AI 科技資訊人工智慧的新知入口
首頁 / ChatGPT Work 是什麼?把目標做成成品的 OpenAI 工作代理人

ChatGPT Work 是什麼?把目標做成成品的 OpenAI 工作代理人

很多人用 ChatGPT,習慣是這樣:問問題、要草稿、請它改一段文字。最後你還是得自己開試算表、自己做投影片、自己去各系統找資料。

ChatGPT Work 想改的,就是這一段「從建議到成品」的落差。

它是 OpenAI 在 2026 年 7 月推出、內建於 ChatGPT 的工作代理人(agent)。你可以給它一個目標,而不是只給它一句問題;它會去蒐集相關上下文、拆成步驟、在你的應用與檔案之間行動,最後交出可分享的成品。

一般 ChatGPT 比較像會說話的顧問。
ChatGPT Work 比較像能跨工具開工、把任務做到可交付狀態的數位同事。

一句話重點

ChatGPT Work 是 OpenAI 放進 ChatGPT 的 agent。它以 GPT-5.6 為核心、內建 Codex 技術,能串接工作應用與檔案,把目標轉成試算表、簡報、文件與互動網站,並可在網頁、手機與桌面持續推進較長的專案。

它解決什麼問題?

職場裡的 AI 使用,常常卡在「半成品」。

你可能會遇到這些情境:

  • 你要一份會議簡報,AI 給了大綱,但還得自己去簡報軟體重排。
  • 你要月結分析,資料散在 CRM、郵件、試算表與聊天室,整理就花掉大半時間。
  • 你要競品研究,過程跨很多網站與文件,最後仍要人工合成表格。
  • 你人在開會或通勤,無法盯著聊天窗,工作就停在那裡。
  • 團隊擔心把公司資料丟進個人版聊天,卻又想要真正能做事的 AI。

ChatGPT Work 的方向是:

  • 不只回文字,而是產出可交付素材。
  • 不只看你貼的片段,而是從已連接的工具與檔案抓上下文。
  • 不只當下問答,而是能把長任務拆步、背景執行,甚至排程。
  • 在企業場景補上權限、稽核與治理,讓「能做事」與「可控」同時存在。

ChatGPT Work 的幾個核心特色

1. 輸出是成品,不是只有聊天回覆

傳統使用方式多半是:

「請幫我整理這份市場研究的重點。」

ChatGPT Work 更接近:

「根據這些來源,做一份可給主管看的分析表與簡報草稿。」

官方定位很明確:它會蒐集應用與工作流程中的資訊,產出試算表(sheets)、投影片(slides)、文件(docs),以及可分享的互動網站或網頁應用。

這代表產品競爭點,已從「誰講得比較像人」,轉向「誰更能把工作交出來」。

2. 以 GPT-5.6 驅動,並內建 Codex 技術

ChatGPT Work 與 GPT-5.6 同期推進。模型負責多步驟推理與依模板產出;Codex 相關能力則讓 agent 更擅長拆任務、執行流程與完成較長工作。

對一般讀者來說,不必把兩者混在一起:

名稱 比較像什麼 主要角色
GPT-5.6 引擎 提供推理與生成能力
ChatGPT Work 工作產品 把目標變成跨工具執行與成品交付
Codex 工程代理人 偏重寫程式、改碼、PR 與開發流程

OpenAI 也提到,Codex 原本偏開發者,但已有大量人把它用在軟體工程以外的工作。ChatGPT Work 可以看成把這條「做事」路線,正式做成一般工作場景的產品層。

3. 串接工具:從散落資料變成可行動上下文

ChatGPT Work 透過 plugins(外掛)連接既有工作系統,例如:

  • Slack、Microsoft Teams
  • Google Drive、SharePoint
  • 郵件、行事曆
  • CRM、專案追蹤工具
  • 其他內部或第三方應用

你可以用 @應用名稱 指定它去哪裡找資料;它也可能依提示自動判斷該參考哪個 plugin。

白話理解:

以前是你當中間人,到處複製貼上。
現在是 agent 直接去你允許它碰的系統找材料,再組裝成成品。

工具連得越多,價值通常越大;但權限與資料邊界也越重要。

4. Plan mode:先講清楚再動手

複雜任務最怕「方向錯了,但已經做了一堆」。

Plan mode(規劃模式)會先蒐集上下文、必要時提問,再給你一步步計畫。你可以修改或核准,再讓它開始執行。

適合:

  • 月底差異分析
  • 行銷活動 brief 到素材產出
  • 跨部門上線檢查
  • 需要依公司模板做簡報與報告

不太需要大規劃的情況則是:

  • 改一段文字語氣
  • 做很明確的小摘要
  • 單一步驟、結果可立即判斷的小事

5. Scheduled Tasks:人離開後工作還能繼續

ChatGPT Work 支援 Scheduled Tasks(排程任務)。你可以要求它:

  • 執行一次
  • 依時間重複
  • 在特定事件發生時觸發
  • 持續監控變化

例如:

  • 每週整理 Slack 更新,刷新例會行程
  • 每天早上檢查儀表板,彙整變化成報告
  • 監控客戶回饋,整理成優先產品想法
  • 新郵件回饋進來時,更新簡報

這讓它從「你在線時才有用」變成「可嵌入日常節奏的助理」。

6. Sites:把結果做成可分享的互動成品

Sites 是 ChatGPT 中的公開 beta 能力。它可以把工作或構想做成互動網站或網頁應用,再以網址分享給團隊或對外公開。

適合類型包括:

  • 即時儀表板
  • 專案追蹤頁
  • 上線時程表
  • 原型展示
  • 內部入口
  • 互動式報告

若靜態文件不夠用,Sites 提供另一種交付形態:不是附件,而是可持續更新的工作介面。

7. 桌面端更進一步:本機檔案、內建瀏覽器與 Computer Use

在桌面 app,ChatGPT 可以更靠近真實工作環境:

  • 使用本機檔案與應用
  • 用內建瀏覽器蒐集網頁資訊、操作線上工具
  • 以 Computer Use 在背景代為點擊、輸入、搬移檔案

OpenAI 也將 Codex app 與新的 ChatGPT desktop app 合併。在桌面端,Chat、Work、Codex 可出現在同一套介面;舊版桌面 app 則改稱 ChatGPT Classic。獨立的 Atlas 瀏覽器則開始走向退場,相關能力收進 ChatGPT 本體與 Chrome 側邊欄體驗。

對一般使用者來說,重點不是品牌名稱怎麼改,而是:

AI 正在從「旁邊的聊天窗」,變成「能進桌面流程的工作層」。

8. 企業治理:能做事,也要能管得住

當 agent 能連系統、改檔案、自動排程,治理就不能是事後補丁。

在企業場景,OpenAI 強調可沿用 ChatGPT Enterprise 的安全、隱私、合規與工作區管理基礎,例如:

  • 誰能使用
  • 能用哪些公司上下文
  • 能連哪些工具
  • 能執行哪些動作
  • Compliance API 提供對話與操作可見度
  • Auto-review 在重要外部動作前再做一層檢查

桌面端則延續 Codex 的企業治理與網路存取政策思維。

重點不是「完全放心交給它」,而是:

你仍決定它能碰什麼、何時要回報、哪些動作要核准。

它和一般 ChatGPT、Codex 有什麼不同?

面向 一般 ChatGPT 聊天 ChatGPT Work Codex
主要目標 問答、草稿、解釋 把工作目標做成可交付成品 寫碼、改碼、開發流程
典型輸出 文字回覆 試算表、簡報、文件、Sites 程式變更、測試、PR 協助
上下文來源 對話與你上傳的內容 對話 + plugins + 檔案 + 工作流 程式庫、開發工具、本機/專案環境
任務長度 多為單次回合 可拆步、長時間、可排程 可長時間工程任務
適合角色 幾乎所有人 業務、行銷、營運、財務、專案、管理 開發者與技術專業

可以這樣記:

  • 想快速想清楚一件事:用聊天。
  • 想把跨工具專案推進到可交付:用 Work。
  • 想在程式庫裡改碼與檢查:用 Codex。

三者可以並存,不必互相取代。

非工程背景的人需要知道什麼?

即使你不寫程式,ChatGPT Work 也值得關注,因為它代表職場 AI 的下一階段。

  1. AI 從「顧問」走向「執行層」
    以前是問怎麼做;現在是把目標交出去,再審核結果。

  2. 成品格式比華麗文字更重要
    試算表、簡報、儀表板、可分享網站,才是會議與決策真正流通的介質。

  3. 工具串接決定上限
    agent 再強,若碰不到 CRM、文件庫與專案系統,就只能做表面整理。

  4. 使用量與治理會變成管理議題
    長任務消耗的額度,通常比一般聊天高。企業要管的不只是帳號,還有權限、稽核、核准與成本。

  5. 人的價值往「定義目標與把關」移動
    你仍要會判斷:任務有沒有做對、資料能不能信、結果能不能拿去對外。

適合誰使用?

  • 行銷與業務團隊:整理線索、做活動 brief、更新帳戶計畫、產出可分享素材。
  • 營運與專案管理:串起 Jira、會議紀錄、上線檢查與狀態報告。
  • 財務與分析角色:找來源資料、對帳、做差異分析、整理主管簡報。
  • 產品與研究人員:競品比較、客戶回饋主題整理、做成可追蹤資料集。
  • 管理者與內部賦能窗口:想把 AI 從個人技巧,變成可重複的團隊工作流。
  • 已在用 ChatGPT Business / Enterprise 的組織:想在既有治理框架下擴大「能做事」的範圍。

可能不適合誰?

  • 只想偶爾問概念、不想接公司系統的人:一般聊天就夠,不必上 agent 流程。
  • 資料極敏感、又尚未建立權限與稽核政策的團隊:先補治理,再談全自動串接。
  • 期待「丟一句話就全自動上線、零監督」的人:目前仍建議保留 Plan mode 與重要動作核准。
  • 沒有明確可重複流程的場景:agent 最有感的是「本來就存在、只是很耗時」的工作,不是完全沒定義的空想。
  • 額度或預算很緊、卻要大量長時間背景任務的人:Work 的用量結構接近 Codex,複雜任務消耗會較高。

目前可以怎麼開始?

1. 確認你的方案與裝置

依 OpenAI 2026 年 7 月公告的大致節奏:

使用介面 可用性重點
網頁與手機 先從 Pro、Enterprise、Edu 開始,再擴到 Plus 與 Business
桌面 app Chat、Work、Codex 可在各方案使用,含 Free;實際地區與平台以官方當下為準

方案名稱、地區與額度會變,開始前請直接看官方產品頁與帳號內狀態。

2. 用你本來就懂的任務試

官方建議最有效的入門方式,是丟一個你已經很熟的工作,例如:

  • 分析本月預算差異
  • 把來源資料做成行銷活動 brief
  • 準備業務會議前的帳戶摘要
  • 把客戶研究整理成競品比較表

好處是:你一眼就知道結果對不對,也比較容易量測省了多少時間。

3. 建議的起步流程

  1. 先連最少必要的 plugins,不要一次全開。
  2. 用 Plan mode 看它的步驟是否合理。
  3. 保留重要動作核准,尤其是會寫回系統、對外分享、大量搬移資料的步驟。
  4. 先做單次任務,再考慮排程。
  5. 記錄一次完整流程消耗的使用量,再決定是否擴大。

4. 範例提示(可依實際情境改寫)

請用 Plan mode 處理:
1. 從我們的 CRM 與最近會議紀錄整理本週重點客戶動態
2. 標出風險、機會與建議下一步
3. 產出一份主管可看的一頁摘要,以及可分享的追蹤頁

限制:

  • 先給計畫,等我核准後再執行
  • 標明每項資訊的來源
  • 不確定的地方請列出,不要猜測

5. 官方入口

  • 產品頁:https://openai.com/chatgpt-work/
  • 發布說明:https://openai.com/index/chatgpt-for-your-most-ambitious-work/
  • 企業方案:https://chatgpt.com/business/enterprise/
  • 桌面 app 下載:https://chatgpt.com/download/

實際功能、額度、方案差異與治理選項,仍以 OpenAI 當下公告與工作區設定為準。

我們的觀察

ChatGPT Work 的意義,不只是 ChatGPT 多了一個模式。

它反映 2026 年職場 AI 的幾個清楚趨勢:

  1. 產品重心從模型名稱,轉向 agent 工作層
    大家開始比較的是:能不能串工具、能不能交成品、能不能進治理。

  2. 「聊天」與「做事」會並存,但價值往後者傾斜
    問答仍重要;真正改變組織產能的,是可重複、可審核、可交付的流程。

  3. 桌面與瀏覽器能力被收進助手本體
    獨立 AI 瀏覽器若無法形成差異,最後往往會被助手內建能力吸收。

  4. 成本模型會更像工作負載,而不是單純座位授權
    長任務、背景任務、多工具串接,會讓用量管理變成管理者必學題。

  5. 早期真正有感的,通常是本來就很痛的重複流程
    線索排查、競品比較、活動前準備、月結簡報、上線檢查,這類「大家都懂要做、卻很耗人」的工作,最適合當第一個試點。

對台灣團隊來說,務實做法不是一開始全面導入,而是:

  • 選一條你很熟、可量測工時的流程
  • 先小範圍接工具與核准機制
  • 用成品品質與節省時間評估,而不是只看「AI 很會講」
  • 同步補齊資料權限、對外分享規則與使用量預算

ChatGPT Work 很適合當強力執行助理;但它不會自動替你承擔決策責任。目標定義、資料可信度、對外內容審核,仍然是人的工作。

來源

  • ChatGPT Work 產品頁:https://openai.com/chatgpt-work/
  • OpenAI 公告:ChatGPT is now a partner for your most ambitious work:https://openai.com/index/chatgpt-for-your-most-ambitious-work/
  • OpenAI for Business:https://openai.com/business/
  • ChatGPT Enterprise:https://chatgpt.com/business/enterprise/
  • 查閱日期:2026-07-11