当 AI 能像人一样看屏幕、点鼠标，企业里那些用了二十年的老软件终于有了被自动化的可能。OpenAI 的电脑使用智能体已比普通人操作更快，但企业敢不敢放手，关键不在能力，而在能否划清边界、留好记录。本文拆解这场效率革命背后的信任难题。

你有没有想过，公司里那套用了十几二十年的老系统，界面难用，也没有留给 AI 的接口，AI 要怎么替人去干活？

一个办法是等软件公司一家家改造，给 AI 做好对接的通道。另一个办法，是让 AI 像人一样，直接看屏幕、点鼠标、敲键盘，用人用的那个界面。OpenAI 的 Ari Weinstein 和 James Sun，做的就是后一种，他们做的叫“电脑使用智能体”（computer use），也就是会自己操作电脑的 AI。投资机构 a16z 的 Seema Amble 和 Fabrizio Serafini 找他们聊了一次。他们说的核心判断是，现在的 AI 用电脑，已经比普通人快，很快就要比熟练的人还快。这篇文章我只讲这一条：当 AI 能用电脑里的任何软件，企业怎么放心地把活交给它，软件本身又会怎么变。我先讲他们怎么说，再写我自己的想法。

让 AI 用电脑，不用等每个软件先给它开一条路

Ari 觉得电脑使用最厉害的地方，是它什么软件都能用。他说，OpenAI 做过的别的东西，几乎都要开发者先做一些工作，才能用上。比如要让 AI 连上某个软件，得有人专门做一个连接器，也就是 MCP 服务器（让 AI 接入外部软件的一种标准接口）。电脑使用不一样，它用软件的办法和人一样，看屏幕，点按钮，所以人能做的事，它原则上都能做。

James 补了一句，他现在已经不太分“这是不是电脑使用的任务”了。他说，电脑使用就像模型手里一个通用的接口，不管什么任务，只要够复杂，做到某一步，多半会用到它。只有任务特别简单，比如点两下就能搞定，他才自己动手。他自己的习惯是，每次遇到一件事，先想能不能直接交给智能体。

在企业里，这个特点尤其管用。James 说，他们跟大公司聊的时候发现，企业用电脑使用的场景其实很明显：公司里有很多老软件，用了十五年、二十年，没有 MCP 这样的接口，界面还是十年前的样子，连普通员工都未必知道怎么用。他们见过一些公司，专门给模型写“技能”，教它怎么用这些老软件。他的总结是，企业这边，这个能力早就有了，现在是公司在慢慢跟上；消费者那边，则是要找出以前软件做不到的新用法。

我觉得这是整件事最实在的出发点。AI 能连上多少软件，过去要看软件公司愿不愿意配合。现在谁的软件都能用，这个条件就没有了。

它已经比普通人快，快要比熟练的人还快

Ari 说，OpenAI 的电脑使用在他们的新模型 Astra 上又往前走了一步。他讲了自己的感觉：平均来说更快一点，因为完成同样的事，思考用的字数更少；在画图这类创意的活上做得更好，他们发布时的演示里，就有人一边说话，一边让它在微软的画图软件里画东西；而最让他在意的，是更可靠。他说，99% 可靠和 97% 可靠之间，差别很难察觉，却特别重要，Astra 给他的感觉，是更值得信任了一点。

速度是他们一直在盯的事。Ari 说，电脑使用有个好处，是可以在后台干活，你去做别的，它慢慢做，慢一点也无所谓。但有时候你想看着它做，或者下一步要等它做完，这时候要是太慢，你就会觉得，早知道自己做了。他说，现在电脑使用已经比一般人用电脑还快，再往前走，就是比熟练的用户还快，比如比他们两个人还快。到了那一步，会是一个很大的转折，因为你自己用手能做的事，它都能做得更快，除非你有理由想自己来，大部分时候，你会愿意交给它。

同时，他们也在给不同的需求，提供不同价格和水平的模型。Ari 说，便宜的模型做电脑使用也越来越好，将来会按任务选不同的模型。

我觉得速度是这件事里最容易被忽视的一环。AI 再准，如果比人慢，用的人心里总会别扭；一旦比人快，这个别扭就没了。

先从无聊的活干起，企业里最有机会的就是这些

Seema 问他们，企业该先去自动化什么。James 分了两类。第一类是那些繁琐的流程，他说，这是比较“无聊”的一类，Seema 接了一句，无聊就是机会。

他举了几个例子。头一个是 ERP（企业资源计划系统，公司里管财务、采购、库存的软件），还有 CRM（客户关系管理系统），这些都是公司里记录各种数据的核心系统。拿采购来说，一家公司每年要向供应商订一批实验设备，通常做法是各个团队先填一张上千行的大表，运营团队再把它录进采购软件，采购团队拿着输出的结果去联系供应商。这一整套，电脑都可以自己做。

财务也是。公司里有各种账本，每个月底要核对，很多财务软件又没有接口，没法一下子把数据拉出来。电脑使用可以直接去看这些账本，核对，把有问题的地方挑出来，交给人，或者自己再去查。销售团队也一样，要在好几个软件里找线索、查记录，再录进客户系统，这些它也能做。

另一类是更有创造性的活，比如电路设计、建筑、硬件工程、游戏设计，James 说这些现在企业想得还少，等大家更了解模型能做什么，才会慢慢用起来。

消费者那边的想法也差不多。Ari 说，很多用法是替人做不想做的事，比如填车管所的表，帮你取消一大堆邮件订阅。还有一些是原来没有时间做的事，比如他自己用电脑使用，来维护自己的财务表格和饮食计划表，他的一个朋友是私人教练，给每个客户做专属的东西。他用的是苹果的 Numbers，一个冷门的表格软件，模型照样能处理。

James 平时用的是 OpenAI 的另一个产品 Dots，每个智能体都有自己的一台云端电脑，有完整的浏览器，能替你买东西，预约理发，什么都行。他最喜欢它会主动。比如他们公司的邮件系统有个毛病，外面发来的会议邀请不会出现在日历里，他经常漏掉，现在 Dots 会提醒他：邮箱里有一个邀请，日历上没有，要不要我帮你接受？他说这是件小事，却帮了大忙。

他还让 Dots 盯着公司的 Slack（工作聊天软件）：只要他汇报链上的人说了什么，或者有人对某个产品提了很重的意见，就提醒他。有人报了问题，它还会自己登录 Sentry（记录程序错误的软件），把日志拉下来分析，给他一个结论。以前这些步骤全要他自己一步一步做。他的体会是，这类任务每次的样子都不太一样，不好用固定的脚本去写，交给能自己判断的智能体，最合适。

我觉得这几个例子有个共同点：都是人嫌麻烦、又不容易写成固定规则的活。AI 现在能接手的，首先就是这一类。

企业敢不敢放手，要看管得住管不住

Seema 问到企业这一边的担心：人点一遍，也许做得更差，但出了问题，总有个人能负责。James 说，他们跟企业聊了很多，大致分成两层。

第一层是用确定的办法来管。他说，哪怕模型已经是他们做过的最“听话”的一个，对提示词注入（有人在网页里藏一些指令，骗 AI 去做不该做的事）也有很强的抵抗力，企业还是希望自己能说了算。所以他们给了企业两样东西：一是可以划一个确定的“沙盒”，规定智能体能用哪些软件、不能用哪些，能上哪些网站、不能上哪些；二是规定哪些动作必须有人批准，比如每次下载、上传，或者每次进入一个新网站，都要人点头。这些都是可以调的旋钮，企业自己决定拧到哪里。

他还提到一个叫 Guardian 的系统，在应用里是“自动批准”：有一个聪明的模型，看着电脑使用智能体的每一个动作，判断它是否安全，是否符合用户的意图。个人用户可能就想让它什么都别问，企业则可以自己决定，哪类动作可以直接过。

第二层是让企业看到数据，包括内部和第三方做过的各种测评，说明模型有多听话。James 说，Astra 是他们最“对齐”的模型（也就是最符合人的意图、最不容易做出意外动作的模型），系统卡里写着，它在抵抗提示词注入和不做计划之外的动作上，都比之前好很多。

Ari 则讲了产品本身的设计。这类东西对很多人来说很新，甚至有点陌生，所以他们做了很多让人安心的细节。你随时可以看到那个光标，它会动，看着不无聊，James 夸了一句，说那个光标做得很可爱，看它用电脑，人会更有信心。用新的软件或网站之前，它会先问你，不会一下子就乱跑。Ari 觉得，用户需要有一个慢慢建立信任的过程，先看看它怎么做，再决定放手多少。

我觉得这套做法抓住了重点：企业怕的不是 AI 不聪明，而是出了事没人能说清楚。所以划范围、设批准点、留记录，比再说一遍“它很可靠”要有用。

老软件不会马上消失，好软件也不会没人要

Seema 问了一个大问题：以后是老软件被智能体接管着继续用，还是新的软件会取代它们？Ari 说，两件事会同时发生。现在做新软件的成本和难度都在下降，同时世界上又有那么多老软件，电脑使用又特别适合去用它们。他觉得今天在用的软件，很多是十年、二十年、三十年甚至四十年前写的，不会一夜之间消失。不过电脑使用的存在，也会逼着软件公司把软件做得更适合智能体用，比如 WebMCP（一种让网站同时能被人和智能体使用的标准）。他们已经在应用的浏览器里支持了这个标准。

他们也谈到了开放的网络上的难处。公司内部用的软件，大家都愿意让员工用智能体去省事。可到了互联网上就不一样了，比如靠广告赚钱的网站，如果是智能体在替人逛，广告收入从哪里来？多数情况下，智能体看一次广告，并不算真正的收入。这个问题他们一直在跟合作团队一起想。还有一些网站愿意让智能体和人一起用：智能体做完那些繁琐的步骤，把最后“付款、输入信用卡”这种需要自己决定的一步，交回给人。

James 比较担心的是另一件事。他说，如果将来互联网变成一堆智能体互相聊天，人什么都不用碰，他会很难过。他相信做软件是一门手艺，好用的软件，是因为做它的人真的懂用户要什么体验。他举了个例子：他太太最近迷上一个下棋的游戏，在网上总输给朋友，他就给她做了一个练习软件，按她喜欢的学习方式来设计。练完之后，总结她犯过的错误，可以让智能体写成文字，但练习本身，还是得她自己下。

Ari 接着说，以前的软件是给几百万、几十亿人用的，一套东西要适合所有人，将来有可能一个软件只给一百个人，甚至一个人用，会个性化得多。James 也认为，软件会因为越来越便宜而被逼着变得更好，不会所有东西都只剩下接口，电脑使用就没用了。

他还讲了一家做餐厅生意的公司，他们的做法让他印象很深：让餐厅拍下后仓的照片，用视觉判断明天按预计客流会缺什么，再让电脑使用去采购软件下单，再进到 ERP 里，根据去年同一天的客流，调整员工的排班。这种餐饮集团，多半不是熟悉各种工具的科技公司。James 说，住在旧金山，容易觉得实验室什么都能做，大家直接装个 Codex（OpenAI 写代码的智能体）就行。可是对普通的美国中小企业主来说，光是弄懂这些工具能做什么，就是第一步，接着是把工具连起来，是部署，是后续的服务，每一步都有人要做。

我觉得这段话讲得很清楚：模型再强，到用户手里，中间还有很长一段路。这段路上，就是创业公司的机会。

下一步，AI 要更主动，让人少去学它

说到接下来，Ari 最想要的是更快，让电脑使用真正超过人。其次是把不同的输入输出方式混起来，用起来更自然。他说，现在的电脑使用，大多是后台型的：给智能体一个任务，它去做，你做别的，这本身是个很大的长处。以后会多出更多实时的合作，你和它一起做。

James 讲的是另一个难处：体验不够统一。现在你可以装 Chrome 插件，用到浏览器里的密码管理；桌面应用里有一个内置浏览器，是另一套登录信息；云端电脑里又是另一套。对普通用户来说，会很困惑：为什么我有四个浏览器，彼此还不通？他想做的，是把电脑使用从企业和最前沿的人用的东西，变成普通人也能看懂的东西。

Ari 在这里补了一点：现在要用好它，你得想一想怎么用，还要记得去用，要说服自己改变习惯。他期待的是更主动的智能体，像 Dots 那样自己找上门来，发现问题，帮你解决，也就是智能体去适应你，而不是你去适应它。目标还是由人来定。

他们对势头的描述也很有意思。Ari 说，六到九个月前，几乎没人用这些产品，今年早些时候，模型一下子在这类任务上变得很好，再加上公司里很多团队一起打磨产品体验，最近几个月，使用量涨得很快。但他又说，现在只有一部分用户在用，还早得很。James 今年 1 月加入 OpenAI，一开始做 Atlas 浏览器，那时候大家把它当普通浏览器，智能体功能没怎么被用。后来模型变好了，浏览器的能力被放进了他们所有的产品里，他看到了像 YC 里创业公司那样的增速，一周比一周高。他觉得下一个大转折是云：大部分人用的是手机，不是电脑，怎样让每个人都有一台强大的电脑，却不需要懂怎么用，才是通向十亿用户的路。

Ari 最后说，他们现在正处在电脑使用的规模化时刻，消费者和企业两边同时到来。

我自己的一点思考

回头看，他们讲的是一条线：AI 能用电脑里的任何软件，所以不用等别人先开接口；它越来越快，所以交给它越来越划算；它能做的活，先是从企业里无聊的流程开始；而要真让企业放手，要靠一套能划范围、能批准、能留记录的办法。

我自己的想法有两点。第一，这件事里最容易被忽略的，其实是“管”。能力会越来越强，这一点大家都看得到，可是企业什么时候敢真的放手，看的是它能不能说清楚：这个智能体能碰什么，不能碰什么，出了事能不能查。谁把这部分做得好用，谁就更容易进到大公司里去。

第二，我觉得他们对软件本身的判断，值得留意。老软件不会马上消失，这一点我同意；但是“软件越来越便宜，所以要做得更好”这句话，我想多看一眼。便宜了，做的人会更多，好的软件确实更容易被看见，可普通用户未必有精力挑。James 说的那个练习软件，是为他太太一个人做的，这样的东西本来就没有市场，却对一个人特别有用。我觉得这可能才是更大的变化：软件不再只为很多人做，也可以只为一个人做。

当 AI 用电脑比人还快的时候，值得想的，是哪些事我们还愿意自己动手。