7 月 9 日，OpenAI 发布 ChatGPT Work。它的卖点不难理解：把聊天、文件、桌面应用、浏览器和常用工作软件接到一起，让 AI 接住一段需要持续推进的工作。
这和「帮我写一份周报」不是一回事。后一种请求，模型写完一段文字就结束了；前一种委托，可能要找 CRM 里的数据、翻 Slack 的讨论、补表格、做成演示稿，还得等新的消息进来后继续更新。
OpenAI 把这类能力叫做 Agent（智能体）。但我更在意的是它给用户留下的那一部分：任务跑到一半时，你看得到什么？它准备发邮件、改报价、动本地文件时，谁来做最后确认？
模型回答错了，通常只是浪费几分钟。能读文件、调用工具、在后台一直跑的 Agent，错一次可能影响的是客户、团队协作，甚至一份已经发出的正式材料。ChatGPT Work 真正带来的变化，不是 ChatGPT 多了一个 Work 标签，而是「审批」开始从企业系统的角落，走进 AI 产品的主界面。
聊天框的安全感，来自它没法替你收尾
我们已经习惯了聊天式 AI 的节奏：提问，等答案，把有用的部分复制到别处。即使它帮你润色邮件或分析一份文档，最后复制、检查、发送的人还是自己。
这当然有点麻烦，却也让人安心。模型不知道你的硬盘里还有哪些目录，关掉页面后也不会继续做事。你可以把它当一个反应很快的顾问，但不会误以为它已经替你完成了工作。
按照 OpenAI 的公告，ChatGPT Work 能连接 Slack、Microsoft Teams、Google Drive、SharePoint、邮件、日历、CRM 和项目管理工具。新版桌面端把 Chat、Work 和 Codex 放在同一个应用里，也能在用户许可下处理本地文件、桌面应用和浏览器里的任务。
想象一个并不夸张的场景：周一早上，销售负责人要开月度复盘会。他过去得翻 CRM，向几个同事要数据，把 Slack 里零散的反馈贴到表格里，再改十几页幻灯片。现在，他可以把这件事交给 ChatGPT Work：先汇总本月线索变化，再列出异常账户和待跟进事项，最后做一份还可以修改的初稿。
这不是多调用几个工具那么简单。用户交出去的，不再是一道问题，而是一段有起点、有过程、也有后果的工作。
任务跑起来之后，用户该在什么地方出现
OpenAI 对 ChatGPT Work 的描述里有一句很关键：用户可以查看进度、回答问题、调整方向，并在重要行动前批准。
这句话没有讲模型多强，讲的是人该在什么时候介入。我把它理解成四个很具体的时刻。
先看权限。
让 AI 做月度复盘，可能确实需要读 CRM、共享盘和团队聊天记录。但「需要这些资料」不等于「应该看见整个公司的所有内容」。用户至少该知道它连了哪些系统、能访问哪一层资料，也应该能把某个连接随时拔掉。
再看过程。
一个问题在十秒钟内回答完，可以接受黑箱。一个任务跑了四十分钟，情况就不同了。它找过哪些来源？已经完成了什么？为什么卡住？如果没有这些信息，后台自动化很容易变成后台消耗时间和权限。用户最后拿到一份结果，却不知道里面哪些是原始数据，哪些是模型自己补出来的。
需要时改方向。
真实工作很少按最初的描述一路走到底。老板可能临时要求把地区维度换成行业维度；销售团队也可能补来一份新名单，前面的判断得重新算。ChatGPT Work 允许用户在任务进行中继续提问和改向，至少承认了一个事实：长任务不是点一下「开始」之后就不再需要人。
涉及后果时，停下来。
读一份文件、生成一个初稿，和把邮件发给客户、覆盖正式报价、删除旧资料，风险不在一个数量级。前几种动作可以在初始授权后自动做，后几种最好把内容、对象和影响范围摆在用户面前，等一次明确确认。
这四步听起来会让 Agent 慢一点。可对会接触真实工作系统的工具来说，慢一点未必是坏事。用户不是讨厌自动化，而是不愿意在不知道发生什么的情况下，把判断权一起交出去。
Agent 的问题，不只在模型，也在「控制面」
做基础设施的人会区分数据面和控制面。数据面负责执行：读资料、调工具、生成表格、移动文件。控制面决定谁能做这些事、做到哪一步、出了问题怎么停。
聊天产品过去的控制面很薄，基本就是输入框、发送按钮和重新生成。大部分责任落在用户的提示词上：你问得不清楚，模型就答得不清楚。
ChatGPT Work 让这层东西变得更显眼。OpenAI 提供统一的 Plugin Directory（插件目录）来管理连接工具；Scheduled Tasks（定时任务）可以单次运行、按周期运行、由事件触发，或者持续盯住变化；企业版管理员还能配置工具连接、浏览器和网络访问，并通过 Compliance API 查看会话与行动记录。
把这些功能放在一起看，OpenAI 不是单纯往 ChatGPT 里加插件。它在尝试给 Agent 划出一个能被人理解、也能被企业管理的活动范围。
普通用户关心的可能只是「这个任务能不能用我的 Drive」「每天早上八点跑一次会不会乱发东西」；企业会继续往权限策略、日志、预算和合规上走。两边问的其实是同一件事：这个 Agent 是替谁做事，它的权限边界在哪里？
因此，我不太愿意把 ChatGPT Work 简化成 AI 办公助手。办公助手的重点是效率，长任务 Agent 更像一种委托关系。效率当然重要，但用户愿意把事情交出去，先得相信它不会越界。
最后一次点击，为什么仍然得留给人
OpenAI 说，用户可以决定 ChatGPT 能访问什么、何时汇报、在什么时候请求批准。对于连接工具和 API 的重要行动，产品还提供 Auto-review：在动作发生前，让模型再做一次审查。
这不是万能保险。模型审模型，照样可能判断错；人面对太频繁的弹窗，也会不加思考地一路点击。
不过，它至少把风险说清楚了。Agent 的风险不只是「讲错话」，还包括它拿到行动能力后会不会做错事。
每周把客户反馈整理成产品报告，适合自动化。读取新数据、归并重复问题、更新内部看板，越少人工搬运越好。可如果它要对外发送邮件、调整正式报价或删除存档，系统就不该把这些动作伪装成同一种「完成任务」。
人不需要重新接手所有步骤。更合理的分工是让 AI 处理资料整理、重复操作和等待，让人只在少数不可逆的节点做决定。对用户来说，确认按钮不是额外负担，而是知道自己仍在掌舵的证据。
国内产品缺的，可能不是第十个聊天入口
国内 AI 产品已经能写文档、做表格、搜资料，也正在接入办公套件和企业知识库。生成能力并不稀缺。
麻烦出在这些能力开始跨应用、跨权限、跨时间运行之后：用户还能不能看明白它正在做什么？
一个好用的任务界面，至少得解决三件小事。任务开始前，让人知道它会用哪些工具和资料；任务进行时，让人知道它已经完成了什么、下一步要去哪；任务要对外造成影响前，给人一个清楚、不藏在日志里的确认点。
它不必长成沉重的企业审批流。个人用户不会配置二十条规则，小团队也养不起一套复杂的权限系统。但简单不能等于模糊。与其再塞十个新插件，不如先让用户看懂 Agent 在访问什么、在替自己做什么，以及下一步会不会替自己开口。
聊天框会留下来，但角色变了
ChatGPT Work 刚发布，功能的地区、套餐和实际体验还会继续变化。OpenAI 公告里的客户案例也属于早期测试材料，能说明产品想解决什么，不能替代独立效果评测。
但它已经把一种产品形态摆出来了。聊天框仍然适合表达目标：用自然语言说清楚「我想做什么」。当 AI 开始碰文件、应用、浏览器和长期任务，聊天框还要承担另一份工作：让人盯住任务的边界。
模型负责理解、规划和执行；任务界面负责显示权限、记录过程、接受改向，并在真正有后果的动作前把决定交还给人。前者让 Agent 能做事，后者决定用户敢不敢让它做事。
所以，长期运行的 Agent 的分水岭不是它能不能连续跑八小时，而是八小时之后，用户还能不能说清它做了什么、为什么这么做，以及下一步该不该继续。
参考来源
- OpenAI：ChatGPT is now a partner for your most ambitious work
- OpenAI Help Center：ChatGPT Release Notes
- OpenAI：GPT-5.6: Frontier intelligence that scales with your ambition
以上来源主要用于核验 OpenAI 的产品发布口径、功能描述与可用范围，不等同于对 ChatGPT Work 实际效果的独立评测。