ChatGPT får en stadig større rolle i arbeidslivet
OpenAI Economic Research publiserer data som lar forskere gå dypere inn i spørsmål om KI og arbeid.
I dag publiserer vi data fra OpenAI Signals som belyser 165 arbeidsaktiviteter i nesten 100 land og viser hvordan forbrukere bruker ChatGPT i arbeidet. Disse dataene gir forskere en ny måte å studere KIs rolle i økonomien på, med ny informasjon om arbeidsaktivitetene folk bruker ChatGPT til – fra å utarbeide undervisningsmateriell og utvikle markedsføringsinnhold til å programmere og analysere forretningsdata.
Forskere kan bruke dataene til å undersøke hvordan bruken av ChatGPT i arbeidet varierer mellom land, følge endringer over tid og koble dataene til andre økonomiske indikatorer. Publikasjonen knytter ChatGPT‑bruk til 165 kategorier av arbeidsaktiviteter på mellomnivå, kalt Intermediate Work Activities (IWA). IWA er mye brukte oppgavekategorier som beskriver arbeid folk utfører på tvers av yrker. Dataene er fordelt på kvartaler og dekker perioden fra første kvartal 2025 til tredje kvartal 2026.
De nye dataene våre bygger på O*NET, et standardisert rammeverk som grupperer yrkesspesifikke oppgaver i bredere kategorier av arbeidsaktiviteter som er felles for flere yrker. Et felles rammeverk gjør det lettere for forskere å sammenligne ChatGPT‑bruk med andre typer yrkes- og sysselsettingsdata.
I det interaktive diagrammet nedenfor kan du utforske disse arbeidsaktivitetene i et bestemt land over tid og gå fra brede aktivitetsgrupper til mer spesifikke aktiviteter. Dataene viser store forskjeller mellom land i hvordan folk bruker ChatGPT i arbeidet.
Utforsk arbeidet folk bruker ChatGPT til. Velg en aktivitetsgruppe for å se oppgavene den inneholder og hvordan de endrer seg over tid, eller velg et land for å utforske fordelingen av arbeidsrelaterte meldinger der.
Da dataene ble koblet til IWA-kategorier, viste det seg at arbeidsrelatert bruk ble mindre konsentrert om de vanligste aktivitetene. Det betyr at landene hadde en tendens til å spesialisere seg i arbeidet over tid, og at ulike land spesialiserte seg på ulike typer arbeid. Disse forskjellene kan gjenspeile variasjoner i hva slags arbeid som utføres i ulike land, eller ulik tilgang til KI-verktøy. Dette er bare ett av mange spørsmål forskere kan undersøke med de nye dataene.
I de 74 landene som ble observert hvert kvartal, utgjorde de ti vanligste aktivitetene i gjennomsnitt 51,1 % av hvert lands klassifiserte arbeidsrelaterte meldinger i 3. kvartal 2026, ned fra 56,0 % i 1. kvartal 2025.
Ved å koble data om ChatGPT‑bruk til IWA-kategorier kan forskere sammenligne ChatGPT‑meldinger med aktiviteter som utføres i amerikanske yrker. De to visualiseringene nedenfor sammenligner hvordan folk bruker ChatGPT, med aktivitetene som utføres i amerikanske yrker. Sammenligningen viser forskjellen mellom hvordan folk bruker ChatGPT i arbeidet, og arbeidet som faktisk utføres i den amerikanske økonomien. De to fordelingene er svært ulike, hovedsakelig fordi rundt 43 % av den sysselsettingsvektede oppgavefordelingen for de kartlagte amerikanske yrkene faller inn under «Andre IWA», utenfor kategoriene som rapporteres enkeltvis. Disse omfatter aktiviteter som å flytte materialer, kjøre kjøretøy og føre helse- eller pasientjournaler. Disse utelatte kategoriene oppfylte ikke terskelen vår for stabil representasjon i det opprinnelige amerikanske ChatGPT‑utvalget.
Velg en aktivitet for å se hvor stor plass den har i ChatGPT‑bruken sammenlignet med i den amerikanske økonomien som helhet.
Denne publikasjonen bygger videre på OpenAI Signals, vårt løpende arbeid med å dele kunnskap om hvordan folk bruker KI. Dataene dekker arbeidsrelaterte meldinger fra individuelle ChatGPT‑abonnementer og omfatter ikke bedriftsmeldinger eller bruk av Codex. Vi inviterer forskere til å utforske dataene, koble dem til andre kilder og undersøke hva disse mønstrene betyr for arbeidstakere og bedrifter.
For å ivareta brukernes personvern leser forskerne ikke enkeltsamtaler. Automatiserte systemer klassifiserer meldingene etter at identifiserende opplysninger er fjernet. Vi publiserer aggregert statistikk, holder tilbake resultater for små grupper og legger til statistisk støy for å beskytte enkeltmeldinger.
