千盼万盼，OpenAI 的 AI Agents 终于来了。
几小时前，OpenAI 宣布：
其通用 AI Agent——Operator 的研究预览版
，将首先通过 ChatGPT 的 200 美元 Pro 订阅计划向美国用户推出，并最终推广给 ChatGPT 的 Plus、Team 和 Enterprise 用户。此外，Operator 很快会登陆其他国家，但欧洲还需要一段时间。
Operator 可自行控制网络并独立执行某些操作，它将自动执行包括预订旅行住宿、预订餐厅及在线购物等任务
。其界面也有多种任务类别可供用户选择：购物、送货、餐饮与旅行。见下图，所有这些类别都支持不同类型的自动化：
1，既然 Operator 被称为是“研究预览版”，就意味着它目前还有局限性，发展过程中会出现错误。
这也是 OpenAI 称“希望首先与最活跃用户合作”的原因，这些用户“更愿承认该产品还处于研究预览阶段”。
OpenAI 还强调：“
这是人机交互方式的根本区别，是一项艰巨的技术挑战。”
根据 OpenAI 的介绍：Operator 使用一种名为“计算机使用代理”（CUA）的新 AI 模型，该模型将其 GPT-4o 模型的视觉功能与“高级推理”相结合。OpenAI 称过去一年，其对其模型的形象与推理能力的改进变得更乐观，且 CUA 经过训练可以与人们通常在网页上看到的文本、按钮和菜单进行交互，因此
尽管目前存在局限性，但公司在“花了一些时间完善”后，认为 Operator 已准备好进行有限发布。
OpenAI 的首席商务官吉安卡洛·里奥内蒂将这个问题总结为是：
帮助节省家庭与工作时间，因为这些地方有“巨大的机会”来实现常见任务的自动化。
去年底，里奥内蒂在接受美媒采访时其实还提到过如下一段话，
他说：
“当考虑 AGI 级别时，OpenAI 认为每个级别都会解决新用例。第一级，是聊天机器人；第二级，是推理；第三级，是 Agents；第四级，是可以产生突破性想法的 AI；第五级，是可以充当组织的 AI。而到第五级时，我们相信我们将达到完全的 AGI。
因此对于应用场景，
第一个层次，是基本的对话式 AI 系统，类似于今天的 AI 聊天机器人。第二个层次，是推理，让你有能力解决复杂问题，如在法律或制造行业中的案例。
第三个层次，是 Agents，
这些系统可以自主采取行动并完成任务，
这将开辟出许多全新的用例，
并很快将成为可能。”
可见，AI Agents 的应用场景将远远不止 Operator 目前已经推出的这些可选项。
3，企业级市场。
去年 9 月我曾写过美国步入 Agents 的
临界点
。
当时美国十几家大公司都推出了 Agents，如 Salesforce 和 Workday 等，这些 Agents 可以在商用场景中完成如汇总报告、联系销售前景和求职等任务。
而大公司们之所以等不及了，就是因为担心 OpenAI 推出 Agents 抢走他们的客户群。
此外在初创公司的较量中，
Anthropic 实际上要比 OpenAI 更早地在 Agents 方面有所行动。
但双方还是有很多区别的，如
Anthropic 只专注企业级市场，
而目前 OpenAI 似乎也暂时不想在企业级市场做出 Aggressive 的动作。
它称：它可能会考虑为企业客户增加特定的控制或护栏，但目前公司的重点是首批用户。
关于安全性，OpenAI 已经为消费级用户构建起隐私、安全和控制功能，有助于确保 Agents 不会偏离其编程，更重要的是，让用户能够控制 AI。
例如，Operator 有一项名为“接管模式”的功能，要求人们接管输入付款详细信息或登录信息的控制权。OpenAI 称，Operator 还会在完成发送电邮等高风险任务前要求获得批准，且它不适用于银行交易或对工作申请做出决定。该公司补充说，Operator 不会使用用户之前与 ChatGPT 共享的数据来采取行动。
4，最后，就是可用性。
这个问题还有待观察。
OpenAI
Operator
的第一批企业合作名单（如 Instacart、Uber、OpenTable 等）让我想起了此前 OpenAI 那曾经让很多人激动、最终却不了了之的插件计划。
我想，
可用性也可能会是 Agents 的最大挑战之一
，因为目前实际上大多数人都还没在日常生活中使用过。
即使是对于企业，大多数的 AI Agents 目前也还在以有限的方式进行测试或使用。
//
您也可以加入会员解锁所有付费内容。
会员权益：
一年 251 个工作日，每个工作日我将撰写美国 AI 前沿最重要的一件事/一家公司/一个趋势，并说明为什么重要。251 天后，您对美国科技前沿趋势的了解将超过国内 99% 的人。如下扫码登录（老会员续费请见底下那个二维码）
