OpenAI 如何讓 ChatGPT 投入工作｜DevDay 2026

🧑‍🏫 這支是 OpenAI 在 DevDay 2026 的分享。講者用三位內部重度使用者的真實做法，介紹 ChatGPT work、ChatGPT space 和 dots 這三個新工具。值得看的地方是例子很具體，講的是把整份例行工作長期交給 AI，不只是請 AI 回答問題。

• 00:33 開場現場調查：多數人一打開筆電就像被「玩偶盒」嚇到般一片混亂，只有少數人一早就清楚要做什麼
  ↳ 講者一開場先問台下：早上打開筆電是什麼狀態？多數人像打開玩偶盒被嚇一跳，訊息一湧而上，只有少數人一坐下就知道今天該先做什麼。
• 01:03 常見情境：查 e-mail、追 Slack、看儀表板後才決定要做什麼，半個早上已過去，真正的工作才剛開始
  ↳ 很多人的早上是先清 e-mail、追 Slack（公司內部聊天軟體）、看儀表板數字，看完才決定要做什麼。等真的動手，半個早上已經沒了。
• 01:03 講者訪談 OpenAI 內部最多產的 ChatGPT work 使用者，這些人在各自部門都是特例，想找出他們做法的不同之處
  ↳ 講者去找 OpenAI 內部把 ChatGPT work（幫你把事情做完的 AI 隊友）用得最兇的人。這些人在自己部門都很少見，講者想知道他們哪裡做得不一樣。
• 01:34 三位 champion：負責 OpenAI developers 社群的 Dani、負責競品研究的 Adrian、Chief People Officer Casey
  ↳ 講者挑出三位 champion，也就是用得最好、可以當示範的人：管 OpenAI 開發者社群的 Dani、做競爭對手研究的 Adrian，以及人資長 Casey。
• 02:08 三份工作差異很大，但都出現共同模式：接下了幾個月前看似不可能的工作，三人都是 ChatGPT work power user
  ↳ 三人的工作差很多，但有個共通點：都接下了幾個月前覺得做不到的工作量，而且都是 ChatGPT work 的 power user，也就是重度使用者。
• 02:08 定位區分：ChatGPT 是思考夥伴，Codex 是 coding agent，ChatGPT work 是幫你把事情完成的 agentic teammate
  ↳ 講者把三樣工具分清楚：ChatGPT 陪你想事情；Codex 是專門寫程式的 AI；ChatGPT work 是 agentic teammate，意思是會自己動手、把事做完的隊友。
• 02:38 用法：告訴它要完成什麼，並給它需要的 context
  ↳ 用法很簡單：講清楚你要什麼結果，再給它 context，也就是完成這件事需要的背景資料，例如相關檔案、規則、要給誰看。
• 02:38 例子：把 DevDay 議程交給它，做出一個詢問你在做什麼、並幫你挑選該參加哪些場次的網站
  ↳ 舉例：把 DevDay 大會議程丟給它，它能做出一個小網站。網站會先問你在做什麼工作，再幫你從一大堆場次裡挑出該聽的。
• 03:08 ChatGPT work 通常簡稱 chat，也能接手持續性任務；交出日常工作，就能把時間花在真正想做的事
  ↳ ChatGPT work 平常簡稱 chat。它不只做一次性的事，也能長期接手固定工作。例行公事交出去後，時間就能留給你真正想做的事。
• 03:08 自問：哪裡是你自己造成的瓶頸？若 chat 能替你承擔一項責任，你能空出時間做什麼？
  ↳ 講者請大家問自己：有哪些事卡住，其實是因為都在等你處理？如果 chat 能幫你扛下其中一項，多出來的時間你想拿來做什麼？
• 03:39 Dani 的工作：帶產品走完上線、聆聽開發者社群回饋、讓關鍵 stakeholder 掌握上線狀況，光這些就能耗掉一整天
  ↳ Dani 每天要陪產品一路走到上線、聽開發者社群的反應，還要讓 stakeholder 知道狀況。stakeholder 指需要掌握進度的人，對她來說是高層。光這三件就塞滿一天。
• 04:09 情境：假設剛協助推出 GPT-6 Astra，CEO Sam Altman 問上線進展如何；Dani 的工作是從雜訊中提煉回饋
  ↳ 講者設了一個情境：假設剛推出 GPT-6 Astra，執行長 Sam Altman 來問上線反應如何。Dani 要從網路上一大堆聲音裡，挑出真正有用的回饋。
• 04:09 Dani 用 ChatGPT 彙整上線貼文表現與開發者意見，整理成給她和團隊用的 ChatGPT 網站，可直接分享即時報告
  ↳ Dani 讓 ChatGPT 整理上線貼文的成效和開發者意見，做成一個 ChatGPT 網站，給自己和團隊看。誰來問就丟連結，內容是即時的。
• 04:41 即時報告需要有人持續更新，這工作交給她的 dot：像她一樣讀社群動態，把貼文加進網站
  ↳ 即時報告得有人一直更新，Dani 交給她的 dot。dot 是能長期在背景幫你做事的 AI 助手。它會像 Dani 一樣看社群動態，把新貼文補進網站。
• 04:41 同一個 dot 也把每則貼文連同互動數據記入 content sheet，上線後可分享更詳細的檢視
  ↳ 同一個 dot 還會把每則貼文和互動數據（按讚、轉發這類數字）記進 content sheet，也就是追蹤貼文表現的表格。上線後就能拿出更細的分析。
• 05:13 這讓團隊更容易看出哪些內容有效、哪些無效；過去監看與蒐集要花好幾小時滑動態
  ↳ 有了這份表，團隊一看就知道哪種內容有效、哪種沒人理。以前要做到這樣，得有人花好幾個小時一直滑社群動態。
• 05:13 現在 Dani 能專注於大方向，例如如何回應開發者，並把學到的帶回產品、工程與 developer experience 團隊
  ↳ 現在 Dani 能專心想大方向，例如怎麼回應開發者。她也會把觀察帶回產品、工程和 developer experience 團隊，後者負責讓開發者用起來順手。
• 05:47 她參與大量 Slack 頻道，容易漏掉更新；改由 dot 代為監看，遇緊急事項或需要她發言時通知她
  ↳ 她加了太多 Slack 頻道，常漏看消息。現在讓 dot 幫她盯著，有急事或需要她出面講話時才通知她。
• 05:47 結果：Dani 能花更多時間在開發者社群並讓他們的作品被看見，這是她熱愛的工作
  ↳ 結果是 Dani 有更多時間待在開發者社群裡，幫開發者的作品被更多人看到，這正是她最喜歡的工作。
• 06:17 啟示：Dani 能交出工作是因為她知道會被問什麼；想想你會被問什麼，讓 chat 在別人開口前就備好答案
  ↳ Dani 交得出工作，是因為她事先知道別人會問什麼。你也可以想想自己常被問哪些問題，讓 chat 先把答案備好，別人一問就有。
• 06:17 Adrian 負責競品研究，團隊只有兩人；sales、product、GTM、strategy 等同事都會來問競品問題
  ↳ Adrian 做競品研究，團隊只有兩個人。業務、產品、策略和 GTM 部門都會來問他競爭對手的事。GTM 是 go-to-market，負責把產品推上市場。
• 06:49 問題如：競品產品有何變化、客戶怎麼說、對我們意義為何；每題可能要研究好幾天，選擇研究什麼也等於決定什麼不回答
  ↳ 常見問題像是：對手產品改了什麼、客戶怎麼評價、對我們代表什麼。每題都可能要查好幾天，人手又少，所以選了查這題，就等於放掉別題。
• 07:20 Adrian 把完整研究方法做成 plugin，會調查、找出模式並挑戰研究結果，因為答案必須經得起檢驗
  ↳ Adrian 把整套研究方法做成 plugin（可以裝進 ChatGPT 的擴充功能）。它會調查、找規律，還會回頭挑戰研究結論，因為答案得禁得起追問。
• 07:20 案例：想了解競品營收為何快速成長、是否拿下一批大型客戶，dot 查遍通話、電子報與 podcast，證據不支持此解釋
  ↳ 例子：大家猜對手營收暴增，是因為搶到一批大客戶。dot 翻遍通話紀錄、電子報和 podcast，發現證據並不支持這個說法。
• 07:56 另一案例：dot 回頭爬梳 90 天的業務通話逐字稿，找出業務留下的 CRM 摘要沒記錄到的丟單原因
  ↳ 另一個例子：dot 回頭讀了 90 天的業務通話逐字稿，找出業務在 CRM（記錄客戶往來的系統）摘要裡沒寫到的丟單原因。
• 07:56 這讓他更完整掌握客戶為何選擇競品
  ↳ 補上這些原本漏掉的資訊後，Adrian 更清楚客戶為什麼選對手、不選我們。
• 07:56 他打造 Compete Corner 網站，依他知道會被問到的問題整理研究
  ↳ 他做了一個叫 Compete Corner 的網站，按照大家最常來問的問題，把研究分類整理好。
• 08:31 同事可自行在 Compete Corner 探索結果、查核來源，不必請 Adrian 逐一說明
  ↳ 同事可以自己上 Compete Corner 找答案、點來源查證，不用每件事都排隊等 Adrian 解釋。
• 08:31 更新流程交給 dot：從 Slack 接收競品問題，用 plugin 研究，再把結果帶進他的 space 等待審閱
  ↳ 更新流程交給 dot：從 Slack 收到競品問題，用 plugin 研究，再把結果放進他的 space 等人審。space 是人和 AI 可以一起編輯的工作空間。
• 08:31 Adrian 或隊友檢查結論並補充 context，核准後 dot 代為更新 Compete Corner
  ↳ Adrian 或隊友檢查結論、補上背景資訊，按下核准後，dot 就去更新 Compete Corner。人負責把關，跑腿交給 dot。
• 09:02 通勤時看到競品發布，可直接用簡訊轉給 dot 跑同樣流程，不必開 ChatGPT 或筆電；到座位時頁面已標示待審閱
  ↳ 通勤時看到對手發新東西，Adrian 直接傳簡訊給 dot，同樣流程照跑，不用開電腦或 ChatGPT。到座位時，頁面上已標好待審。
• 09:34 兩人團隊也能用全新方式提供競品情報，例如 Model Galaxy：以 GPT-6 Astra 製作的互動視覺化工具
  ↳ 兩人小團隊也能做出新形式的競品情報，例如 Model Galaxy。這是用 GPT-6 Astra 做的互動式圖表，可以點來點去看。
• 09:34 Model Galaxy 呈現各 frontier model 在任一 benchmark 上的效能、成本與 latency
  ↳ Model Galaxy 比較各家 frontier model（最先進的 AI 模型）在任一 benchmark（標準化測驗）上的表現、成本和 latency（回應要等多久）。
• 10:04 啟示：想一個你常做的調查（客戶問題、修不掉的 bug），讓 chat 看你怎麼做，由它多做蒐集與查核
  ↳ 啟示：挑一件你常做的調查，例如追客戶問題、查一直修不好的 bug。讓 chat 看你怎麼做，之後的蒐集和查核多交給它。
• 10:04 這樣你能專注在研究結果與後續行動；並思考如何讓別人不必每次來找你就能用到你的專業
  ↳ 這樣你能專心看結果、決定下一步。也可以想想怎麼把你的專業整理出來，讓別人不必每次都來找你也用得到。
• 10:34 Casey 是 OpenAI 的 Chief People Officer，關注 AI 如何改變團隊工作方式
  ↳ Casey 是 OpenAI 的人資長（Chief People Officer），他關心的是 AI 會怎麼改變團隊做事的方式。
• 10:34 他的團隊研究產業內外組織如何適應 AI，累積會議筆記、論文與文章，彙整成共享知識庫
  ↳ 他的團隊研究業界內外的組織怎麼適應 AI，收集會議筆記、論文和文章，彙整成大家共用的 knowledge base，也就是知識庫。
• 10:34 他以這些研究打造給主管用的 coaching 網站
  ↳ 他用這些研究做了一個給主管用的 coaching 網站。coaching 指像教練一樣陪主管想問題、給建議。
• 11:07 coaching 網站由 GPT Live 驅動，可用對話談團隊運作與卡關處，協助判斷該交給 AI 什麼、團隊可如何改變
  ↳ 網站由 GPT Live 驅動，主管可以用聊天的方式談團隊怎麼運作、卡在哪。它幫忙判斷哪些事能交給 AI，團隊又可以怎麼調整。
• 11:07 知識庫維護：團隊把會議筆記與研究集中在共享頁面，把個人探索匯聚成同一份資源
  ↳ 知識庫的維護方式是：團隊把各自的會議筆記和研究都放到同一個共享頁面，原本散在每個人手上的東西就匯成一份。
• 11:07 他們給頁面寫整理新研究的指示，agent 進來作業時能遵循一致風格
  ↳ 他們替頁面寫好「新研究要怎麼整理」的指示。AI 進來加內容時照同一套規則，風格才會一致。
• 11:39 同一份知識供應 coaching 網站，團隊新增所學，coach 就能用於建議中
  ↳ 這份知識同時供應 coaching 網站。團隊一學到新東西寫進去，網站給主管的建議就會跟著用上。
• 11:39 自問：你是哪方面的專家？如何讓更多人取得你的專業？
  ↳ 講者請大家想想：你在哪方面最懂？怎樣讓更多人用到你的專業，而不是只靠你一個人一場一場講？
• 12:09 keynote 已發布 ChatGPT space；Adrian 的 space 就是供應 Compete Corner 內容的地方
  ↳ 稍早的 keynote（大會主題演講）已發表 ChatGPT space。前面提到 Adrian 的 space，就是 Compete Corner 內容的來源。
• 12:09 chat 把研究帶進 space，Adrian 與隊友在同一頁面同時審閱研究結果
  ↳ chat 把研究結果放進 space 後，Adrian 和隊友可以在同一個頁面上同時看、一起審。
• 12:39 Adrian 可質疑結論，隊友可留言並補上來源；兩人各用自己的 chat 在 space 內深入調查
  ↳ Adrian 可以質疑結論，隊友可以留言、補來源。兩人也能各自叫出自己的 chat，在 space 裡往下深挖。
• 12:39 各自的 chat 對自己保持私密，但頁面上的編輯是共享的；這裡發展出的研究再供應 Compete Corner
  ↳ 每個人和自己 chat 的對話只有自己看得到，頁面上的修改則大家都看得到。在這裡磨好的研究，再送進 Compete Corner。
• 13:12 頁面指示就像程式碼庫的 agents.md，描述 agent 在特定頁面上應遵循的工作方式
  ↳ 頁面指示的作用，就像工程師放在程式專案裡的 agents.md（給 AI 看的工作說明檔），寫明 AI 在這個頁面該怎麼做事。
• 13:12 space 除了頁面還能存放檔案，之後將能建立 slides、sheets 等，你、隊友與 agent 都在 ChatGPT 內協作
  ↳ space 不只放頁面，也能放檔案，之後還能做簡報、試算表等。你、隊友和 AI 都在 ChatGPT 裡一起完成。
• 13:43 上手步驟：把想交給 chat 的工作帶進 space，加入所需 context，再邀請隊友
  ↳ 上手步驟：把想交給 chat 的工作搬進 space，放進它需要的背景資料，再邀隊友進來。
• 13:43 講者推薦做法：從一串長對話開始，請它轉成頁面，再與 agent 搭配持續修改，對話時它會更新頁面
  ↳ 講者推薦的做法：先跟它聊一長串，再請它整理成頁面。之後邊聊邊改，它會隨著對話更新頁面。
• 13:43 邀請的隊友可同時編輯同一頁面，編輯內容在頁面中共享
  ↳ 邀進來的隊友可以和你同時編輯同一頁，誰改了什麼大家都看得到。
• 14:16 在同一 space 協作是好起點，但工作持續變動、總得有人追蹤，因此今天也發布了 dots
  ↳ 大家在同一個 space 合作是好的開始。但工作一直在變，總得有人持續盯著，所以今天也推出 dots 來扮演這個角色。
• 14:46 Dani 的 dot 有自己的雲端電腦與瀏覽器，像她一樣上社群動態蒐集貼文並更新 content sheet
  ↳ Dani 的 dot 有自己的雲端電腦和瀏覽器，不占用她的電腦。它能像她一樣上社群收集貼文、更新表格。
• 14:46 可把 dot 加入要它追蹤的 Slack 頻道並交代任務，可以只旁觀，也可主動參與，需要她時在 Slack 通知
  ↳ 把 dot 加進要追的 Slack 頻道、交代任務就行。它可以只在旁邊看，也可以主動參與，需要 Dani 時就在 Slack 通知她。
• 14:46 這等於給 dot 一份持續性責任：追蹤動態，需要時再把她拉進來
  ↳ 換句話說，給 dot 的不是一次性的差事，而是一份長期職責：持續盯著動態，必要時才把她拉進來。
• 15:17 在哪都能交辦：可傳簡訊、打電話或在 Slack 找 dot，永遠是同一個 dot、帶著同樣的 context
  ↳ 交辦的管道很多，傳簡訊、打電話、在 Slack 找它都行。不管從哪裡找，都是同一個 dot，記得同樣的背景資訊。
• 15:17 dot 住在雲端所以永遠在線，需要你表態時可傳簡訊給你；你在筆電上時它也能存取本機檔案
  ↳ dot 在雲端，所以隨時在線，需要你做決定時會傳簡訊給你。你在用筆電時，它也能讀你電腦裡的檔案。
• 15:49 設定 dot：先取名（講者取名 Wyatt，是童年的狗），再加配件（例如青蛙造型配大眼睛與單片眼鏡）
  ↳ 設定 dot 時先取名字，講者取名 Wyatt，是小時候養的狗。再幫它加配件，例如青蛙造型配上大眼睛和單片眼鏡。
• 15:49 接著給它一項責任，告訴它你真正想要什麼，再告訴它去哪找你，例如加入 Slack
  ↳ 接著交代一項職責，講清楚你真正想要的結果，再告訴它去哪裡找你，例如把它加進 Slack。
• 16:20 不必一開始就全想清楚，dot 會在合作中學習你的工作風格與偏好，隨時間越來越好
  ↳ 不用一開始就全部想清楚。dot 會在合作過程中摸熟你的做事習慣和喜好，用越久越順手。
• 16:20 現場樓下有 dot shop 可打造自訂 dot；另一位講者的 dot 叫 Ginger，取自 Spice Girl
  ↳ 會場樓下有 dot shop，可以現場打造自己的 dot。另一位講者的 dot 叫 Ginger，名字取自 Spice Girls 的成員。
• 16:50 現場 QR code 會在手機開啟 ChatGPT，詢問並推斷你的工作，建議你先交出什麼，並說明 space 與 dots 適用之處
  ↳ 掃現場的 QR code 會在手機開啟 ChatGPT。它會問你問題、推測你的工作內容、建議你先交出哪件事，並說明 space 和 dots 各適合用在哪。
• 17:20 總結：Dani 多陪開發者社群；Adrian 以新方式把競品洞察給更多人；Casey 不必參與每場對話也能分享專業
  ↳ 回顧三人：Dani 多出時間陪開發者社群；Adrian 用新方法把競品資訊送到更多人手上；Casey 不必每場對話都在場，專業也能被用到。
• 17:55 講者自身經驗：在 OpenAI 原做技術 onboarding，用 ChatGPT 自動化大量工作，因而轉到 developer experience
  ↳ 講者原本在 OpenAI 做技術 onboarding（帶新人上手）。用 ChatGPT 把大量工作自動化之後，轉去做 developer experience。
• 18:25 講者坦言這既興奮也有點奇怪：改變自己會做的工作，騰出空間給想嘗試的工作
  ↳ 講者坦白說這感覺既興奮又有點怪：等於親手改掉自己原本的工作內容，空出位置去做一直想試的事。
• 18:59 結語：注意力就是貨幣，由你決定花在哪；你要交出什麼？又終於能接下什麼？
  ↳ 最後的提醒：注意力是有限的資源，要花在哪由你決定。問問自己，要把什麼交出去？又終於能接下什麼新工作？

Adrian 的 dot 回頭爬梳了多少天的業務通話逐字稿，找出 CRM 摘要沒記錄的丟單原因？