先看证据
从“工作相关”走向具体活动
OpenAI Economic Research 于 2026 年 10 月 26 日发布了一组 OpenAI Signals 数据，把消费者版 ChatGPT 的工作相关消息映射到 165 类工作活动，并按国家和季度汇总。数据覆盖近 100 个国家，活动采用 O*NET 的 Intermediate Work Activities（IWA，中间工作活动）框架，时间从 2025 年第一季度延伸到 2026 年第三季度。它面向的研究问题，是人们把哪些工作活动带进 ChatGPT，以及这些用途如何随地点和时间变化。
这次发布的变化，不是突然获得了关于整个劳动力市场的新普查，而是把一种产品使用信号整理成可与职业、就业数据对照的分类序列。对研究者而言，任务类别比笼统的“工作用途”更容易提出可检验的问题；对技术负责人而言，它也提供了一个观察用户如何把工具嵌入工作的窗口。不过，窗口里看到的是 ChatGPT 消息的构成，不是全部工作活动的构成。
用途变分散，不等于用量变大
发布中最容易被引用的数字，是 74 个每季度都有观测的国家里，最常见的十类活动平均占各国已分类工作消息的比例，从 2025 年第一季度的 56.0% 降至 2026 年第三季度的 51.1%。这说明在被分类的消息中，头部活动所占份额下降，活动构成变得不那么集中。OpenAI 将这种变化描述为各国工作用途出现不同的专业化方向。
但这个指标是一个构成比例，不是工作相关消息的总量，也不是 ChatGPT 在劳动人口中的采用率。即使头部十类占比下降，也可能只是其他类别在分类消息中的份额上升；单凭这个比例，无法判断人们是否更频繁地把工作带进 ChatGPT。若要讨论采用规模或变化速度，必须把构成指标与总量、用户覆盖等不同测量分开看。
分类框架也是测量的一部分
这组数据不是用户填写“我正在做哪项工作”后形成的。按照数据字典，自动系统先识别与工作有关的消息，再用提示词驱动的模型标注工作活动；分类规则要求消息本身能体现用户试图完成的活动，含糊时可以标为不明确。之后，结果按国家和季度汇总。O*NET 的作用，是提供一套跨职业共享的活动分类，让 ChatGPT 消息能和其他职业、就业数据使用相近的语言进行比较。
因此，研究者读到的不是未经解释的行为记录，而是经过模型判断、分类与汇总后的测量结果。公开公告称涉及 165 类活动，但数据字典列出 332 个 O*NET IWA 候选类别，并说明稀有类别会被合并为“Other IWA”；现有材料没有解释 165 类与 332 个候选类别如何对应。这个口径差异不应被抹平：复现分析或跨数据集比较时，分类覆盖范围本身就是需要核对的变量。
美国对照图里的空白不能忽略
OpenAI 还把 ChatGPT 工作消息的活动分布，与美国职业中实际执行的活动分布作了对照。两者差异很大，但公告特别指出，按就业人数加权的美国职业任务组合中，约 43% 落在未单独展示的“Other IWAs”里。例子包括搬运材料、驾驶车辆和维护医疗记录；这些类别没有达到原始美国 ChatGPT 样本中稳定呈现的门槛。
这意味着图上的差异不能直接读成“ChatGPT 偏向某类工作”或“某类任务更容易被 AI 取代”。一边是消费者版 ChatGPT 中被分类的消息，另一边是按美国就业人数加权的职业任务；而且后一边有相当部分被归入未展开的类别。这个对照有助于找出值得继续研究的错位，却不足以给出任务自动化程度或职业影响的排名。
它适合生成问题，不适合单独下结论
Signals 的整体数据集每月抽取 100 万条消费者版 ChatGPT 消息，时间范围为 2024 年 7 月至 2026 年 9 月。工作活动数据不包括企业版消息和 Codex 使用，因此不能代表组织内部署或编程工具的全部使用情况。数据还受账户纳入规则、分类阈值和稀有活动合并影响；这些限制会决定哪些用途能在公开结果中被看见。
OpenAI 表示研究者不会阅读个人对话，消息会先去除身份信息，再由自动系统分类；公开统计经过小群体抑制，并加入统计噪声以保护隐私。这种设计让研究者可以在不接触原始对话的情况下分析聚合趋势，但隐私保护并不意味着分类必然准确，也不消除样本边界。对技术团队来说，稳妥的用法是把这些数据当作提出假设和定位变化的信号，再与职业、就业等独立指标对照；不能仅凭消息占比宣称生产率上升、岗位减少或工作已被重组。