OpenAI 最近发布了一份基于 Signals 数据的深度报告，梳理了 2025 年初至 2026 年三季度间，全球近百个国家用户使用 ChatGPT 的工作行为。
这次发布不是简单的用户增长报告，而是试图用 165 种中间工作活动分类，量化 AI 的具体应用方向。数据显示，虽然用户规模在增长，但工作模式正在发生微妙的迁移：排名前十的通用任务占比从 56.0% 降至 51.1%。这说明，用户对 AI 的依赖正在从单一的通用聊天，转向更具行业特征的专业化场景。
这组数据最有趣的地方，不在于 AI 的易用性，而在于它揭示了系统的局限性。OpenAI 的映射框架显示，约 43% 的就业任务，如搬运、驾驶、重体力维护等，无法在 ChatGPT 的聊天日志中找到对应。
这并非系统失灵，而是现实投射。试图用聊天日志去定义整个人类劳动力市场时，必然会碰到边界。Anthropic 或其他学术研究机构倾向于将任务区分为自动化或增强模式，而 OpenAI 这种基于消费者行为的观察，更像是一个在线工作的观测仪，而非全行业自动化指南。
- 提醒.聊天日志与现实就业统计存在巨大鸿沟，通用任务的误分类风险极高，学术界对此类数据的相关性存疑，切忌直接将其等同于生产率指标。
这种数据发布方式，折射出 OpenAI 正在尝试向经济分析提供者的身份转型。通过这种方式，他们不仅掌握了算力，还试图掌握对 AI 经济影响的定义权。
我不太认同仅凭这一类数据去评判 AI 对就业的冲击。正如经济学中常说的，技术扩散与行业渗透往往存在时滞。OpenAI 的 Signals 数据更多是反映了愿意使用 AI 的那部分人正在做什么，而非整个经济结构的真实全貌。
说到底，这次发布更多是一次方法论的试探。它证明了 AI 工具正在从聊天机器演化为生产力脚手架，用户正在学会如何将它融入更细分的业务流里。至于这是否真的导致了生产效率的质变，或者仅仅是工作内容形式的平移，恐怕还得等下一阶段的宏观经济指标来验证。
- 结论.任务多样性的提升是 AI 应用进入成熟期的信号，但数据的盲区提醒我们：被归入其他的那部分人，或许才是理解 AI 真实经济影响的关键分水岭。