ATV Big Air Tour借助ChatGPT Work，将三天的商品盘点缩短至三小时

ATV Big Air Tour 的联合创始人利用 ChatGPT Work 把商品盘点、活动信息核对和网站可见性检查等重复性任务自动化，将原本需要数天或数小时的流程压缩为数小时并节省人工时间，但最终决策和核实仍由人负责。该案例展示小企业如何通过 AI 扩展跨职能工作，同时强调责任边界与实施细节的重要性。

美国巡回特技表演公司 ATV Big Air Tour 只有两名核心经营者，却要在一个演出季协调近 26 场全美活动、车手、设备、商品、营销和家庭生活。OpenAI 9 月 2 日发布的案例显示，该公司联合创始人 Larissa Guetter 正利用 ChatGPT Work 的定时任务、网页检索和图像分析功能，把部分原本需要数小时乃至数天的行政工作压缩到更短时间内。

OpenAI在案例文章中表示，ATV Big Air Tour 的商品库存盘点和补货流程，过去需要两到三天，如今从拍摄商品照片、整理库存到生成补货建议，整体约需两到三小时。OpenAI给出的案例数据还包括：活动信息审核每周节省约 7 小时，以及 OpenAI 搜索和用户机器人访问量在相邻两个 30 天周期内从 183 次升至 2,421 次，增幅为 1,223%。

这些数字来自公司自身使用案例和网站分析，并非独立审计结果。它们说明的首先是一个小型企业如何重新安排日常工作，而不是 ChatGPT Work 在所有企业中都能达到相同效果。

先处理一个容易被忽视的问题：网上信息不一致

ATV Big Air Tour 每年在美国各地巡演。每场活动的信息可能同时出现在表演公司官网、县级集市网站、Facebook 活动页、售票平台、地方媒体、商会和旅游网站上。不同页面往往由不同组织或志愿者维护，日期、地点和开场时间因此可能出现差异。

Guetter此前需要手动检查大约 30 个线上发布渠道。她后来在 ChatGPT Work 中设置了每天早上的定时简报，让系统根据指定来源交叉核对即将举行的活动，并标记日期、演出时间和地点方面的冲突。

她在自己的文章中举例说，一家地区旅游网站曾把一场实际晚上 7 点开始的演出写成晚上 8 点。ChatGPT帮助她发现这个此前并不知道的页面，并起草了联系相关机构的更正邮件。

这里的关键并不是让模型自行判断哪个时间一定正确。Guetter在文章中明确区分了两件事：ChatGPT负责发现可能存在的遗漏和冲突，她则需要回到原始来源，确认正确信息并决定是否联系发布方。这种安排把模型放在“发现问题”的位置，而不是把事实裁决完全交给模型。

OpenAI案例文章称，这套流程把活动信息审核时间从每周约 8 小时降至约 1 小时。对依赖现场售票的巡回演出而言，错误的开场时间不仅是营销问题，也可能直接影响观众能否按时到场。

从商品照片到补货建议

另一个流程涉及现场商品。Guetter把 ATV Big Air Tour 的商品拍成照片并上传到 ChatGPT Work。根据 OpenAI 的描述，ChatGPT随后整理商品库存，生成电子表格和可视化库存网站，并在 15 分钟内给出补货建议。

在提交订单前，Guetter仍会检查和调整这些建议，再把最终订单发给供应商。也就是说，自动化覆盖了信息整理、初步分析和建议生成，但采购决策仍由经营者完成。

她形容，以前最不愿意面对的库存工作，现在变得“几乎没有痛苦”。从经营角度看，这个例子的重要性不在于系统能否生成一张表格，而在于它把一项低频、繁琐、容易被推迟的工作变成了可以重复执行的流程。

小企业经营者开始承担更多“跨职能”工作

Guetter还把 ChatGPT Work 用于所谓的答案引擎优化（Answer Engine Optimization，AEO）。她设置了另一项日常自动化任务，让系统检查网站上的活动日期、地点、售票信息和常见问题是否足够清晰，便于 Google、ChatGPT 等人工智能搜索工具理解和呈现。

一次审核发现，ChatGPT无法读取该网站约 90% 的常见问题。这个结果不能直接证明所有 AI 系统都会遇到同样的问题，但它暴露了小企业网站中一个实际风险：信息即使已经写在页面上，也未必以搜索系统容易解析的方式组织起来。

Guetter说，她希望公司在用户询问“本周末带孩子去哪里玩”或“附近有什么家庭活动”时，有机会出现在答案中。对一家不知名的小企业来说，这种目标与传统的品牌搜索不同。潜在观众不会先搜索 ATV Big Air Tour，而是先提出一个更宽泛的问题。

AIFlux此前对ChatGPT Work从聊天走向交付工作的产品路线已有报道。ATV Big Air Tour的案例更具体地展示了这一变化如何落在小企业日常经营中：同一个经营者可以在需要时处理营销、内容管理、信息核对、库存和基础数据分析，而不必为每项任务分别组建团队。

OpenAI自己的经济研究也试图描述这种变化。在题为《人工智能如何扩展人们的工作范围》的报告中，OpenAI分析了超过 80 万条美国 ChatGPT 用户消息。该研究称，在排除写作、总结和日程安排等通用任务后，43.5% 的职业特定消息涉及用户所属职业之外的工作。研究人员将其称为“任务交叉”，即原本属于某一职业的任务出现在另一职业用户的工作中。

这一研究不能直接证明 ChatGPT 为 ATV Big Air Tour带来了多少收入，也不能证明网站访问量的增加完全由 AI 优化造成。但它提供了一个解释框架：在缺少专职营销、运营或数据团队的小企业中，最接近问题的人，可能会借助 AI 直接承担一部分原本需要转交给其他职能的工作。

自动化扩大之后，责任边界仍然存在

案例同时显示，节省时间并不等于取消人工判断。活动信息需要回到来源核实，库存建议需要经营者调整，网站结构也需要有人决定如何修改。模型能够帮助发现、归纳和准备下一步行动，但错误信息、错误采购或错误对外沟通的后果，仍由企业承担。

AIFlux此前在OpenAI关于AI原生公司工作流的报道中提到，企业要把 AI 从一次性尝试变成可重复的运营能力，除了背景和工具，还需要权限、证据、人工审查、负责人和衡量标准。

ATV Big Air Tour的做法符合这一思路：先选择重复发生且容易定义结果的任务，再让 ChatGPT负责搜集和整理信息，最后由人确认事实或采取外部行动。这个流程比单纯要求模型“帮我经营公司”更容易检查，也更容易在出现错误时定位问题。

小企业采用AI的真正门槛

OpenAI在 8 月 12 日举行的小企业主题论坛回放中，邀请 Guetter展示她如何管理一项覆盖 26 场活动的工作流程。她在活动中建议小企业主使用语音模式，先说明目标，再让 ChatGPT在开始工作前提出需要补充的问题。

这项建议指向一个容易被忽略的事实：小企业使用 AI 的难点通常不是能否生成一段文案，而是能否把隐性的业务知识、原始资料、检查标准和责任人整理出来。没有这些信息，自动化可能只是更快地产生不完整或相互矛盾的结果。

对 ATV Big Air Tour来说，ChatGPT Work并没有替代演出、销售或经营判断。它减少的是围绕每一场演出产生的信息整理和重复核对，让两名核心经营者把更多时间留给现场活动、观众和业务增长。随着越来越多小企业开始把 AI 放入真实流程，衡量工具价值的标准，可能也会从“回答得多快”转向“是否让一个没有专职团队的小企业，能够稳定完成此前做不起或来不及做的工作”。