From asking to doing: How the world is putting ChatGPT to work
来源：OpenAI Economic Research Team（OpenAI Signals）官方公告（2026-08-06），首次按国家发布 ChatGPT 使用数据。证据定级 medium：一手平台数据、样本量极大（10 亿+ 用户），但属于供应商自报、口径局限明显（仅个人账户、不含组织 Work 账户、"做事/求答"为内部分类标签），国家与年龄维度存在推断误差。
编译摘要
1. 浓缩
- 核心结论1: AI 使用正从"求答"转向"做事"——工作场景中人们用 ChatGPT 完成任务或产出内容（写作、编码、分析）的概率是非工作场景的 2 倍以上；非工作场景仍以"asking"（获取信息、澄清）为主
- 关键证据: 全球范围的 per-capita 消息分类数据；工作与工作外"做事/求答"结构显著分化。
- 核心结论2: 全球采纳差距正在收敛——拉美、大洋洲、非洲的 per-capita 使用增速快于世界其他地区，南半球国家在排名中快速追赶
- 关键证据: Q1→Q2 2026 采纳排名变化，秘鲁、乌拉圭、哥斯达黎加上升最多；北美、欧洲继续增长但增速被追赶。
- 核心结论3: 采用正扩展到早期使用者之外的人群与形态——多媒体用例全球占比升至 7.8%（Images 2.0 自 2026-04 发布后持续上升），35+ 用户的周收入占比全球同比 +5 个百分点；巴西、哥伦比亚 >10% 消息为多媒体，法国、捷克 35+ 占比年增 >10 个百分点
- 关键证据: 126 国多媒体占比地图；111 国年龄分类数据（仅含自报年龄用户）。
2. 质疑
- 关于样本口径: 数据仅覆盖 ChatGPT Free / Go / Plus / Pro（个人托管账户），明确排除组织/企业账户。结合同年 ChatGPT Work 的上线，工作场景"doing"占比可能被低估（企业采购的使用不在此数据内），也可能因个人账户承载兼职工作而高估。
- 关于供应商自报: 由 OpenAI 经济研究团队自行定义分类、自行发布，无独立审计；"doing vs asking" 是供应商内部标签，不具备跨平台可比性。"做事"被定义为"产生输出或执行任务"，宽口径可能把轻量格式化也计入。
- 关于国家代表性: 144 国（采纳排名）、126 国（多媒体）、111 国（年龄）覆盖不一致；per-capita 采用基于登录/IP 推断，中国、俄罗斯等主要市场未计入；年龄维度仅限自报年龄用户，可能有年龄偏倚。
- 关于与主线距离: 这篇是宏观采纳证据层，点位与
[[The-GenAI-Divide|GenAI Divide]]互补——个人层使用在增长，但本数据不回答"组织 P&L 转化"，不能作为企业 ROI 证据使用。
3. 对标
- 与 Agent-Adoption-Curve 形成"人物×用途×地域"三维互补: 前者是"谁先用"的采纳曲线（开发者先行、非开发者反超），本篇补上"用来做什么"（asking→doing）与"哪里在增长"（南半球、35+、多媒体）两个维度。原文事实：均为 OpenAI 一手数据，因属同一发布方，只能视为同一供应商视角的两份切片。
- 与 Standard-AI-Product-Adoption 的宏观供给侧对照: 个人账户使用增长是"标准产品路径"扩散的规模证据（低门槛产品先渗透个人层）——综合判断：真正进入组织工作流仍需要后面两层（组织账户、流程改写），本篇数据本身不证明已发生。
- 与 AI-Use-Rhythm 的模式延伸: 使用按工作/非工作时间与场景分化的宏观版本，原文事实层面是同一家族数据的聚合呈现。