一句话看懂：OpenAI 分析了超过 80 万条工作相关的 ChatGPT 消息，发现 43.5% 的岗位特定查询实际涉及另一职业——市场和工程任务跨界最多。小公司中，非专业人士大量用 AI 代劳合同审查、数据分析等原需专长的工作，这可能是岗位定义正在前移的一个早期信号。
事件核心：发生了什么
OpenAI 在 2026 年 7 月发布的一项基于实际使用数据的分析中提出，“任务交叉”（task crossover）现象正在变得普遍。该公司以美国职业数据库 O*NET 为分类框架，从 80 余万条工作场景的 ChatGPT 消息中筛选出岗位相关的 query，并排除写作、总结、日程安排等通用任务。结果显示，43.5% 的岗位 query 实际对应了另一个职业的工作内容。交叉最频繁的两类岗位是市场和工程：非营销人员会向 ChatGPT 索要营销策略文案，非工程师则用它排查网站问题、分析数据甚至审阅合同。这一趋势在缺少专职团队的小公司中更为明显——没有专属营销人员的小企业员工最常让 ChatGPT 完成营销类任务。
为什么重要
OpenAI 将此视为“职位图画悄然改变”的实证：实际工作内容（task）正在绕过正式职位头衔（title）和传统岗位描述（job description）快速重构。虽然研究基于 ChatGPT 用户行为，但其含义可能在大型语言模型的通用性上放大：AI 工具开始充当“复合型员工”，让非专业人士能跨界完成原本需要专门训练或多年经验的任务。这对企业内部的人才结构、外包需求以及职业教育模式都可能产生连锁影响——岗位边界越模糊，专业壁垒被消化得越快，企业对单一技能岗位的依赖可能下降。
对用户/开发者/创作者的影响
对普通用户：工具使用门槛进一步降低，一个人可以用 AI 同时“兼任”市场、工程、法务等角色，这在创业或自由职业场景中将非常有价值，但也意味着必须自行判断 AI 输出质量（例如合同审查的法律风险）。
对开发者：模型需求从“回答通用问题”转向“细粒度理解不同职业的执行语境”，因此 API 产品可能需要提供更多行业化的 prompt 模板或可控的知识边界（比如限制法律/医疗输出以避免误判）。
对创作者与内容从业者：任务交叉数据说明，写作、总结等传统被 AI 替换的场景只是冰山一角；图像生成、数据分析、市场策略等更高阶任务也开始向非专业人士开放，内容创作的市场竞争压力可能更大，但同时也催生“AI + 专业判断”的新协作方式。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，OpenAI 所用数据基于用户自愿分享的工作类对话，样本存在自选择偏差。后续可观察：① 企业是否开始根据实际工作内容重写岗位要求（例如“会使用 ChatGPT 辅助工程分析”写进 JD）；② 其他模型厂商（如 Anthropic、Google）会不会发布类似的多职业交叉分析；③ 合规层面——随着 AI 承担跨专业知识工作，责任归属与输出质量监管是否会被重新讨论。
