OpenAI这周发布了一份研究，题目叫《Work at the Frontier: How AI is Expanding What People Do at Work》。研究团队筛了超过80万条美国用户和ChatGPT的对话记录，只挑和具体职业挂钩的提问来看。结果是，43.5%的职业相关提问，问的其实是别的职业的活。
这个数字比"AI抢了多少岗位"更值得琢磨。它说明的不是岗位消失，而是任务分工的墙先松动——谁离问题最近，谁就顺手把活接过去，不用等专门的人来处理。对小企业管理者和普通知识工作者来说，这种变化比裁员数字来得早，也更该现在看懂。
OpenAI是怎么算出43.5%的
报告给出两个口径，容易混着看。
| 统计口径 | 跨职业任务占比 | 覆盖范围 |
|---|---|---|
| 全部工作相关消息 | 16.8% | 含写作、总结、排日程等通用任务 |
| 剔除通用任务后的职业特定消息 | 43.5% | 只看和具体职业挂钩的提问 |
第一个数字16.8%，是全部工作相关消息里涉及本职之外任务的比例。它被写作、总结、排日程这类几乎所有职业都会用的"通用任务"稀释了。
把通用任务剔除，只看和具体职业挂钩的提问，跨界比例跳到43.5%。用户一旦问的是"专业事儿"，接近一半时候问的不是自己那一行。OpenAI的判断是，这类使用数据比企业重写岗位说明书更早反映真实变化——企业还没来得及改JD，员工已经在用AI把活接过去了。
谁的活最容易被"顺手"接走
按剔除通用任务后的比例算，客服77%、设计师75%、人力69%、法务56%、市场53%，这五类职业的跨职业任务比例最高，是最常"借活儿干"的人。
但跨界不是双向对称。报告把"借入别的职业任务"和"活被别的职业借走"分开算，同一职业这两个数字差别很大。
| 职业 | 借入他人任务占比 | 本职任务被借走占比 |
|---|---|---|
| 设计 | 35.2% | 1.7% |
| 工程 | 18.5% | 7.4% |
| 市场营销 | 24.3% | 8.9% |
设计师爱往外借，自己的活却很少被别人拿走。工程正相反：工程师本职之外的任务不算多，但排障、搭简单技术系统这类工程活，正被各行各业的人自己顺手解决。市场营销两头都高，是对外输出比例最高的职业。
设计师最爱借别人的活，工程师的活却总被别人借走。
小公司先遇到，但别急着下结论
企业规模也在影响这道边界。大公司有专门团队和流程，遇到不熟的活可以直接分派下去。小公司没有这层缓冲，离问题最近的人往往只能自己扛。
| 工作区规模 | 普通用户跨职业任务占比 |
|---|---|
| 2–5个坐席（小工作区） | 18.9% |
| 100个坐席以上（大工作区） | 16.3% |
小公司专业支持更少，员工遇到本该找别的部门帮忙的活，只能自己上手。AI把"自己上手"这件事变容易了。
但这条曲线到了重度用户那里就断了——数据没有显示"用得越多、跨界越多"的单调规律，研究也没把这归因于AI用得好不好。更该提醒的是，这份研究只统计了ChatGPT美国用户的对话内容，不能代表整个劳动力市场，也不等于失业率或生产率数据。
对小企业管理者，这份数据的实际用处是重新盘一遍团队分工：哪些原本要交给外部顾问或专职岗位的活，员工现在已经用AI自己顶下来了，招聘计划和预算该不该跟着调整。对知识工作者，更实际的问题是分清哪些任务正从"等别人来做"变成"自己顺手做完"——这决定了接下来该往哪投技能，不用等公司先改岗位描述。
接下来值得盯的是两件事：这个跨职业比例会不会随时间继续往上走，企业招聘信息里跨职能要求是不是开始变多。这两点比一次性的对话分析，更能说明AI是不是真的在重划职业边界。