OpenAI 在2026年7月9日的產品更新中， 推出 ChatGPT Work，把智能體能力擴展到連接外掛程式、檔案與排程任務，讓它可以花數小時自行處理一項任務，並在過程中產出文件、簡報或分析結果。GPT-5.6 的推出也進一步強化長時程任務、工具協調與多 Agent 並行處理的能力。
上述更新看似是產品功能擴張，實際上 AI 正在改變在工作中扮演的角色。
過去，多數人使用 AI 處理工作流程中單一節點，例如：摘要一份文件、起草 email，或整理會議紀錄。現在的工作型 AI 可以讀取多個系統中的脈絡，持續完成多個步驟，等待人類核准，再把成果交回下一個工作環節，接著再繼續推進下一個任務的執行。企業面對的問題不再只是「哪個工具比較好用」，而是要如何交接工作給 AI。
本篇 Aiworks 將從 ChatGPT Work 與 GPT-5.6 的產品變化切入，說明 AI 開始承接跨系統工作後，企業為什麼必須重新設計任務交接、人工核准與治理邊界。
AI 開始承接的，是一段工作而非一則指令
傳統對話式 AI 的使用方式很直接：使用者提出問題，取得一段答案，再自行決定後續怎麼做。這種模式適合腦力激盪、快速查詢與草稿發想，但它無法連貫地處理需要跨越多份資料、使用多個工具的長任務。
工作型 AI 的差異，在於它開始能夠承接一段有脈絡的任務。以 OpenAI 公開的情境來看，使用者可以讓 ChatGPT Work 讀取連接工具中的資料，整理客戶研究、形成行銷 brief、製作相關素材，再依不同市場調整內容。它也能在排程任務中持續監測 Slack、email 或網站上的變化，把新資訊整理成更新後的文件或報告。
這代表 AI 的價值不再只限縮在單一產出物，而是擴展至讓一段原本需要人工來回搬運資訊、切換不同系統、反覆確認任務狀態的工作持續往前推進。對企業來說，這是更接近日常營運的能力，也讓導入的難題從操作技巧轉向工作設計。
GPT-5.6 所強化的工具協調、長時程推進與多 Agent 並行能力，正是這個轉變的關鍵技術。當模型開始在任務過程中自行處理中間資料、追蹤進度並調整下一步，企業不能再只把 AI 視為一個獨立的回答介面。它開始成為工作流程中的參與者。
企業新增了三種需要被設計的交接關係
AI 進入工作流程後，交接不再只有人類之間的交接。至少有三種新的關係需要被說清楚，否則工作看似自動化，實際上只會多出新的混亂來源。
- 第一種是人交給 AI。交付任務時，團隊需要明確說明工作目的、可使用的資料、期待的成果格式，以及不能自行處理的例外情況。例如，請 AI 協助整理客戶回饋時，任務不應只寫成「整理重點」，還需要界定它可以讀取哪些資料、應以什麼方式分類、哪些敏感內容必須排除，以及最終要交付給哪一個角色。
- 第二種是 AI 交回人。AI 可以完成資料整理、初步分析與草稿製作，但涉及管理判斷、對外承諾、客戶溝通或系統變更的動作，仍應由明確的人類角色承接。這些場景中，不應等到工作成果產出後才進行檢視，而是在流程運作前就預先設定檢核點，讓負責人知道何時需要介入、要檢查什麼，以及發現例外後如何處理。
- 第三種是 AI 在系統之間交接脈絡。當一項任務同時涉及 email、CRM、文件、專案管理工具與本機檔案，除了確保 AI 能順暢操作不同工具外，還需要明確規範資料從哪裡來、可以流到哪裡、哪些內容可以被保留，以及最後的決策依據是否能被追溯。跨系統工作最容易放大資訊落差，也最需要在一開始就定義權限與責任。
任務邊界越清楚，AI 越能穩定參與工作
許多企業在嘗試工作型 AI 時，會先問「這個流程能不能全自動」。這個問題太早了。更值得先問的是：團隊能否把這項工作拆解清楚。
一個適合起步的任務，通常具有三個特徵：重複發生、風險相對低、成果可以檢查。例如，每週彙整跨部門更新、整理客戶回饋、準備會議資料，或把既有資料轉成初步報表。這些工作不一定簡單，但團隊通常熟悉它原本怎麼進行，也較容易辨識 AI 產出是否符合需求。
(source: ChatGPT Work：為你最具企圖心的工作而生, OpenAI)
在交給 AI 之前，可以先把任務拆成五個部分。第一是輸入，AI 需要哪些資料和背景。第二是處理，哪些整理、比對或草稿工作可以由 AI 完成。第三是產出，成果要以什麼格式交給誰。第四是例外，遇到不完整資料、敏感資訊或判斷不明的情況時，AI 應該停在哪裡。第五是核准，哪些動作需要人確認後才能繼續。
這套拆解方式看起來像基本管理工作，卻正是 AI 能否被穩定使用的前提。好的 prompt 可以讓一次任務的輸出更接近期待，但它不能替企業補上模糊的責任分工、未定義的例外處理，或缺乏來源紀錄的資料流程。當團隊無法說清楚工作本來怎麼交接，AI 只會把原有的模糊放大得更快。
人工核准與資料權限，應該被放在流程前段
工作型 AI 的治理，不應等到系統接上所有資料後才補上一份使用規範。一旦 AI 開始跨工具工作，風險會由多面向產生，它取得了什麼資料、執行什麼動作、造成什麼後果，以及產出被誰直接採用。
企業可以先區分不同層級的工作權限。第一層是讀取與整理，例如彙整公開資料或已授權的內部文件。第二層是產出草稿，例如建立會議摘要、初步報告或回覆建議。第三層是修改內部文件或系統內容。第四層則涉及對外發送、改變客戶資料、發起交易或其他高影響行動。權限越往後，越需要明確的人工核准與留存紀錄。
這樣的設計也能讓治理不只停留在禁止事項。團隊可以清楚知道哪些任務可由 AI 主動處理，哪些任務必須在每次執行前確認，哪些資料根本不應納入。當 AI 的存取範圍、回報頻率與核准規則被寫進流程，使用者才不必在每一次任務中重新猜測界線。
對導入執行者來說，這也是與決策者溝通的重要基礎。「導入 AI」是相對籠統的目標，更明確、安全且有效的方式是提出具體流程，說明它目前耗費哪些人力、AI 可以承接哪一段、需要哪些資料與核准點，以及成果會如何被衡量。這樣的討論更容易形成資源決策，也能在後續擴大時保留可複製的做法。
Aiworks 觀點：先設計好交接，再擴大 AI 的工作範圍
企業不需要一開始就追求讓 AI 接手完整流程。更務實的起點，是挑選一個團隊熟悉、重複發生且成果可檢查的任務，先把交接點畫清楚：誰提供脈絡、AI 可以做什麼、誰負責判斷，以及出了例外由誰接手。
當這些關係被設計出來，AI 才可能從個人的效率工具，成為組織可持續使用的工作夥伴。下一階段的競爭力，不在於企業擁有多少 AI 工具，而在於能否把人、AI 與既有系統之間的交接，設計成一套能被信任、改善與擴散的工作方式。
📩 想為你的組織打造 AI 協作能力？
Aiworks 提供企業內訓、客製化培訓與實作工作坊，協助各產業團隊規劃生成式 AI 的導入與應用策略。
▼ 聯絡我們｜規劃你的 AI 實戰課程，讓轉型真正落地 ▼
（若表單未正常顯示，請點擊此連結進入表單填寫頁面）
參考來源
- ChatGPT Work：為你最具企圖心的工作而生｜OpenAI
- GPT-5.6：隨你的企圖擴展的前沿智能｜OpenAI