OpenAI最新推出的代理AI工具「Operator」，標誌著人工智慧在日常網路使用中的又一次重大進步。這款工具基於「電腦使用代理（Computer-Using Agent，CUA）」全新模型開發，充分運用GPT-4o的強大視覺辨識能力和先進的強化學習推理功能。這使得Operator能夠像人類一樣靈活自如地與螢幕上的圖形介面互動，包括按鈕、選單和文字欄位等，從而在沒有任何額外API支援的情況下執行各種數位任務。
Operator的設計目的是為了簡化許多重複性的重要工作，比如填寫網頁表單、訂外送服務或購買票券等。使用者僅需提供明確的指令，Operator便能有效地自動化這些常見的網路行為。舉例來說，當使用者希望在StubHub網站上購買NBA球票，或是在Booking上查詢機票時，Operator將會全權處理這些網頁操作。此外，在進行一些需要使用者確認或介入的任務時，例如結帳、登入帳號或處理CAPTCHA驗證，Operator會智能地將控制權回傳給使用者，以確保安全性和準確性。
目前，Operator僅在美國提供給ChatGPT Pro訂閱用戶使用，未來將計劃逐步擴展到其他地區和更多用戶。OpenAI還與多家知名平台合作，包括DoorDash、Instacart、OpenTable、Priceline與Uber等，以確保Operator可以在多樣的服務中發揮功能，滿足更廣泛的使用需求。
CUA模型的核心技術在於其多步驟的任務計劃能力，以及在遇到挑戰時的自我修正能力，這使得Operator能應對各種複雜的任務。儘管CUA目前仍處於測試階段，且功能還有待進一步完善，其在各類數位環境中的表現已達到新高度。
根據最新的性能測試結果，在完整的電腦使用任務中，CUA在「OSWorld」平台的成功率達到38.1%，在WebArena中則提高至58.1%，而在WebVoyager測試中成功率進一步攀升至87%。這些結果展示了CUA能夠輕鬆駕馭螢幕、滑鼠和鍵盤等基本介面，以執行多樣化的網頁任務，展現出驚人的適應能力和效率。
隨著科技的不斷演進，OpenAI的Operator無疑為未來的數位任務自動化鋪平了道路，無論在個人使用還是商業應用方面，都將為使用者帶來前所未有的便利與效率。
