OpenAI: 43,5 procent van functiegebonden ChatGPT-vragen valt buiten de eigen rol

OpenAI meet in ruim 800.000 werkberichten dat 43,5 procent van de functiegebonden ChatGPT-vragen gaat over taken die van oudsher bij een ander beroep horen. Het bedrijf noemt dat patroon task crossover.

Voor een klein Nederlands bedrijf zonder eigen jurist, marketeer of data-analist raakt dat een praktische vraag: wie doet straks het werk waarvoor je vroeger iemand belde? In de cijfers kruisen medewerkers van kleine werkplekken die grens vaker dan collega's bij grote werkgevers. Tegelijk meet het onderzoek alleen wat mensen vragen, niet wat het antwoord waard was, en juist dat verschil bepaalt of hier een besparing of een controleprobleem zit.

Wat OpenAI precies telt

De 43,5 procent is een deelpercentage, geen aandeel van al het werk. OpenAI verdeelde de berichten in drie bakken: 61,5 procent generiek, 21,8 procent binnen de eigen functie en 16,8 procent erbuiten. Pas als je het generieke werk wegstreept en de rest op honderd herschaalt, komt het aandeel buiten de eigen functie op 43,5 procent uit. Over alle werkberichten heen is het dus ongeveer een op de zes.

Dat generieke blok is de sleutel tot het getal. OpenAI rekende gedeeld werk als schrijven, samenvatten en agendabeheer eruit, omdat het in vrijwel elk beroep voorkomt en dus niets zegt over rolgrenzen. Onderzoekers Caroline Chin en Alex Martin Richmond koppelden elk overgebleven bericht aan een taak uit O*NET, de beroependatabase van het Amerikaanse ministerie van Arbeid, en vergeleken die met de functie die de gebruiker zelf had opgegeven bij aanmelding voor ChatGPT Business. De steekproef bestaat uit Amerikaanse gebruikers in acht functiegroepen; Enterprise-klanten zitten er niet in.

Welke taken het vaakst overspringen

In vijf van de acht groepen vormt werk van buiten de eigen rol de meerderheid van het functiegebonden gebruik: klantcontact 77 procent, design 75, HR 69, juridisch 56 en marketing 53. Engineering staat onderaan met 28 procent.

Twee taken duiken in alle zeven andere groepen op. Van de finance-gerelateerde berichten van niet-financiële gebruikers gaat 9,8 procent over het doorrekenen van financiële data; van de engineering-gerelateerde berichten van niet-engineers is 6,1 procent het oplossen van softwareproblemen. Marketing reist het verst de andere kant op: marketingtaken zijn goed voor 8,9 procent van de berichten van mensen buiten marketing, het hoogste aandeel in de steekproef.

Design laat het spiegelbeeld zien. Designers besteden 35,2 procent van hun berichten aan werk van andere beroepen, terwijl designtaken maar 1,7 procent van de berichten elders uitmaken. Ze halen dus veel binnen en geven weinig af.

Kleine werkplekken kruisen vaker

Bij gebruikers met een gemiddeld berichtvolume daalt het aandeel buiten de eigen functie van 18,9 procent in werkplekken met 2 tot 5 licenties naar 16,3 procent bij 101 of meer. Dat is 2,5 procentpunt, ongeveer 13 procent ten opzichte van het niveau in de kleinste werkplekken. Bij de zwaarste gebruikers ontbreekt die lijn. OpenAI tekent er zelf bij aan dat het aantal licenties niet hetzelfde is als de bedrijfsomvang en dat de vergelijking beschrijvend blijft.

Dat kleine bedrijven het gat vaker zelf dichten, is precies waar OpenAI commercieel op inzet. Vorige week zette het bedrijf een mkb-programma rond ChatGPT Work op met webinars, Amerikaanse AI-academies en partneraanbiedingen van onder meer Shopify, Slack en Intuit, en meldde daarbij 10 miljoen gebruikers voor ChatGPT Work en Codex samen.

Wat het onderzoek niet meet

De scherpste beperking staat in het rapport zelf. De eenheid is een bericht, geen uur werk en geen afgeronde klus: het onderzoek stelt niet vast of het antwoord gebruikt is, hoe goed het was, hoeveel tijd het scheelde of dat een specialist er nog naar keek. Het schat geen effect op werkgelegenheid of productiviteit en zegt niets over hoe dezelfde mensen hun werk zonder AI hadden verdeeld.

Daar komen drie dingen bij die de vertaling naar Nederland lastig maken. De steekproef is Amerikaans en niet representatief voor de hele Amerikaanse beroepsbevolking. De functie komt uit een veld dat de gebruiker zelf invulde bij aanmelding. En de grens van een beroep komt uit O*NET, een database die beschrijft hoe werk historisch verdeeld was, niet hoe het loopt in een Nederlands bedrijf van twaalf mensen waar rollen sowieso al door elkaar lopen.

OpenAI trekt de conclusie ook niet door naar verdwijnende beroepen. Het rapport stelt dat AI een taak makkelijker maakt om aan te vangen voor een buitenstaander, terwijl specialisten cruciaal blijven voor het oordeel en de review. Ronnie Chatterji, hoofdeconoom bij OpenAI, zegt dat de grenzen tussen functies waarschijnlijk nu al vloeiender worden door AI.

Waar de verschuiving zichtbaar wordt

Het interessante aan deze meting is niet de hoogte van het getal, maar het moment waarop het zichtbaar wordt. Taakverschuivingen komen normaal pas in de statistiek terecht als ze al in vacatureteksten, functieomschrijvingen en functietitels zijn beland. Chatgesprekken laten ze zien terwijl mensen nog aan het uitproberen zijn. Dat is de reden dat OpenAI dit publiceert, en meteen de reden om het cijfer met afstand te lezen: het bedrijf meet in zijn eigen product hoe onmisbaar dat product wordt.

De rand die overblijft voor het kleinbedrijf ligt daar waar het rapport ophoudt. Een klantenserviceteam dat een contractclausule uitlegt en een marketeer die een website debugt, doen allebei werk waarvoor ze nooit zijn opgeleid. De controle die vroeger vanzelf bij de specialist zat, verdwijnt niet omdat de taak verhuist; hij moet ergens opnieuw belegd worden.