OpenAI 經濟研究團隊於 2026 年 10 月 26 日發布最新研究成果，正式對外釋出 OpenAI Signals v3.0 數據集。這項研究旨在為學術界與產業研究者提供更深入的觀測視角，探討生成式人工智慧如何滲透並重塑全球勞動市場。此次發布的核心資產是一份涵蓋近 100 個國家、橫跨 165 項具體工作活動的大規模數據集，時間跨度從 2025 年第一季度延伸至 2026 年第三季度，並以季度為單位呈現動態變化。這不僅是單純的使用統計，更是將 ChatGPT 實際對話內容映射至標準化職業分類體系的首次大規模嘗試，讓研究者得以量化分析 AI 在真實經濟活動中的具體角色定位。
核心數據架構與方法論 這項研究的分析骨幹建立在 O*NET（Occupational Information Network）框架之上。O*NET 是美國勞工部開發的標準化職業資料庫，它將各職業特有的具體任務聚合為跨職業通用的「中間工作活動」類別。OpenAI 採用這套國際通用的分類標準，將用戶在 ChatGPT 個人方案中發送的工作相關訊息，經由自動化系統分類對應至 165 項 IWA 中。這種做法的關鍵價值在於建立了共同語言：研究者現在可以直接將 ChatGPT 的使用模式，與政府統計部門發布的就業人數、薪資水平、技能需求等傳統勞動經濟指標進行蘋果對蘋果的比較。為了保護用戶隱私，研究團隊強調全程採用自動化脫敏處理，移除個人身分資訊後再進行分類，最終發布的僅為聚合統計數據，並對小樣本群體結果進行隱藏與統計噪音添加，確保無法反推個別對話內容。
關鍵發現：用途多元化與國家專業化分化 數據揭示了 ChatGPT 職場應用隨時間演進的明確軌跡：使用場景正在顯著擺脫初期的集中態勢，走向多元化與專業化。在持續觀測的 74 個國家樣本中，佔比最高的前十大工作活動所占總訊息量比例，從 2025 年第一季的 56.0% 下降至 2026 年第三季的 51.1%。這意味著用戶不再僅侷限於少數熱門場景（如基礎寫作、簡單編碼），而是將 AI 引入更廣泛、更專業的任務流程中，例如教學材料設計、行銷內容開發、商業數據分析與程式開發等。更有趣的是，各國呈現出差異化的專業化路徑：不同國家在特定工作活動上的使用佔比差異隨時間擴大。這可能反映了各國產業結構的本質差異（如服務業導向與製造業導向的分野），也可能暗示 AI 工具獲取門檻、數位素養水平或監管環境的不同，正在塑造獨特的國家級 AI 應用指紋。
與實體經濟勞動結構的落差分析 將 ChatGPT 使用分布與美國實際就業加權的任務分布進行對比時，研究發現兩者存在結構性落差。約 43% 的美國職業任務權重落在「其他 IWA」類別中，這些類別在 ChatGPT 個人用戶數據中未達持續呈現門檻。這些被低估的活動主要包含搬運物料、操作車輛、維護醫療健康記錄等高度依賴實體操作、現場執行或嚴格合規要求的工作。這一發現精準刻畫了當前大型語言模型的能力邊界：它們在數位化、知識密集、基於文本與代碼的認知任務上滲透率極高，但在需要物理世界交互、即時感運動控制或高風險合規把關的藍領與部分專業服務領域，目前仍難以大規模介入。這提醒政策制定者與企業主，AI 對就業的衝擊將高度非均勻，取決於工作任務的數位化程度與物理屬性。
數據範圍限制與研究價值展望 必須注意的是，此數據集僅涵蓋 ChatGPT 個人訂閱方案的使用情況，明確排除了企業版對話與 Codex 程式碼生成工具的數據。這意味著目前呈現的圖景側重於個體知識工作者、自由職業者、學生及中小企業員工的自發性探索行為，而非大型組織內部經過治理流程部署的系統化應用。儘管如此，這項開放數據計畫為跨學科研究提供了前所未有的微觀證據基礎。研究者可利用此數據追蹤特定技能需求的興衰替換、分析 AI 輔助下的生產力增長路徑、評估不同經濟體適應 AI 的韌性差異，甚至結合專利、論文、招聘廣告等數據源，構建更完整的 AI 經濟影響評估模型。OpenAI 期望透過持續迭代的 Signals 計畫，將關於 AI 與勞動關係的討論，從理論推演推向實證科學的軌道。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。