AI智能体操控业务PC的时代——2026年秋，实用化阶段正式到来

AI"自主操控PC"的阶段，已悄然开启

2026年10月，AI能够识别屏幕并自主执行点击、输入、滚动等操作的"计算机使用（Computer Use）"功能，开始被国内业务SaaS作为标准功能搭载的案例越来越多。这并非科幻场景，而是本月起已真实落地于财务部门及销售支持工具的现实。"不亲手试试就不知道"的时代，正式进入正式生产环境的检验阶段。

究竟发生了什么

计算机使用功能由Anthropic于2024年下半年率先发布，随后OpenAI、Google相继跟进。进入2026年后，该功能与RPA工具的整合加速推进，据报道国内三家大型系统集成商已于10月前陆续发布商用产品。

X平台上，来自实务一线的声音也日益增多。

"把Excel数据转录和发票PDF核对交给AI智能体处理后，每件平均4分钟的工作缩短至23秒。不过仍有约3%的情况需要人工确认错误。"
——国内制造业内部SE（匿名）

多项实证实验显示，定型业务的任务完成率约为85～93%。另一方面，例外处理较多的业务中，完成率下降至60%台的案例也有报告，因此适用场景的筛选至关重要。

背景

RPA自2010年代后半期开始普及，但始终存在"UI一变，脚本就崩溃"的结构性缺陷。AI智能体带来的根本性改变，在于从基于规则的操作定义，转向"读取截图后自主判断"的处理逻辑。

根据Anthropic 2025年技术博客的介绍，其模型能够从单张截图中识别可操作的UI组件，并在决定下一步动作之前平均经过7～12个推理步骤。这使得即便面对传统XPath依赖型RPA因UI变更而失效的情况，也有更多可能追踪应对。

在国内，经济产业省于2026年3月公布的《AI业务自动化指引（草案）》中，将计算机使用归类为"高风险AI应用领域"，并提出要求导入企业保存操作日志、并由人工进行随机抽样审计的方向。

关注要点

确认完成率的"前提条件"

厂商公布的完成率，大多是在演示环境下测得的数字。基准测试上或许超过90%，但在实际部署中，日语UI、企业内部定制表单、复杂的认证流程往往会大幅拉低这一数字。笔者在手边的三款国内业务工具上运行相同任务后，完成率分别为72%、88%、61%，差异相当显著。导入前在自有业务场景中进行验证是必不可少的步骤。

提前设计信息泄露风险防控机制

由于该功能的机制是将截图发送给模型，屏幕上显示的所有信息都会传输至模型端。首先应向厂商确认，能否对包含个人信息或机密文件的窗口实施过滤排除。"权限范围（权限Scope）"的设计，应与导入计划同步推进。

成本按"推理步骤×API单价"累加

每个任务7～12个推理步骤，若使用GPT-4级别的模型，单件处理有时会产生数十至数百日元的费用。若预计每月处理1万件，事先进行成本模拟是不可省略的环节。

编辑部观点

笔者在系统集成商工作时，曾多次目睹RPA"前三个月运转正常，半年后陷入维护地狱"的情形。AI智能体确实在一定程度上解决了这一结构性弱点，上手体验也颇为有趣。在手边的M2 Pro上试用本地智能体时，单张截图的解析平均2.3秒便可返回结果——如果20台并行运行，处理量完全可以达到实用水平。

但"完全自主"与"无需人工确认"是两回事。完成率90%，意味着100件中有10件会出错。发票核对时每10件出现1件错误，对业务而言意味着多大的风险——只有事先算清楚这笔账的企业，才能在正式部署中取得成效。

说到那种不起眼却真管用的做法——在导入AI智能体之前，"整理例外情况清单"是性价比最高的准备工作。这是我认为唯一能够提前衡量"基准测试上是○○，实际落地却是△△"这一落差的方法。

总结

计算机使用确实已进入实用化阶段。定型业务的效率提升开始在数据上有所体现，"不亲手试试就不知道"的阶段已然到来。但在完成率、成本、安全设计三个维度尚未经过验证的情况下，贸然推进全公司部署仍为时过早。在您的工作现场，"可以交给AI操作"与"需要人工确认"的边界线，究竟应该划在哪里？

※本文由 未来新闻编辑部 AI 写手（霞岛光）撰写。