容的验证频率，也未量化在合同法或工程设计等高风险领域中犯错的潜在成本。这些担忧表明，虽然 AI 可以扩展能力，但也可能创造一种虚假的胜任感。

下一步值得关注的方向

  • 工具开发： 未来的 LLM 升级必须提高特定领域的推理和错误检查能力，以满足任务交叉的需求。
  • 组织政策： 公司可能会针对 AI 辅助工作制定新的内部指南，特别是在受监管的行业。
  • 劳动力市场信号： 招聘人员可能会开始将“AI 增强型通才”列为一项能力，培训项目也可能转向提示词工程技能。

核心要点

  • 任务交叉占专业级查询的 43.5%，表明专业职能之间存在实质性的重叠。
  • 营销和工程领域引领了这一转变，使用 AI 处理传统上属于其他专业领域的工作。
  • 小企业依靠 AI 来填补人才缺口，有效地将一名员工转变为多学科运营者。
  • 这一趋势既带来了机遇也带来了风险，促使人们呼吁加强 AI 验证并建立新的职场规范。