OpenAI揭示AI时代最重要的职场技能

一句话看懂：OpenAI 发布了一份关于自家研究人员如何使用 AI 的报告，数据显示今年自动化进展最快的是写代码、技术支持、监控程序运行和结果分析，而决定做什么项目、资源投向哪里、优先级怎么排，依然主要靠人。这透露了 AI 时代职场价值可能从哪里转移到哪里。

事件核心：发生了什么

据 Business Insider 2026 年 9 月 26 日报道，OpenAI 在一份披露其研究人员如何使用 AI 的报告中，给出了目前较清晰的一组信号：哪些任务正在被 AI 吸收，哪些仍然依赖人类。今年自动化收益最大的环节集中在编码、技术支持、监控计算机运行以及分析结果。相比之下，AI 在“决定追求哪些项目、把资源投向哪里、如何设定优先级”上做的工作仍然相对很少。

OpenAI 自己的表述是：人仍然设定研究优先级、判断哪些想法和结果值得跟进，并决定一个系统是扩大规模、暂停还是部署。换句话说，被替代的是执行环节，而不是判断环节。

为什么重要

这组数据之所以值得看，是因为它给“AI 会先替代什么”提供了一个来自一线 AI 公司的内部视角，而不是外部猜测。编码、监控、结果分析这类任务有一个共同点：产出可以被度量——代码有没有写出来、产品有没有上线、bug 有没有修复，都是可验证的指标，因此更容易被大模型和自动化工具接管。而“该不该做这件事”涉及判断、上下文、取舍和承担风险的意愿，短期内难以被推理模型直接替代。

这意味着企业采购 AI 工具的重心，可能会从“省掉多少执行人力”逐步转向“如何让人更快做出更好的决策”。对闭源和开源模型厂商来说，谁能把推理、工具调用和 agent 能力落到“辅助判断”这一层，谁就更接近下一阶段的商业价值。

对用户/开发者/创作者的影响

对开发者而言，写代码本身的价值在被 AI 快速摊薄，真正拉开差距的是需求判断、架构取舍和优先级排序——也就是决定“写什么”。对创作者和企业用户来说，AI 应用已经能承担大量素材整理、初稿生成和效果分析，但选题、定位和资源分配仍需要人来拍板。一个务实的做法是：把可度量的执行环节尽量交给 API 和 AI 工具，把自己的时间挪到那些需要上下文和风险的判断上。