AI进入办公室后，变化可能不是先“消灭一个岗位”，而是先把原本属于别人的任务挪到你手上。OpenAI在7月27日发布首份《Work at the Frontier》研究：分析80万多条工作相关消息后发现，剔除写邮件、总结和排期等通用工作，43.5%的职业特定消息跨出了用户本职边界。岗位名称还没变，工作内容已经开始重新组合。

三点看懂：AI正在改变“谁来做”

80万条消息如何被映射到职业边界

研究覆盖客户体验、设计、工程、财务、人力资源、法律、营销和销售八类岗位。用户职业来自其在ChatGPT Business中自报的部门或角色，分析对象则是这些美国用户个人ChatGPT账户中的工作相关消息。研究以美国职业信息数据库O*NET为历史基线，把每条消息映射到最接近的具体工作活动，再判断它属于本职、通用还是跨职业。

分类结果显示，61.5%的消息是多个岗位普遍都会做的通用任务，21.8%落在用户本职范围，16.8%与其他职业的传统任务更接近。43.5%这个核心数字使用的是剔除通用任务后的分母，因此不能写成“近一半所有工作都跨界”。它衡量的是职业特定消息中的任务迁移，而不是工作时间、项目数量或岗位替代率。

为减少单句歧义，分类模型可参考所选消息之前最多九条对话上下文。职业边界既包含O*NET直接关联，也允许任务描述在语义上足够接近；这让开放式消息能够进入统一框架，但也意味着结果依赖分类模型、阈值和历史职业数据库的定义。

设计、人力和客服最常从别处“借任务”

在八类岗位中，客户体验、设计、人力资源、法律和营销的跨职业任务已经超过其职业特定消息的一半，比例依次为77%、75%、69%、56%和53%。常见迁移并非复杂岗位被一次性取代，而是财务计算、软件故障排查、营销素材制作、法规解释等具体活动，被原本需要等待同事或专家的人直接尝试。

任务流动也有方向差异。设计师发出的全部工作消息中，35.2%涉及其他职业的工作，但设计任务在其他岗位消息中的占比只有1.7%；工程师只有18.5%的消息向外借任务，工程类任务却占其他岗位消息的7.4%。营销同时扮演输入端和输出端：营销人员24.3%的消息来自其他职业，而营销任务在其他岗位消息中占8.9%。

这解释了为什么AI带来的组织变化未必先表现为裁撤岗位。销售可以自行探索客户数据，营销可以先排查网页问题，客服可以草拟原本交给法务的材料。交接次数可能减少，个人职责可能变宽，但高风险判断、质量复核与最终责任并不会自动消失。

它揭示任务迁移，但没有证明效率提升

研究的边界必须写清。样本不是美国整体劳动力的代表，只覆盖八类岗位；工作区席位数也不等于公司总人数。分析单位是一条消息，不是一小时劳动或一个完成项目，研究者看不到输出是否被采用、质量如何、节省多少时间、用户能否独立完成，也不知道是否有专家复核。高消息量用户的跨职业比例还没有随工作区规模呈现单调变化。

对企业而言，更现实的动作不是据此预测裁员，而是更新权限与复核流程：允许员工尝试邻近任务，同时为合同、财务、代码上线等高风险结果设置清晰的专业审核。培训也要从“会不会提示词”转向“能否识别自己新接手任务的知识边界”。

ATYUN编辑判断：这份研究最有价值的地方，是把AI影响从静态的“哪些任务能自动化”推进到动态的“任务会流向谁”。43.5%不是岗位消失倒计时，却提示管理者：岗位说明书、授权边界和绩效衡量可能比组织架构更早变化。接下来真正值得观察的是，这种跨职业尝试能否转化为可验证的质量和效率，以及企业能否在减少交接与保留专业责任之间找到稳定机制。