Work at the Frontier: How workers are unlocking new ways of working
OpenAI Economic Research（Alex Martin Richmond、Caroline Chin，2026-09）。这是 2026-07 首份 Work at the Frontier 的纵向续篇：第一篇问“人是否开始跨职业边界做任务”，本篇问“这些跨界尝试如何完成、会不会继续成为日常工作”。
生命周期说明：canonical PDF 可稳定恢复；Raw 已按 index 结算——PDF 字节哈希以 original_body_sha256 记录于本页与 Registry，工作树不保留原文。
编译摘要
1. 浓缩
-
核心结论1：跨职业任务中的 AI 使用方式更像“借用专业能力”，而不是系统学习另一职业。
- 关键证据：相较 within-occupation 工作，cross-occupation prompt 平均更短约 20 个字符；更少请求解释、how-to、特定格式或建议，更常提供背景/示例并进行检查与验证。
- 边界：prompt 形式只能间接反映用户意图，不能证明用户没有学习，也不能证明 AI 输出达到专家质量。
- Source locator：Figure 2，PDF p.5；“How workers use AI across occupational boundaries”。
-
核心结论2：部分跨界任务确实从一次尝试变成持续工作，但这种“粘性”高度不均匀。
- 关键证据：某月使用过某一 cross-occupation task 的工人，下月再次使用同一 task 的比例为 23.6%，匹配对照为 8.4%，差 15.2 个百分点。
- 关键证据：同一 workspace 中，某人做过 cross-occupation task 后，未做过该任务的同事下月使用率为 3.1%，对照 workspace 为 2.5%；同事扩散效应远小于个人复用。
- 关键证据：下月复用率差异很大——客户沟通约 54.1%、广告/促销写作 44.2%、营销材料 37.3%；财务信息解释 15.0%、商业信息呈现 14.9%、法律研究 9.9%。
- Source locator：Figure 4（PDF p.8）与 Figure 5（PDF p.9）。
-
核心结论3：这补上了“跨界尝试是否会沉淀为角色变化”的一段纵向证据，但仍不是岗位重构或专家替代的因果证明。
- 关键证据：研究覆盖 2026-04 至 2026-07、超过 150 万条工作相关消息；作者观察到部分工人的跨界 task mix 随时间增加并重复出现。
- 关键证据：研究对象为美国、个人 ChatGPT 账号与 ChatGPT Business 身份信息可链接且允许训练数据使用的用户；结果明确不代表美国劳动力总体。
- Source locator：Conclusion / Methodology and definitions，PDF pp.10–11。
2. 质疑
- 关于“持续”的定义：复用发生在 ChatGPT 消息中，不等于任务已经进入正式岗位职责、绩效指标或组织制度。
- 关于因果方向：23.6% vs 8.4% 是匹配后的观察差异，不是随机干预；原本就有持续需求的人更可能在两个月都使用同一任务。
- 关于样本代表性：仅观察特定美国 ChatGPT 用户，而且 recurrence 基于抽样消息；未采样的对话会造成漏记，不能外推到全部工作活动。
- 关于“借用专家能力”：较短 prompt、少 how-to 可以与“依赖 AI 专业性”一致，也可能只是任务更标准化、用户更熟悉工具或已有外部参考材料。
3. 对标
- 补强 Task-Crossover 的核心缺口：7 月报告只能证明“尝试跨界”；9 月报告首次在同一研究线中提供月际 recurrence，说明至少一部分跨界活动具有持续性。
- 与 Role-Merging 对标：角色融合更适合解释为“任务组合变化”，而不是职位名称立即变化。一个岗位可以在 title 不变的情况下吸收新任务。
- 与 Cross-Disciplinary-Generalist 对标：通才化不是所有任务均匀扩张，而是少数高粘性邻接任务被持续吸收；法律/财务等高判断成本任务复用更低，提示专业边界并未消失。
- 与 Labor-Market-Impact 对标：消息级 recurrence 仍是就业、工资、岗位描述之前的上游信号；它比单次 cross-over 更接近持久变化，但仍远早于劳动力市场结果。