员工如何解锁新的工作方式

OpenAI 的新经济研究展示了员工如何将 AI 用于传统角色之外，以及哪些新活动成为他们工作中反复出现的部分。

OpenAI 发布新的经济研究，观察员工如何在传统岗位职责之外使用 AI，以及哪些新出现的活动逐渐成为工作中反复发生的固定环节。这一信号的价值在于，它把讨论从“AI 会不会替代岗位”转向“AI 正在如何改写实际工作流程”。

• 关注员工在传统岗位角色之外如何使用 AI
• 识别哪些新活动已成为工作中反复出现的部分
• AI 落地切口常在主流程之间的缝隙环节
• 高频新动作应被标准化为团队可复用资产
• 研究给方向但不给个体结论，需结合场景验证

这是什么信号

OpenAI 的经济研究把镜头对准了真实工作场景，而不是模型能力榜单。它关注两个问题：员工把 AI 用在了哪些本职角色之外的环节；以及哪些由 AI 带来的新动作，已经从偶发尝试变成了反复出现的工作组成部分。这意味着 AI 的落地评价标准，正在从“能不能用”转向“有没有形成稳定动作”。

为什么重要

岗位说明书描述的是职责边界，而 AI 往往先渗透到边界之外：写之前的资料梳理、开会之后的纪要整理、跨部门沟通前的口径统一。这些环节过去不被计入岗位产出，却真实消耗时间。当它们被 AI 承接并固化成重复动作，组织的实际工作流就发生了位移——而工作流变了，考核方式、协作分工和人员配置迟早要跟着调整。

对谁有价值

对一线员工，它提供了一张“哪些新动作值得长期坚持”的参照；对团队负责人，它提示哪些重复环节可以标准化并沉淀为团队资产；对做产品或服务设计的人，它指向一类需求——不是更强的模型，而是能嵌进既有工作节奏、被反复调用的具体功能；对做培训和组织发展的人，它意味着技能清单需要按“反复出现的活动”重新排列，而不是按传统岗位名称排列。

可以怎么行动

第一，让团队记录一周内自己用 AI 完成的、原本不在职责描述里的动作，按出现频次排序，高频项就是真正值得优化的地方。第二，把排名靠前的动作写成可复用的步骤或提示模板，让个人经验变成团队能力。第三，回看考核与分工，判断哪些新动作应被正式承认，避免员工把时间花在“做了但不算数”的工作上。第四，保持观察节奏，因为“反复出现”本身会随时间变化，今天的边缘动作可能是明天的主流程。

风险与限制

这类研究会给出趋势方向，但不等于个体结论：不同行业、不同职能的渗透程度差异很大，直接照搬可能水土不服。同时要警惕为了迎合“新方式”而制造伪需求，把本来一次性的动作强行流程化。另外，当 AI 承接了边界之外的工作，责任归属、数据边界和产出质量校验必须同步明确，否则效率提升会以隐性风险为代价。原文并未给出具体样本、行业分布或量化结果，落地前仍需结合自身场景验证。

这条信号的信息差在于视角的切换：多数讨论还在追问 AI 能替代哪些岗位，而它关注的是员工自发把 AI 用到了职责之外，并让这些动作变成重复发生的日常。前者是宏观焦虑，后者是可观察、可统计的行为变化，后者才更接近真实的工作演进路径。

业务启发是，AI 的落地切口往往不在主流程的核心环节，而在主流程之间的缝隙——准备、整理、对齐、复盘。这些缝隙过去靠个人硬扛，现在可以被工具承接。谁能先把这些高频缝隙动作标准化，谁就能在同等人力下拿到更高的有效产出。

可沉淀的动作有三个：建立一份团队级的“AI 新增动作清单”，按频次排序并定期更新；把高频动作转化为可复用的模板或流程资产，而不是留在个人手里；同步检查考核与协作规则，让这些新动作被组织正式承认，避免效率提升停在个人层面却无法累积为组织能力。

• OpenAI News 原帖