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：
1. 找数据分析师帮忙
2. 等数据分析师排期
3. 数据分析师写 SQL 查数
4. 数据分析师做可视化
5. 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：
1. 我的组织里，有多少工作流还在走老的多部门移交模式？
2. 我的人有没有在用 AI 扩大自己的能力边界？
3. 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：
1. 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
2. 基于调研结果，重新定义岗位体系
3. 设计新的绩效考核框架，把跨界工作纳入考核
4. 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。