OpenAI 分析 80 万条工作消息后得出结论：43.5% 的工作已经跨出了自己的岗位边界
OpenAI 分析 80 万条工作消息后得出结论：43.5% 的工作已经跨出了自己的岗位边界
2026 年 7 月 27 日，OpenAI 发布了一份机构报告。
这份报告分析了超过 80 万条 真实的工作对话，想搞清楚一个问题： AI 到底在怎么改变人们每天的工作方式？
结果非常震撼。
43.5% 的专业请求，使用了相邻或其他岗位的技能。
什么意思？ 就是说你是一个产品经理，但是你做的事情里有 43.5% 其实是设计师、数据分析师、运营、甚至工程师的工作。 你是一个销售，但是你有 43.5% 的工作其实是在做市场调研、客户成功、甚至财务分析的事情。
而且这不是个例。 客户体验岗位的跨界比例高达 77%，设计岗位 75%，人力资源 69%。
这份报告给出了第一组大规模的、有数据支撑的证据： AI 正在以前所未有的速度，打破传统岗位之间的边界。
这件事的影响，将会比绝大多数人想象的要深远得多。
先看核心数据
OpenAI 的这份报告，核心发现可以归纳为以下几点：
发现 1：43.5% 的工作已经跨界
在所有被分析的专业请求中，有 43.5% 涉及到了本岗位之外的其他岗位的技能。
这个数字意味着什么？ 意味着如果你是一个 100% 只做自己岗位范围内事情的人，你已经是少数派了。 接近一半的工作内容，已经超出了传统岗位定义的边界。
发现 2：跨界最严重的三个岗位
| 岗位 | 跨界比例 |
|---|---|
| 客户体验 | 77% |
| 设计 | 75% |
| 人力资源 | 69% |
这三个岗位的跨界比例高得惊人。 客户体验岗位的人，有 77% 的工作内容涉及其他岗位的技能。 这意味着什么？意味着这个岗位的人，几乎已经不能只做「客户体验」这一件事了。 他们同时在做的事情还包括：数据分析、市场调研、产品设计、文案撰写、甚至财务分析。
发现 3：AI 是跨界的核心驱动力
为什么跨界会这么严重？ 因为 AI 降低了跨岗位工作的门槛。
以前，一个客户体验专员如果想做数据分析，他需要：
- 找数据分析师帮忙
- 等数据分析师排期
- 数据分析师写 SQL 查数
- 数据分析师做可视化
- 把结果发回来
现在呢？ 他直接跟 AI 说：「帮我分析一下上个月的客户投诉数据，按品类分组，做个柱状图。」 五分钟，结果就出来了。
他不需要等任何人，不需要求任何人，不需要任何专业技能。 AI 就是他的数据分析师、他的设计师、他的文案、他的工程师。
这件事为什么会发生？底层逻辑是什么？
很多人看到这个数据可能会觉得：这不就是大家都在用 AI 干别的岗位的活吗？有什么大不了的。
大错特错。 这件事的底层逻辑，比表面看起来要深刻得多。
逻辑 1：AI 把「技能壁垒」拉平了
在过去，岗位的边界本质上是由「技能壁垒」维持的。 你会写代码，我不会，所以编程是你的事。 你会做设计，我不会，所以设计是你的事。 你会做财务分析，我不会，所以财务是你的事。
但是 AI 把这些壁垒全部拉平了。 现在任何人，只要会说话，就能让 AI 帮他写代码、做设计、做财务分析。 虽然质量不如专业人士，但是对于 80% 的日常需求来说，已经够用了。
当技能不再是壁垒，岗位的边界自然就开始模糊了。
逻辑 2：工作流中的「移交成本」被消灭了
在传统的组织里，一个任务从一个岗位传到另一个岗位，是有成本的：
- 沟通成本：要解释清楚需求是什么
- 等待成本：要等对方排期
- 返工成本：做出来的东西不符合预期，要打回重做
- 协调成本：要有人来跟进和催促
这些成本加在一起，往往比任务本身花费的时间还多。
但是现在，如果你可以用 AI 先把初稿做出来，再请专家处理高风险部分：
- 不需要沟通了，你自己就做了
- 不需要等待了，马上就能开始
- 返工概率降低了，因为初稿已经有一定质量
- 不需要协调了，一个人搞定全链路
移交成本的消灭，直接改变了工作的组织方式。
逻辑 3：「专业判断」和「执行操作」开始分离
以前的岗位，是把「专业判断」和「执行操作」捆绑在一起的。 你请一个设计师，既买他的审美判断，也买他的 Photoshop 操作能力。 你请一个数据分析师，既买他的业务洞察，也买他的 SQL 查数能力。
但是 AI 把这两件事分开了： 执行操作的部分，AI 可以做。 专业判断的部分，还是需要人。
所以未来的岗位，会越来越聚焦在「判断」上，而不是「执行」上。 一个人，加上 AI，可以承担过去需要好几个岗位才能完成的全链路工作。
这对企业意味着什么？
这份报告对企业的影响是全方位的。 不是「要不要用 AI」的问题，而是「整个组织架构要不要重构」的问题。
影响 1：岗位 JD 需要重写
如果你的客户体验岗位有 77% 的工作涉及其他岗位的技能，那你招人的时候还在写「负责客户体验相关工作」就完全不对了。
你需要重新定义每个岗位：
- 这个岗位的人，实际每天在做什么？
- 哪些工作是 AI 辅助完成的跨界工作？
- 这些跨界工作需要什么样的能力？
- 招人的时候应该考察什么？
岗位 JD 的重写，只是组织重构的第一步。
影响 2：部门边界需要重新划定
如果 43.5% 的工作都是跨界的，那现有的部门划分方式就不再合理了。
以前按职能划分部门：产品部、设计部、开发部、运营部、市场部。 每个部门是一个技能池，任务在部门之间流转。
但是当技能壁垒被拉平之后，按职能划分的优势就消失了。 取而代之的，可能是按目标或按流程来组织团队：
- 一个「客户增长团队」，里面有一个人能做产品、设计、数据、运营的全链路工作
- 一个「产品交付团队」，一个人就能搞定从需求到原型到开发的全流程
部门的数量可能减少，但每个团队的端到端能力会大幅提升。
影响 3：管理层级可以大幅压缩
以前需要多层管理，是因为任务要在多个部门之间协调、流转、跟进。 现在一个人加上 AI 就能完成全链路，协调的需求大幅降低。
协调少了，中间管理层就可以减少。 组织可以变得更扁平，决策可以更快，信息损耗可以更少。
影响 4：绩效考核需要彻底重新设计
以前的绩效考核是按岗位职责来的：
- 设计师考核设计产出
- 开发考核代码质量
- 运营考核运营指标
但是现在一个人在做多个岗位的事情，你怎么考核？ 按原来的岗位考核？那他跨界的那些工作就不被认可，他就没有动力跨界。 不按岗位考核？那考核标准怎么定？
这是每一个企业都要认真思考的问题。
OpenAI 给企业的建议：用这三个指标来衡量
OpenAI 在报告的最后，给了一个非常实用的建议： 企业后续的组织改革，应该参考以下三个指标来衡量效果。
指标 1：一条工作流减少了多少移交
在 AI 的帮助下，一条完整的工作流，从开始到完成，中间经过了多少次部门间的移交？ 以前可能是：需求 → 设计 → 开发 → 测试 → 上线，5 次移交。 现在可能是：一个人 + AI 全部搞定，0 次移交。
移交次数的减少，直接对应着效率的提升和成本的降低。
指标 2：减少了多少等待
每次移交都伴随着等待。等对方排期，等对方做完，等对方反馈。 等待是最大的隐形成本。 减少等待，就是减少浪费。
指标 3：减少了多少返工
移交过程中的信息损耗，是返工的主要原因。 需求传了五手，到最后完全变了样，只能打回重做。 一个人做全链路，信息损耗为零，返工概率大幅降低。
补充指标：谁开始承担过去不属于自己的工作
这个指标最有意思。 它衡量的是：在你的组织里，有多少人开始做过去不属于自己岗位的事情？ 这个数字越高，说明你的组织越走在前面。 因为这意味着你的人在利用 AI 扩大自己的能力边界，而不是在等别人来帮忙。
给不同角色的建议
如果你是 CEO 或高管
这份报告是你的战略输入。 不要把它当成一个「AI 趋势报告」看完就完了。 把它当成你的组织变革路线图。 问自己三个问题：
- 我的组织里，有多少工作流还在走老的多部门移交模式？
- 我的人有没有在用 AI 扩大自己的能力边界？
- 我的组织架构，是不是已经跟不上实际的工作方式了？
如果三个问题的答案都让你不安，那就该行动了。
如果你是 HR 负责人
你面临的挑战最大。 岗位体系、薪酬体系、绩效体系、培训体系，全部都要重新设计。 这不是小修小补，这是体系级别的重构。 建议从以下几个方面入手：
- 先做一次全公司的「实际工作内容调研」，搞清楚大家每天到底在做什么
- 基于调研结果，重新定义岗位体系
- 设计新的绩效考核框架，把跨界工作纳入考核
- 调整培训体系，教大家如何用 AI 做跨界工作
如果你是中层管理者
你是最容易被优化的那个层级。 如果你的主要工作是协调和传递信息，那 AI 可以比你做得更好更快。 但是如果你能转型成「赋能者」——帮助团队更好地使用 AI，更好地做跨界工作——那你的价值反而会更高。
如果你是普通员工
这是你的机会。 过去你只能做自己岗位的事情，现在你可以做任何岗位的事情。 不要等公司来推你，自己先动起来。 找到你工作中最烦的那些「需要找别人帮忙」的环节，试试用 AI 自己解决。 你会发现自己能做的事情，比你以为的多得多。
写在最后
43.5% 这个数字，不只是一个统计结果。 它是一个信号。
它在告诉我们： 传统的、按职能划分的、部门之间壁垒分明的组织形式，正在过时。 取而代之的，是一个人 + AI 的全链路工作模式。
这个转变不会一夜之间发生，但是它已经开始了。 而且速度比所有人预期的都要快。
那些能够率先完成组织重构的企业，将会获得巨大的竞争优势。 那些固守旧模式的企业，将会发现： 不是 AI 淘汰了他们，而是他们自己的组织架构，拖了他们的后腿。
这份报告最大的价值，不在于它给出了什么答案。 而在于它用 80 万条真实数据，把一个所有人都隐约感觉到、但是没有人能说清楚的趋势，变成了一个清晰的、可量化的、不可忽视的事实。
现在事实已经摆在面前了。 接下来怎么应对，就看你的了。
作者: itech001 来源: 公众号：AI人工智能时代 网站: https://www.theaiera.cn/ 每日分享最前沿的AI新闻资讯和技术研究。
本文首发于 AI人工智能时代，转载请注明出处。
