当地时间 16 日，OpenAI 发布的最新结果显示，一部分跨职业 AI 使用并非一次性尝试。员工会反复处理超出自身职业边界的任务，而且时间越长，这类活动在其 AI 使用中的占比越高。

　　这些发现初步揭示了一个变化过程：员工获得 AI 工具后，或会先尝试处理新的任务，随后再把其中一部分纳入固定工作习惯。对于仍在摸索如何在组织内部部署和使用 AI 的企业而言，研究为理解 AI 如何缩短“发现问题”与“真正推动工作向前”之间的距离提供了重要线索。研究也表明，企业制定 AI 战略时，不能只考虑给员工提供什么工具，还需要重新考虑工作本身该如何设计。

　　员工面对本职范围内和范围外的任务时，使用 AI 的方式并不一样。处理原有职责之外的工作时，员工平均输入的提示词更短，也较少要求 AI 解释原理、提供操作步骤、按照指定格式回答或给出建议。

　　不过，在处理本职范围之外的任务时，员工更愿意向 AI 提供示例和背景，也更常要求 AI 帮忙检查或验证。

　　一种可能的解释是，员工把 AI 当成了“借用其他专业能力”的工具。他们并不一定希望 AI 从头教会自己一个陌生领域，而是往往带着具体问题和必要材料，例如文件、示例或同事提供的信息，再让 AI 帮助调用另一个领域的知识解决问题。

　　研究持续追踪了 2026 年 4 月至 7 月约 6200 名员工。员工此前处理过的跨职业任务，占具体职业类 AI 活动的比例从 4 月的 13.1% 升至 7 月的 25.9%。这说明，一部分跨界任务并没有停留在尝鲜阶段，而是逐渐进入日常工作流程。

　　另一组数据进一步说明了这种变化。在抽样的一月期匹配追踪中，员工次月再次处理上个月某项跨职业任务的比例达到 23.6%；对于此前一个月没有处理过同一任务的可比员工，这一比例只有 8.4%。本职范围内任务和通用任务也呈现出类似差距。

　　相比之下，“解释财务信息”的次月重复使用率约为 15%，而所有跨职业任务的平均水平为 18.5%。这种差异可能说明，有些工作天然更容易融入 AI 工作流程，也可能与企业内部规范、员工谨慎程度，以及做错之后可能带来的后果有关。

　　报告认为，由此可以看到一种可能的 AI 职位演变路径：员工先尝试处理传统职责之外的任务，发现 AI 能够帮上忙，随后开始在日常工作中不断回到这项任务。