10月26日OpenAI发布《ChatGPT's expanding world of work》，公开了一组新的ChatGPT工作场景使用数据。
这组数据覆盖近100个国家，将ChatGPT中的工作相关消息映射到165类工作活动，时间跨度从2025年第一季度到2026年第三季度。
165这个数字很容易让人兴奋：是不是意味着又有165类AI应用场景？但站在运营商政企市场的角度，更值得问的是：哪些使用行为，最终能变成企业愿意付费的需求？场景多，不等于订单多；个人觉得好用，也不等于企业愿意采购。
报告解析：165类工作活动，具体看到了什么？
过去提到ChatGPT在工作中的用途，很多人首先想到的是写材料、查资料。OpenAI这次提供的，则是一张更细的“工作地图”：它借助O*NET职业任务分类框架，把工作消息归入165类活动，让我们能进一步看清，用户到底把哪些任务交给了AI。
（一）使用场景有哪些？各类需求占多少？
先看占比。到2026年第三季度，公开样本中排名前五的活动依次是：决策与问题解决、创意思考、记录与文书信息、信息获取、提供咨询与建议。
这张表先回答了“用户在用什么”。决策与问题解决仍居首位，创意思考增长最快，记录与文书信息小幅上升；信息获取有所下降，提供咨询与建议则持续增长。五项合在一起看，AI已不只是查资料、写材料的工具，也在更多参与分析、比较和判断。用户需要的不只是“帮我查、帮我写”，还包括“帮我分析、比较和判断”。AI正在从内容工具，逐步变成参与思考的工作伙伴。当然，这些数字更适合用来观察需求结构，不能直接类推为企业的需求占比或采购比例。
这里要注意口径：表中反映的是工作相关消息的结构占比，不是用户人数，也不是任务总量。某类活动占比下降，不能据此认定它的实际使用规模在萎缩；这些数字更适合用来观察需求结构，也不能直接类推为国内企业的需求占比或采购比例。
（二）需求是在集中，还是在扩散？
在74个连续观测国家中，头部十项活动的平均占比从56.0%降至51.1%。这4.9个百分点的变化，说明更多专业、长尾任务开始进入AI。
但头部活动仍占一半以上。也就是说，通用高频需求并没有被替代，而是在基本盘之外，又长出了更多专业化需求。
通用需求保持规模，专业化需求逐步增长，这才是报告呈现出的双层结构。
不过，报告说的是使用分布，并没有证明每个新出现的细分任务，都已经具备独立付费市场。
（三）这些需求能否直接等同于企业订单？
个人愿意用和企业愿意买，是两回事。
OpenAI还把ChatGPT里的工作消息，与人们实际工作中各类任务的分布做了对照。2025年第一季度，计划与决策类活动占ChatGPT工作消息的35.8%，而在实际工作任务中只占9.3%，前者接近后者的4倍；写材料、制作内容等工作产出类活动，两者占比分别为22.3%和13.9%。
这组对比说明，人们更愿意先把分析、策划和内容产出交给AI，而不是把所有工作平均地交给AI。
这份报告不包含企业版和Codex。它让我们看到了潜在任务需求，却没有替企业签下采购订单。个人使用要变成企业采购，还要补上数据权限、流程接入、责任边界和成本核算。
读到这儿，问题就不再只是“AI还能做什么”，而是“哪些需求已经开始值得企业付费”。沿着这条逻辑，我认为有四类订单正在形成：外脑订阅、行业工作流、组织治理和Token成本清算。
补能力——企业过去请不起的“外脑”，开始变成可购买的服务
对企业特别是中小企业来说，报告中最值得注意的，不只是文书需求仍在增长，而是创意思考和咨询建议增长更快，决策与问题解决则一直位居首位。
很多企业并不缺一份文档，缺的是有人帮助它分析问题、形成方案、比较选项。过去，这些工作通常依赖咨询公司、数据分析师、策划人员或资深员工。不是企业没有需求，而是专门养一支团队成本太高，临时请外部顾问又很难随时响应。
这些需求一直存在，只是过去获取成本高、响应速度慢。AI开始把这部分价格较高的思考能力，拆成企业可以按需订阅的服务。
例如，一家没有专职政策研究岗位的企业，可以用AI持续整理政策变化、提取适用条件、提示申报风险；一家缺少数据分析人员的企业，可以围绕月度经营数据形成异常解释和后续问题清单；一家没有专业方案团队的企业，也可以获得方案结构、客户痛点比较和投标材料辅助。
但这类“外脑订阅”不能只交付一段看似聪明的回答。要让中小企业敢用、能用，至少应包含三项内容：
●依据可追溯：结论尽可能建立在企业授权资料、有效政策和业务数据之上，让使用者知道依据是什么；
●方案可比较：不只给一个答案，还能列明不同选项的适用条件、成本和风险；
●责任有边界：明确哪些内容需要人工复核，哪些决策必须由业务负责人确认。
对运营商而言，这意味着可以把“外脑”拆成政策研究、经营分析、方案策划和投标辅助等标准化应用产品。企业先按一个场景、一个部门或一项任务购买，不必一开始就承担一套大型平台的建设和维护成本。
对企业来说，这类订单买的不是“替代一名员工”，而是补齐过去缺失、又长期负担不起的能力。
进流程——不是165个应用，而是可复用的行业工作流
头部十项工作活动仍然占51.1%，占比只下降4.9个百分点。这说明，市场还没有进入“每个细分场景都需要一个独立产品”的阶段。
如果运营商把165类工作活动理解成165个应用入口，结果往往是场景越列越多、应用越建越散，每个项目都要重新开发一遍。更务实的做法，是把共性任务抽象成六类组件：检索、分析、生成、校验、审批、执行。
以制造维修为例，一条完整流程可以是：
设备知识检索 → 故障信息分析 → 维修建议生成 → 安全规则校验 → 人工审批 → 工单执行。
其中，检索、分析和生成可以跨行业复用；设备知识、安全规则、审批权限和工单接口，才是行业化交付真正需要投入的地方。
运营商的产品形态因此不应该是“场景超市”，而应该是“任务组件库＋行业规则包＋业务连接器”。通用组件负责复制效率，行业知识和系统连接负责解决客户差异。
报告还留下了另一个值得运营商注意的空白：把不同职业的工作任务按从业人数汇总后，约43%被归入“其他工作活动”，包括搬运、驾驶、设备操作和医疗记录维护等。
这意味着，消费级聊天AI更容易进入信息密集工作，大量现场任务并没有被充分覆盖。
而运营商拥有5G、物联网、视频连接、边缘算力和现场交付能力。制造、能源等行业的真正机会，不是再造一个聊天助手，而是把设备、传感器、巡检记录和现场视频接入AI，再连接工单和处置流程。
行业工作流的价值，不是让AI多回答一个问题，而是让它进入一次真实的业务执行。
管使用——个人使用开始失控，组织治理订单随之出现
个人愿意使用AI，是需求出现的信号；企业需要对AI结果负责，才可能进一步形成组织级采购。
企业真正产生采购动机，往往是员工的个人使用开始带来管理问题。
需要说明的是，报告本身并没有直接调查企业的管理失控问题。下面这些，是从个人使用向组织应用过渡时，值得运营商主动识别的治理需求。
●口径失控：不同员工生成的产品说法、方案口径和客户承诺不一致；
●数据失控：客户资料、内部文件被上传到不同平台，企业不知道数据去了哪里；
●流程失控：AI生成的结果需要进入审批和交付，却没有审核记录和责任人；
●成本失控：部门和项目持续调用模型，但财务无法解释费用花在了哪里、产生了什么价值。
所以，运营商寻找B端商机时，不应该只问“哪个部门AI用得最多”，而应该问：“哪个部门已经因为AI使用，出现了口径、数据、流程或成本问题？”
对应的产品也不只是一个企业账号，而是统一知识口径、数据权限、业务审批、操作审计和成本管理。
落地时，可以先选择一个管理问题最明显的部门，围绕一项任务建立基线：原来怎么处理、耗时多少、差错在哪里、结果由谁验收。试点跑通后，再把知识库、连接器、权限和评测方法复制到其他部门。
企业采购的触发点不是“员工喜欢”，而是“组织需要管理”。
算成本——Token不只是调用商品，更是企业成本清算工具
如果运营商只是把Token打包低价出售，客户完全可以绕过运营商，直接向模型厂商购买。真正能够形成长期价值的，是帮助企业把AI成本管起来。
集团型企业需要知道哪个部门在用、哪个项目在用、哪项任务最花钱；多模型环境下，还需要知道不同模型分别产生了多少费用，以及是否有更合适的调用方式。
运营商因此可以提供四类能力：
●统一采购与分摊：集团统一购买，按部门、项目和成本中心分摊；
●多模型统一账单：不同模型的调用量、价格和费用放在同一套账目里；
●预算与超额告警：给部门和项目设置额度，避免月底才发现成本失控；
●单位有效任务成本分析：把模型调用、云网资源、知识维护、人工复核和交付运营，核算到每一项经过验收的任务上。
这里的关键是“有效任务”。生成一次内容不等于完成一项任务，只有被人工采纳或通过业务验收，才应计入有效任务量。
单位有效任务成本＝相关投入总成本 ÷ 验收通过的有效任务数量。
这并不意味着所有合同都要按任务结果收费，账号、调用量、服务包仍可以是合理的计价方式。Token套餐只是入口，统一结算和成本优化才是运营商能够持续提供的服务。
Token解决的是“用了多少”，有效任务成本回答的是“值不值得”。客户不应为“多消耗Token”付费，而应为“以可控成本完成任务”付费。
结语
读到这里，这份报告给我们的最大提醒，不是把165类工作活动都做成产品，而是学会分辨：哪些需求真的会变成订单。
企业要的是用得起的专业外脑，行业客户要的是能进入流程的工具，集团型企业要的是统一管理和成本核算。运营商该做的，是找到其中一项真实问题，跑通、验收、复制，而不是先建一个大而全的平台。
场景只是表面，订单才是答案。未来竞争，不在谁能展示更多AI功能，而在谁能把客户的工作变成可交付、可验收、可持续的服务。
数据口径与官方来源
本文依据OpenAI Economic Research于2026 年10月26 日 发布 的 OpenAl Signalsv3.0.
原文网址：https://openai.com/index/chatgpt-expanding-world-of-work
END
