OpenAI finder arbejdere, der bruger ChatGPT ud over deres jobtitler

OpenAI’s økonomiske forskningsteam siger, at omkring 44% af de fag-specifikke anmodninger, som deres amerikanske forretningskunder sender til ChatGPT, involverer arbejde, der normalt tilhører en anden profession. Fundet hviler på en stikprøve på mere end 800.000 arbejdsrelaterede meddelelser og blev først delt med Axios.

Strip ud det generiske kontorarbejde, som hver stilling indeholder, såsom udarbejdelse af e-mails og booking af møder, og 44% af, hvad der er tilbage, befinder sig uden for anmoderens egen disciplin. Raten splitter hårdt efter funktion. Kundeoplevelses-personale kom ind som det højeste med 77%, efterfulgt af design med 75% og HR med 69%. Juridisk registrerede 56%, marketing 53% og salg og finans 40% hver. Ingeniør var den laveste outlier med 28%, den eneste funktion, hvis ChatGPT-brug mest forbliver i sin egen lane.

“Grænserne mellem job er sandsynligvis allerede blevet mere fleksible på grund af AI,” sagde Ronnie Chatterji, OpenAI’s cheføkonom, til Axios. De specifikke opgaver, der er nævnt, er den type, som et firma normalt ville sende til en specialist: opbygning af marketing-materiale, fejlfinding af software, kørsel af finansielle beregninger, fortolkning af regler.

Hvad dataene måler

To forskellige tællere er i spil, og de er lette at forveksle. 44%-tallet dækker kun fag-specifikke anmodninger. En separat udskæring, trukket fra typiske ChatGPT-brugere snarere end den fag-mærkede stikprøve, fandt, at omkring 19% af alle arbejdsrelaterede anmodninger hos de mindste virksomheder krydsede faggrænser, mod omkring 16% hos større virksomheder. OpenAI læser denne forskel som små virksomheder, der læner sig op ad modellen, hvor der ikke er en specialist på lønningslisten.

Forfatterne er eksplicitte om begrænsningerne. Analysen kan ikke skelne mellem to meget forskellige historier: AI, der giver arbejdere opgaver, de aldrig havde, eller AI, der hjælper dem med at gøre ting, der allerede lå inden for deres område. Den siger heller ikke noget om, hvorvidt outputtet var godt, om arbejdet blev gjort hurtigere, eller om nogen arbejdsgiver ændrede en ansættelsesplan på grund af det.

Dette er brugs-telemetri produceret af det selskab, der sælger sæderne, og det måler, hvad folk skrev, snarere end hvad outputtet var værd. OpenAI har længe gjort en version af dette argument kommercielt, og det enterprise-forretningsområde, det understøtter, er nu stor nok, så rammen bærer vægt hos købere.

Sædepris-argumentet

ChatGPT til virksomheder sælges pr. person. En generel assistent, der er prissat på den måde, er værd at betale mere til en køber, hvis hver sæde bruges på tværs af funktioner, end hvis det er et skriværktøj, som marketing åbner to gange om dagen. Grænseoverskridende brug er det stærkeste tilgængelige tilfælde for bred udvikling snarere end afdelings-piloter, og det er tilfældet, som OpenAI lige har sat et tal på.

Sæt det op mod selskabets egen B2B-signaler-rapport fra den 6. maj 2026, og billedet bliver mere kompliceret. Den analyse fandt, at virksomhedsbrug klumpede tæt omkring hver funktions kernearbejde: 78,3% af salgsmeddelelser var skrivning og kommunikation, 60,2% af IT- og sikkerhedsmeddelelser var procedur-måden, og 48,9% af softwareudviklingsmeddelelser var kodning. De to læsninger er ikke strengt modsætningsfulde, da brede opgave-kategorier og fine-grænse-occupation-mapping kan fange forskellige ting i samme meddelelse. Men de peger købere i forskellige retninger, og kun en af dem argumenterer for at udvide licensen ud over de hold, der allerede bruger det.

Størrelse er ikke begrænsningen her. OpenAI sagde i juli 2026, at Codex og ChatGPT Work havde nået 10 millioner brugere, og udrulnings-spørgsmålet er gået fra adgang til, hvad folk gør, når de har det.

Hvor dette viser sig, før arbejdsmarkedsstatistikken gør

OpenAI’s AI Jobs Transition Framework, offentliggjort den 25. april 2026, sorteret 921 fag, der dækker omkring 148 millioner amerikanske job, i fire kategorier og placerede 24% af dem i kategorien, der er mest sandsynlig at omorganisere snarere end forsvinde. Grænseoverskridende prompt er, hvad den omorganisering ligner i telemetri, måneder eller år før, det kommer til overfladen i arbejdsløshedsdata eller jobannoncer.

For virksomheder, der faktisk kører disse udrulninger, er de praktiske spørgsmål jordnære og umiddelbare:

• Hvem godkender, når en kunde-support-repræsentant kører en finansielle beregning eller en designer udarbejder kontrakt-sprog, og hvilken gennemgang sidder mellem outputtet og kunden
• Om afdelings-værktøjs-budgetter overlever, hvis den generelle assistent absorberer opgaverne, som specialist-softwaren blev købt til
• Om jobbeskrivelser og interne kompetence-kortlægning bliver omskrevet for at matche, hvad folk allerede gør
• Om mønsteret holder uden for OpenAI’s egen brugsdata, som ingen ekstern forsker i øjeblikket kan auditere

Det sidste punkt er det, man skal holde øje på. OpenAI’s Signals-forsknings-side er, hvor deres økonomiske arbejde er landet, siden februar 2026, og den underliggende rapport for denne analyse er ikke offentliggjort der endnu. Indtil det sker, eksisterer en samling tal, der taler direkte til, hvordan virksomheder skal strukturere ansættelser, kun som et diagram i en enkelt nyhedshistorie, kildeangivet helt til leverandøren, hvis produkt det måler.