OpenAI

26. oktober 2026

ResearchVejledninger

ChatGPT's voksende rolle i arbejdslivet

OpenAI Economic Research offentliggør data, så forskere kan gå mere i dybden med spørgsmål om AI og arbejde.

I dag offentliggør vi data fra OpenAI Signals, der belyser 165 arbejdsaktiviteter i næsten 100 lande og viser, hvordan forbrugere bruger ChatGPT til arbejde. Disse data giver forskere en ny måde at undersøge AI's rolle i økonomien på med ny viden om de arbejdsaktiviteter, folk bruger ChatGPT til – fra at udarbejde undervisningsmaterialer og udvikle markedsføringsindhold til at programmere og analysere forretningsdata.

Forskere kan bruge disse data til at undersøge, hvordan brugen af ChatGPT til arbejde varierer mellem lande, følge ændringer over tid og sammenholde dataene med andre økonomiske indikatorer. Udgivelsen kobler brugen af ChatGPT til 165 kategorier af arbejdsaktiviteter på mellemniveau, kaldet Intermediate Work Activities (IWA'er). IWA'er er gængse opgavekategorier, der beskriver det arbejde, folk udfører på tværs af fag. Dataene er opgjort kvartalsvis og dækker perioden fra første kvartal 2025 til og med tredje kvartal 2026.

En dybere forståelse af, hvordan folk bruger AI til arbejde

Vores nye data bygger på O*NET, en standardiseret ramme, der samler fagspecifikke opgaver i bredere kategorier af arbejdsaktiviteter, som går på tværs af fag. En fælles ramme hjælper forskere med at sammenligne brugen af ChatGPT med andre typer data om fag og beskæftigelse.

Det interaktive diagram nedenfor kan bruges til at udforske disse arbejdsaktiviteter i et bestemt land over tid, fra brede aktivitetsgrupper til mere specifikke aktiviteter. Dataene viser store forskelle mellem landene i, hvordan folk bruger ChatGPT til arbejde.

Udforsk det arbejde, folk bruger ChatGPT til. Vælg en aktivitetsgruppe for at se opgaverne i den og deres udvikling over tid, eller vælg et land for at udforske fordelingen af dets arbejdsrelaterede beskeder.

Ved at koble disse data til IWA'er kunne vi se, at den arbejdsrelaterede brug blev mindre koncentreret om de mest almindelige aktiviteter. Det betyder, at landene med tiden havde en tendens til at specialisere sig i bestemte typer arbejde, og at de specialiserede sig i forskellige typer. Forskellene kan afspejle variationer i, hvilken type arbejde der udføres i landene, eller forskelle i adgangen til AI-værktøjer. Disse spørgsmål er blot nogle af de mange, forskere kan undersøge med de nye data.

Sådan kan forskere bruge disse data

Ved at koble data om brugen af ChatGPT til IWA'er kan forskere sammenligne ChatGPT‑beskeder med aktiviteter, der udføres i amerikanske job. De to visualiseringer nedenfor sammenligner folks brug af ChatGPT med de aktiviteter, der udføres i amerikanske job. Sammenligningen viser forskellen mellem, hvordan folk bruger ChatGPT til arbejde, og det arbejde, der faktisk udføres i den amerikanske økonomi. De to fordelinger adskiller sig væsentligt, især fordi omkring 43 % af den beskæftigelsesvægtede opgavesammensætning for de kortlagte amerikanske fag hører under Andre IWA'er og dermed ligger uden for de særskilt rapporterede kategorier. Det omfatter aktiviteter som at flytte materialer, føre køretøjer og ajourføre sundheds- eller patientjournaler. Disse udeladte kategorier opfyldte ikke vores tærskel for stabil repræsentation i den oprindelige amerikanske ChatGPT‑stikprøve.

Vælg en aktivitet for at se, hvor meget den fylder i brugen af ChatGPT sammenlignet med den samlede amerikanske økonomi.

Udforsk dataene

Denne udgivelse bygger videre på OpenAI Signals, vores løbende indsats for at dele dokumentation om, hvordan folk bruger AI. Dataene dækker arbejdsrelaterede beskeder fra individuelle ChatGPT‑planer og omfatter ikke beskeder fra virksomhedskonti eller brug af Codex. Vi opfordrer forskere til at udforske dataene, sammenholde dem med andre kilder og undersøge, hvad disse mønstre betyder for arbejdstagere og virksomheder.

For at beskytte brugernes privatliv læser forskerne ikke individuelle samtaler. Automatiserede systemer klassificerer beskederne, efter at identificerende oplysninger er fjernet. Vi offentliggør aggregerede statistikker, udelader resultater for små grupper og tilføjer statistisk støj for at beskytte de enkelte beskeder.

Kildehenvisning

BibTeX

1
@online{openaiecon2026signalsdata,
2
author = {Aaron Chatterji and Thomas Cunningham and David J. Deming and Zoe Hitzig and Drew Johnston and Alex Martin Richmond and Christopher Ong and Carl Yan Shan and Kevin Wadman},
3
title = {{OpenAI} Signals v3.0},
4
year = {2026},
5
organization = {OpenAI},
6
url = {/signals/data-download/},
7
urldate = {2026-10-26},
8
note = {Data download and methodology},
9
}