会做什么开始不值钱了，能验收什么才值钱

一个客服，下班前用 ChatGPT 排查公司官网为什么打不开。一个 HR，用它搭部门明年的预算测算。一个金融分析师，用它写营销文案。

这不是段子，是 OpenAI 昨天发的一份报告里统计出来的日常。他们翻了 80 万条美国企业用户的工作相关消息，得出一个数字，43.5%。在所有跟具体岗位挂钩的提问里，几乎一半干的不是提问者自己的本职，是别人的活。OpenAI 给这个现象起了个名字，叫 task crossover，任务跨界。报告标题是 How AI is Expanding What People Do at Work，他们新开的「Work at the Frontier」系列第一篇，专门盯着 AI 怎么实时改变工作这件事。

先说这个 43.5% 比看起来扎实。

他们没有把所有消息一锅端。写邮件、做总结、排日程这种人人都干的活，全部剔除，不算跨界证据。剩下的才是有明确职业归属的任务，合同审查归法务，财务测算归财务，网站排障归工程师。归属判定用的是美国劳工部的职业数据库 O*NET，一个把几千种职业拆成标准任务清单的老古董，学术界做劳动力研究的标配。在这批「有主」的活里，43.5% 被别的岗位的人干了。

跨得最狠的是哪些人，报告也点名了。客服、设计师、HR。这三类人群的岗位特定提问里，大约四分之三涉及别的职业的任务。

好家伙，四分之三。也就是这三类人打开 ChatGPT 的时候，问的多半压根不是自己的事。

我猜你读到这里的第一反应，跟我一样，是有点兴奋的。这不就是「一个人活成一支队伍」吗，不用求设计师排期，不用等法务回邮件，自己上手就干了。The Decoder 的报道里列的例子也都挺提气，普通员工在做合同审查、数据分析、网站故障排查，这些以前都是要走流程找专人的。

但这份报告里藏着另一半事实，大部分转述它的文章都没把话说透。

被借用得最多的任务类型，是营销和工程。

你品一下这个方向。跨界这个词听起来是你去占领别人的领地，可统计上，被踩得最多的领地里就有工程。客服在排查网站故障，HR 在跑数据分析，运营在让 AI 解释接口报错。你在用 AI 画海报写文案的同时，隔壁部门正在用 AI 干你的活。这是一扇双向的门，风从两边灌。

我对这件事的体感可能比一般人具体一点。我的日常工作是给大模型搭脚手架，就是让 AI 真正能干活的那层工程，工具怎么接、任务怎么调度、跑挂了怎么重试。所以我天天看的不是 demo 里的 AI，是生产环境里的 AI，看它怎么把活干成，也看它怎么翻车。

从这个位置看过去，43.5% 这个数字我一点都不惊讶。AI 把大多数职业技能的及格线拉到了人人可达。写一段能跑的 Python 脚本、出一版像模像样的海报、把合同里的坑标出来，这些活的「会做」部分，现在一个提示词就能到 80 分。

真正的问题在后面那 20 分。

客服用 AI 把网站故障排查出来了，然后呢。改动敢不敢上线，上线挂了谁来回滚，半夜告警响了找谁。HR 用 AI 跑出了一版预算模型，公式看起来都对，可里面有没有一个单元格引用错了区间，她自己判断不了。我也干过对称的事，让模型帮我读合同条款，条款划得头头是道，读完我该找律师还是得找律师，因为我不敢在自己看不出深浅的东西上签字。

你发现没有，跨界的活可以被 AI 干掉「会做」的部分，但「验收」的部分纹丝没动。产出一段代码很容易，判断这段代码能不能进生产环境很难。写一版文案很容易，判断它会不会翻车很难。跨界者拿到的是一个看起来完成了的东西，和一份自己给不出的质检报告。

所以我的判断是，岗位的护城河正在搬家。从「会做什么」搬到「能验收什么」。

会做什么，AI 替所有人补齐了。能验收什么，还是各家守各家的。你能对哪类产出负责，能看出它哪里会塌，敢在它上面签自己的名字，那类活才真正是你的。反过来讲有点残酷，你天天做的活里，凡是你自己也只能验收到 80 分的部分，别人借助 AI 也能做到 80 分，那部分已经不是护城河了，是公共水域。

报告里还有个数字暗合这个逻辑。公司越小，跨界越多。按 TechTimes 整理的数据，最小规模的企业里约 19% 的工作请求跨了职业线，大公司是 16%。OpenAI 的解释很直白，小公司没有专职专家，就用 AI 补缺口。

这几年吹「超级个体」「一人公司」的声音估计又要大一波，不过我劝你先别激动，数据只说了活被干了，没说干得好。OpenAI 自己在报告里泼了冷水，明说这项研究不能证明这些跨界请求带来了更高的生产率、更好的质量，或者任何招聘决策的变化。

一家握着最强分发渠道的公司，发报告的时候特意声明「我们不知道这些活干得怎么样」，我觉得这个诚实有点子牛逼，也有点意味深长。因为它说明连 OpenAI 也清楚，产出和交付之间隔着一条河。

他们的首席经济学家 Chatterji 说了一句更值得咂摸的话，据 IBTimes 的报道，他的原话大意是，岗位之间的边界很可能已经因为 AI 变得更灵活了。配合报告的定调一起看，AI 是先改变你每天干什么，再改变公司雇不雇你。使用数据走在职位名称前面，JD 还没改，活已经变了。

怎么说呢，这句比 43.5% 冷多了。裁员是有声音的，岗位内容的漂移是无声的。等你的 title 变化的那天，变化早就完成了。

那落到具体的人身上，能干点什么。我自己有三个不太成熟的想法，不一定对，你挑着看。

第一件事，下次让 AI 干你的本职活时，别只盯着产出，把你检查它的过程留下来。你会看哪几个点、跑哪些用例、警惕哪类错误，这套动作你做的时候几乎是本能，但它恰恰是外行跨界进来时最缺的东西。把它显性化，写成清单也好，写成让 AI 自查的提示词也好，那是你的验收资产。会做的技能在贬值，验收的技能在升值，可验收技能只有在被显性化之后才能定价。

第二件事，主动去干一次别人的活。真的，去用 AI 写一版营销文案，或者读一份合同。你会在某个瞬间体会到那种悬空感，东西就在眼前，看起来还不错，可你不知道它到底行不行。记住那个感觉。那就是客服拿着 AI 修好的网站时的感觉，也是别人借 AI 干你的活时的感觉。知道对面缺什么，你才知道自己该把哪道门槛立起来。

第三件事，在团队里往「验收人」的位置上站。代码评审、方案把关、上线签字，这些活以前常被当成杂务，现在它们是稀缺资源。AI 产出的量只会越来越大，而每一份产出流向生产环境之前，都需要一个敢负责的人点头。当大家都能生产的时候，瓶颈就是验收，站在瓶颈上的人不会被绕过去。

写到这里我又想起开头那个排查网站故障的客服。第一次读到这个例子我觉得是工程师的活被抢了，现在我倒觉得，她离真正抢活还差一段距离，那段距离叫敢不敢按下部署键。但我同样清楚，这段距离比五年前短多了，而且还在变短。

岗位是画在地图上的格子。潮水涨上来的时候，格子最先被淹掉，会看水的人还在。

43.5% 就是水位线，OpenAI 只是把尺子立在了那儿。