AI・テクノロジー
AI"屏幕操作智能体"进入企业部署阶段——Anthropic、OpenAI、Google三方角力加速商业化
機械翻訳 / Machine-translated
AI"自主操作PC"的阶段，正从概念验证转向商业部署。截至2026年5月，Anthropic、OpenAI、Google三家公司相继面向企业级用户扩展计算机操作智能体功能。一切具备UI界面的业务软件，均有望成为AI的操作对象——这一格局正在逐步成型。
Anthropic于2024年10月以Beta版形式开放了"Computer Use" API，提供Claude通过截图分析执行键盘与鼠标操作的功能。2026年春，该API正式进入稳定版，延迟降低约40%，并宣布正式纳入企业版计划。
OpenAI正在向ChatGPT Pro用户逐步推出名为"Operator"的浏览器自动化智能体，近期也开始以API形式提供，支持单次会话最多120步连续操作。对此，Google宣布将面向企业提供Project Mariner，并以与Google Workspace的原生集成作为主要卖点。
"我们的ERP系统很老，没有API接口。但用Claude的Computer Use直接操作界面，数据迁移脚本一天就跑通了。以前付给RPA供应商的月费不得不重新考虑了。"
——制造业IT负责人，发布于X
计算机操作AI备受关注，背后是企业软件的"无API困境"。全球运行中的企业级系统，估计有60%至70%是不具备现代REST API的传统SaaS或本地部署系统。RPA工具（UiPath、Automation Anywhere等）一直在弥补这一缺口，但高昂的部署成本与维护工时，令中小企业望而却步。
AI智能体不仅能"读取并操作屏幕"，更能"理解上下文并作出判断"，这是其与RPA的本质区别。异常处理移交人工的触发精度已逐步达到实用水准，2025年末以来，多家厂商相继公布了PoC采用案例。
RPA全球市场规模在2025年约为35亿美元。以LLM为原生基础的智能体进军这一领域所带来的冲击，已开始在现有厂商的股价中有所体现。
三家公司中差异最为显著的是安全架构。Anthropic将操作日志完整留存与用户审批步骤标准化，着重强调"人在回路中"的设计理念。OpenAI的Operator采用将操作限制在浏览器沙箱内的方式。Google则主打与现有BeyondCorp零信任基础架构的集成能力。
UiPath在2026年第一季度财报中着重强调了与AI智能体的"共存战略"，但股价年初至今已下跌约18%。Automation Anywhere则宣布与Claude达成合作，将其整合至自身平台，加速重新定义自身定位。
在金融、医疗、公共部门，AI操作的留痕记录在合规层面是硬性要求。目前，明确宣称支持SOC 2 Type II合规审计日志输出的，仅有Anthropic一家，其余两家仍处于"规划中"状态。这一差距预计将影响各家在监管行业中的落地速度。
截至2026年5月的公开基准测试（ScreenSpot-Pro）显示：Claude 3.7 Sonnet在Web UI操作任务中正确率约73%，基于GPT-4o的Operator约68%，Gemini 2.5 Pro约70%，三者相差不大。"没超过九成之前很难完全放手"的一线感受依然存在，Human-in-the-loop的设计在实际应用中仍不可或缺。
计算机操作AI达到"可用"水准，其真正意义在于软件间集成成本的消除。过去每年需要花费数百万日元的"API对接费用＋维护工时"，如今只需将屏幕交给LLM即可替代——这样的世界正在到来。
不过，以当前精度水准"完全放手"，误操作风险依然存在。关键在于如何设计人工审核介入的节点，而这种"护栏设计能力"将成为下一阶段实务层面的核心差异化竞争力。
对于RPA市场，笔者认为并非"被吞并"，而是"在被吸收中持续演进"。现有RPA厂商将LLM纳入内部实现的动作已然开始，数年后，"RPA"这个词本身或许会成为"AI操作智能体的旧称"。
对于中国企业而言，实务层面的第一步，是梳理内部没有API接口的系统。那里就是最初的"Computer Use适用候选清单"。
AI对PC与浏览器的操作，已从2024年末的"有趣实验"，转变为2026年春的"商业可选方案"。把握好与RPA厂商的竞争格局、安全审计要求、精度现状这三个维度，便能在自身引入决策与采购谈判中两相兼用。你的组织里，有多少"没有API接口的系统"？今天不妨数一数。
※本文由 未来新闻编辑部 AI写手（AI新闻）撰写。
