一句话结论：OpenAI 于 2026 年 10 月 26 日公开的 Signals v3.0 工作数据表明，ChatGPT 在职场中的使用正向更多活动扩散，在 74 个每季度都有观测的国家里，头部十类活动的平均占比已从 2025 年第一季度的 56.0% 回落到 2026 年第三季度的 51.1%，同时这份数据与真实美国经济任务结构之间存在明显错位。
这份数据由 OpenAI 经济研究团队发布，名称是 OpenAI Signals，版本号为 v3.0。它把用户在工作场景下发给 ChatGPT 的消息，按美国劳工部职业分类系统 O*NET 中的中间工作活动（Intermediate Work Activities，简称 IWA）框架分成 165 类，覆盖接近 100 个国家，时间跨度为 2025 年第一季度到 2026 年第三季度，按季度发布。OpenAI 同时放出了交互式图表、数据下载与数据字典。
它和常见的模型榜单不是一回事。榜单回答哪个模型更强，这份数据回答另一个问题：真实用户到底拿 AI 做什么工作，以及这种做法的分布正在怎样变化。对企业判断哪些流程该先自动化、对研究者估算 AI 对经济的影响，这是一个少见的可下载、可纵向追踪的公开样本。
这份数据究竟覆盖了什么，不覆盖什么
先把边界讲清楚，比先看结论更重要。OpenAI 对这份数据给了四条明确的限定，任何一条都会改变解读方式。
| 维度 | 实际覆盖范围 | 不包含的内容 |
|---|---|---|
| 用户范围 | 个人版 ChatGPT 订阅账号 | 企业版消息、Codex 的使用记录 |
| 统计口径 | 被系统分类后的工作类消息占比 | 使用该活动的工人比例、工作时长占比 |
| 地理范围 | 接近 100 个国家，其中 74 国每季度均有观测 | 单一国家的完整活动明细需在交互图表中自行查询 |
| 时间范围 | 2025 年第一季度至 2026 年第三季度 | 更早的历史数据 |
这意味着，51.1% 这个数字是消息层面的集中度，不是人力层面的集中度。一个国家有 30% 的劳动者用 ChatGPT 做同一件事，但在消息口径下它仍可能只占 10%。做企业采购决策时，这两组数字不能混用。
165 类活动与八个活动组是怎么划分的
OpenAI 没有自己发明分类体系，而是直接采用 O*NET。O*NET 是美国劳工部下属的标准化职业资料库，把不同职业的任务归纳成跨职业可复用的活动类别。用这套框架的好处是研究者可以把 ChatGPT 的使用结构，和各国真实的职业任务数据、宏观经济指标放在同一个坐标系里比对。
165 个 IWA 被归入八个活动组：信息输入、信息处理、规划与决策、工作产出、沟通与互动、发展与建议、行政管理，以及兜底的 Other IWA。每个组下面才是具体的活动项，比如获取信息、监控流程与材料、识别物体与事件、检查设备与结构、估算可量化特征、判断对象与服务质量、评估合规性、分析数据、做出决策与解决问题、创造性思考、更新与使用相关知识、制定目标与策略、排程、组织与优先级排序、与计算机交互、记录与归档信息、向他人解释信息含义、与上级或同事沟通、组织外部沟通、建立人际关系、协助与照护、销售与影响、冲突解决与谈判、面向公众的工作、培训与教学、辅导与培养、咨询与建议、行政事务、人员配置、资源监控与控制。
这套划分有一个常被忽略的含义：把搬料、操作设备、维护医疗记录这类动作都归进 Other IWA，恰恰是因为它们在 ChatGPT 的消息里出现得不够频繁，达不到单独报告的门槛。这是统计设计的结果，不是数据缺失，但很容易被误读。
从 56.0% 到 51.1%，集中度下降说明了什么
核心发现只有一句话：工作场景中对 ChatGPT 的使用变得更分散了。在 74 个每季度都有数据的国家里，头部十类活动占各国被分类工作消息的平均份额，2025 年第一季度是 56.0%，2026 年第三季度降到 51.1%，六个季度下降 4.9 个百分点。
OpenAI 对此给出的解释是：各国在时间推移中各自形成了专业化的使用方向，而且不同国家专业化的方向不同。差异来源可能既包括各国实际工作内容的差别，也可能包括 AI 工具可及性的差别，OpenAI 用了可能这类措辞，没有把它当成定论。
对产品与市场判断来说，这个方向性信号比数字本身更有价值。若使用高度集中在写文案、写代码这类通用任务上，说明 AI 只是通用工具的平替；若集中度持续下降，说明用户在往更窄、更专业、也更难被通用工具覆盖的方向上走。两者的商业含义完全不同。
43% 的 Other IWA：ChatGPT 工作画像与真实经济的错位
OpenAI 把数据跟美国职业任务的就业加权结构做了对照，结果是两者分布差异显著。约 43% 的美国就业加权任务结构落在 Other IWA 之内，也就是搬运物料、操作车辆、维护健康或医疗记录这一类活动。OpenAI 给出的原因是，这些活动在原始美国 ChatGPT 样本中的占比没有稳定达到单独报告的阈值。
这不是一个无害的技术细节。用 ChatGPT 的消息结构去推断美国经济的任务结构，会系统性地漏掉一大块体力与照护类工作。任何以这份数据为输入的自动化市场测算，都会把可被软件覆盖的工作量高估，把硬件与现场服务的需求低估。
74 国与近 100 国之间的差异也很关键
接近 100 个国家有数据，但只有 74 个国家在每一个季度都有观测。这意味着两年多的时间序列里，不同国家的完整度不同，比较时需要区分横截面差异和时间趋势差异。OpenAI 提供交互图表，可以选定国家后从活动组逐层下钻到具体活动，查看其占比随季度的变化。
对企业做本地化判断，这张图比任何全球均值都实用。一个国家在编程类活动上的占比高，说明那里的开发工作更可能被 AI 承接；一个国家在教学材料准备上占比高，则更接近知识密集型服务的形态。
隐私处理方式与这份数据的可用边界
OpenAI 描述了几层保护。研究员看不到任何单条对话，系统在移除可识别信息后由自动化流程完成分类；对外发布的是聚合统计，小规模分组的结果会被隐藏，并额外加入统计噪声以保护个体消息。数据以 Signals 的形式在数据页面开放下载。
这带来一个现实约束：噪声和抑制规则意味着小类别活动的数字不能做精细解读。想要回答某个具体职业里的具体动作是否正在被 AI 接管，这份公开数据提供的分辨率并不够，只能看趋势。
如何使用这份数据：三个可落地的用法
对研究者，这份数据可以与就业、薪资、产业指标连接，做纵向的国别比较，这正是 OpenAI 发布它的初衷。对企业采购方，它提供了回答先自动化哪类流程的经验基线，而不是从零开始猜。对普通使用者，它的价值在于说明一件事：把 AI 用在什么任务上，正在从通用写作转向更专业、更垂直的方向。
顺带看一组相关背景。模型侧的调用分布同样在快速变化，OpenRouter 的全球榜单显示头部调用量高度集中在少数模型上，这与工作场景使用逐渐分散形成有意思的对照，详见 OpenRouter 全球模型榜前五全是中国模型。而在企业侧，编程类活动是最早被 AI 接管的部分，GPT-6 攻克 COBOL 遗产代码 记录了 97.9% 迁移准确率的具体案例。大型机构对这类数据的态度变化更直接，巴克莱全面部署 Claude 记录了年底 50% 工程师使用 AI 编程、12 万封邮件日均自动分拣的落地情况。
常见问题
OpenAI Signals v3.0 覆盖了哪些国家的哪些数据？
覆盖接近 100 个国家、165 类中间工作活动，时间跨度是 2025 年第一季度到 2026 年第三季度，按季度发布。其中 74 个国家在每一个季度都有观测，完整的国别活动明细需要在 OpenAI 提供的交互图表中按国家查询。
51.1% 这个集中度数字可以理解成多少工人在用 AI 吗？
不可以。51.1% 是各国被系统分类后的工作消息中，头部十类活动所占的份额，不是劳动者比例，也不是工作时长占比。数据只覆盖个人版 ChatGPT，不含企业版消息和 Codex 的使用。
用这份数据估算市场规模可靠吗？
只能作为参考下限。它漏掉了被归入 Other IWA 的约 43% 美国就业加权任务结构，物理操作与照护类工作被系统性低估，同时分类噪声和小样本抑制会让小类别数字失真。严肃的测算需要叠加真实职业任务数据交叉验证。
小结
这份数据的价值不在于宣告 AI 已经接管了多少工作，而在于给出了一个此前很少公开的纵向样本。集中度从 56.0% 降到 51.1%，说明工作场景中的 AI 使用正在向更专业的方向迁移；43% 的 Other IWA 缺口，则提醒任何基于对话数据的推断都有系统性偏差。它同时提供了交互式图表与可下载数据集，为后续研究留下了清晰的接口。
相关阅读
- OpenRouter 全球模型榜前五全是中国模型：周调用 188 万亿 Token
- GPT-6 攻克 COBOL 遗产代码：97.9% 迁移准确率、40% 银行系统终于能动了
- 巴克莱全面部署Claude：年底50%工程师用上AI编程，12万封邮件日均自动分拣
- 美联储首次将AI投资列为通胀核心驱动力：四层传导链深度解读
延伸阅读
- 黄仁勋与奥尔特曼公开对峙：AI安全应该零容忍还是接受坏事2 周前
- 澳大利亚政府网站遭 OpenAI 智能体入侵：全球首例，6 月事发 9 月才证实1 月前
- OpenAI纳维-斯托克斯数学证明遭学界质疑：非「西班牙路线」，验证或需数年1 周前
- GPT-5.6Sol 模型失准：OpenAI 披露训练期 27 条隐藏错误摘要，监控压力升高1 月前
继续读
同一批更新里这几篇值得一看：