บทบาทของ ChatGPT ที่ขยายกว้างขึ้นในโลกการทำงาน
ทีมวิจัยเศรษฐกิจของ OpenAI เผยแพร่ข้อมูลให้นักวิจัยสำรวจประเด็นเกี่ยวกับ AI และแรงงานได้ลึกซึ้งยิ่งขึ้น
วันนี้เราเผยแพร่ข้อมูลจาก OpenAI Signals ที่ครอบคลุมกิจกรรมการทำงาน 165 ประเภทในเกือบ 100 ประเทศ เพื่อให้เห็นว่าผู้ใช้ทั่วไปนำ ChatGPT มาช่วยทำงานอย่างไร ข้อมูลชุดนี้เปิดโอกาสให้นักวิจัยศึกษาบทบาทของ AI ในระบบเศรษฐกิจจากมุมมองใหม่ ผ่านข้อมูลเกี่ยวกับงานประเภทต่างๆ ที่ผู้คนใช้ ChatGPT ช่วยทำ ตั้งแต่การเตรียมสื่อการสอน การสร้างเนื้อหาการตลาด ไปจนถึงการเขียนโปรแกรมและการวิเคราะห์ข้อมูลทางธุรกิจ
นักวิจัยสามารถใช้ข้อมูลชุดนี้สำรวจความแตกต่างของการใช้ ChatGPT ทำงานในแต่ละประเทศ ติดตามการเปลี่ยนแปลงตามเวลา และเชื่อมโยงข้อมูลนี้กับตัวชี้วัดทางเศรษฐกิจอื่นๆ ข้อมูลที่เผยแพร่ครั้งนี้เชื่อมโยงการใช้งาน ChatGPT กับหมวดหมู่กิจกรรมการทำงาน 165 ประเภทที่เรียกว่า กิจกรรมการทำงานระดับกลาง (Intermediate Work Activities หรือ IWA) IWA เป็นหมวดหมู่งานที่ใช้กันทั่วไปเพื่อจำแนกงานประเภทต่างๆ ที่ผู้คนทำในหลากหลายอาชีพ ข้อมูลนำเสนอเป็นรายไตรมาส ครอบคลุมตั้งแต่ไตรมาส 1 ปี 2568 ถึงไตรมาสที่ 3 ปี 2569
เราใช้กรอบมาตรฐาน O*NET เป็นพื้นฐานในการจัดทำข้อมูลชุดใหม่นี้ โดยจัดกลุ่มงานเฉพาะของแต่ละอาชีพให้อยู่ในหมวดหมู่กิจกรรมการทำงานที่กว้างขึ้น ซึ่งสามารถใช้ร่วมกันได้ในหลายอาชีพ วิธีนี้ช่วยให้นักวิจัยมีเกณฑ์เดียวกันในการเปรียบเทียบข้อมูลการใช้ ChatGPT กับข้อมูลด้านอาชีพและการจ้างงานประเภทอื่นๆ
แผนภูมิโต้ตอบด้านล่างช่วยให้คุณสำรวจกิจกรรมการทำงานประเภทต่าง ๆ ในแต่ละประเทศและติดตามการเปลี่ยนแปลงตามช่วงเวลาได้ โดยสามารถดูข้อมูลตั้งแต่หมวดหมู่กิจกรรมหลักไปจนถึงกิจกรรมที่เฉพาะเจาะจงมากขึ้น ข้อมูลแสดงให้เห็นว่าผู้คนในแต่ละประเทศใช้ ChatGPT ช่วยทำงานแตกต่างกันอย่างมาก
สำรวจว่าผู้คนใช้ ChatGPT ช่วยทำงานอะไรบ้าง เลือกหมวดหมู่กิจกรรมเพื่อดูงานประเภทต่างๆ ภายในหมวดหมู่นั้นและติดตามการเปลี่ยนแปลงตามช่วงเวลา หรือเลือกประเทศเพื่อดูว่าผู้คนในประเทศนั้นใช้ ChatGPT ช่วยทำงานประเภทใดบ้าง
เมื่อวิเคราะห์ข้อมูลตามหมวดหมู่ IWA เราพบการเปลี่ยนแปลงที่น่าสนใจ นั่นคือ การใช้ ChatGPT ในการทำงานเริ่มกระจายตัวมากขึ้น แทนที่จะกระจุกอยู่ในกิจกรรมที่พบได้บ่อยที่สุดเพียงไม่กี่ประเภท นั่นหมายความว่าเมื่อเวลาผ่านไป แต่ละประเทศมีแนวโน้มใช้ ChatGPT กับงานเฉพาะทางมากขึ้น และงานที่ได้รับความนิยมก็แตกต่างกันไปในแต่ละประเทศ สาเหตุอาจเป็นเพราะผู้คนในแต่ละประเทศทำงานต่างประเภทกัน หรือมีโอกาสเข้าถึงเครื่องมือ AI ไม่เท่ากัน นี่เป็นเพียงตัวอย่างหนึ่งของคำถามที่นักวิจัยสามารถนำข้อมูลชุดใหม่นี้ไปหาคำตอบเพิ่มเติมได้
จากข้อมูลของ 74 ประเทศที่มีการเก็บข้อมูลครบทุกไตรมาส พบว่าสัดส่วนเฉลี่ยของการใช้ ChatGPT กับงานยอดนิยม 10 ประเภทแรกในแต่ละประเทศ ลดลงจาก 56.0% ในไตรมาสที่ 1 ของปี 2568 เหลือ 51.1% ในไตรมาสที่ 3 ของปี 2569 โดยคำนวณจากข้อความเกี่ยวกับงานที่ผ่านการจัดหมวดหมู่แล้ว
การเชื่อมโยงข้อมูลการใช้งาน ChatGPT กับ IWA ช่วยให้นักวิจัยเปรียบเทียบข้อความใน ChatGPT กับกิจกรรมที่ทำในอาชีพต่างๆ ของสหรัฐฯ ได้ ภาพข้อมูลสองชุดด้านล่างเปรียบเทียบวิธีที่ผู้คนใช้ ChatGPT กับกิจกรรมที่ทำในอาชีพต่างๆ ของสหรัฐฯ การเปรียบเทียบนี้แสดงให้เห็นความแตกต่างระหว่างวิธีที่ผู้คนใช้ ChatGPT ทำงานกับงานที่ทำจริงในระบบเศรษฐกิจสหรัฐฯ การกระจายตัวของข้อมูลสองชุดนี้แตกต่างกันอย่างมาก สาเหตุหลักคือประมาณ 43% ของสัดส่วนงานที่ถ่วงน้ำหนักตามการจ้างงานในอาชีพของสหรัฐฯ ที่นำมาจับคู่ อยู่ในหมวด IWA อื่นๆ ซึ่งอยู่นอกหมวดหมู่ที่รายงานแยกเป็นรายประเภท หมวดนี้รวมกิจกรรมต่างๆ เช่น การเคลื่อนย้ายวัสดุ การขับขี่ยานพาหนะ และการดูแลบันทึกสุขภาพหรือเวชระเบียน หมวดหมู่ที่ไม่ได้รายงานเหล่านี้มีข้อมูลไม่ถึงเกณฑ์ที่เรากำหนดสำหรับการปรากฏอย่างสม่ำเสมอในกลุ่มตัวอย่าง ChatGPT ชุดแรกของสหรัฐฯ
เลือกกิจกรรมเพื่อดูว่ากิจกรรมนั้นมีสัดส่วนในการใช้งาน ChatGPT มากน้อยเพียงใดเมื่อเทียบกับระบบเศรษฐกิจสหรัฐฯ โดยรวม
การเผยแพร่ข้อมูลครั้งนี้เป็นส่วนหนึ่งของโครงการ OpenAI Signals ที่เราดำเนินมาอย่างต่อเนื่อง เพื่อแบ่งปันข้อมูลที่ช่วยให้เข้าใจว่าผู้คนใช้ AI อย่างไร ข้อมูลชุดนี้ครอบคลุมข้อความสนทนาที่เกี่ยวข้องกับการทำงานจากผู้ใช้แพ็กเกจ ChatGPT สำหรับบุคคลทั่วไป โดยไม่รวมข้อความจากลูกค้าองค์กรหรือการใช้งาน Codex เราขอเชิญชวนนักวิจัยมาสำรวจข้อมูลเหล่านี้ นำไปเชื่อมโยงกับแหล่งข้อมูลอื่น ๆ และศึกษาว่ารูปแบบการใช้งานที่พบมีความหมายอย่างไรต่อคนทำงานและภาคธุรกิจ
เพื่อปกป้องความเป็นส่วนตัวของผู้ใช้ นักวิจัยจะไม่อ่านข้อความสนทนาแต่ละรายการ แต่ระบบอัตโนมัติจะจัดหมวดหมู่ข้อความหลังจากลบข้อมูลที่สามารถระบุตัวบุคคลได้แล้ว เราเผยแพร่เฉพาะข้อมูลสถิติที่รวบรวมเป็นภาพรวม โดยไม่เปิดเผยผลลัพธ์ของกลุ่มที่มีจำนวนข้อมูลน้อย และเพิ่มข้อมูลรบกวนทางสถิติเพื่อป้องกันไม่ให้สามารถระบุข้อความของผู้ใช้แต่ละรายได้


