1 月 23 日晚，OpenAI 推出了其最新 AI Agent 工具——Operator，内置浏览器，可以独立在网站上执行某些操作。

OpenAI 表示 Operator 可以自动执行预订旅行住宿、预订餐厅和在线购物等任务。用户可以在 Operator 界面中选择多个任务类别，包括购物、送货、餐饮和旅行。

此外，Operator 会截取其内置浏览器的屏幕截图，以帮助它了解如何以及何时在应用中采取行动，例如何时使用按钮以及填写哪些表格。

需要明确的是，当 Operator 遇到“卡住”的情况（例如当工具需要密码时）时，它不会截取屏幕截图。OpenAI 将此称为“接管”模式。

OpenAI 还提到，它们可能会将使用 Operator 的客户的聊天记录和相关截图存储长达 90 天——即使用户手动删除它们也是如此。

目前以研究预览的形式面向美国地区的 Pro 用户开放。用户只需通过 Operator 提交任务请求，AI 即可通过自主浏览、点击和滚动网页完成指定任务。

▍Operator 的核心功能与创新

Operator 依托全新的 Computer-Using Agent（CUA）模型，结合 GPT-4o 的视觉能力与强化学习驱动的推理能力，可与图形用户界面（GUI）交互，实现包括表单填写、订购杂货、制作表情包等任务的自动化处理。

这种无需定制 API 的通用交互能力大幅扩展了 AI 的应用范围，为用户日常生活节省时间，同时为企业提供了创新客户体验的机会。

用户可以通过 Operator 执行多个任务，例如在 Instacart 上快速补充食品库存，同时在 Hipcamp 上预订露营地。Operator 还允许用户个性化其工作流，例如为特定网站设置偏好或保存常用的提示，便于重复操作。

OpenAI 透露，Operator 在 WebArena 和 WebVoyager 等关键浏览器交互测试中已取得了最新的行业标杆成绩，但目前仍处于早期阶段，部分复杂任务（如创建幻灯片或管理日历）上仍存在一定局限。

▍隐私与安全保障

OpenAI 强调了 Operator 在隐私与安全设计上的三层防护：

1）用户优先控制：

• 关键点接管模式：Operator 在处理登录凭据或支付信息时，会主动交由用户操作。

• 行动确认：提交订单或发送邮件等重要操作前，需用户最终确认。

• 任务限制：Operator 拒绝处理高风险任务（如银行交易或求职决策）。

2）数据管理透明：

用户可通过设置关闭“为全体用户改进模型”选项，确保数据不用于模型训练。同时，可一键清除浏览数据、注销所有网站并删除过往任务记录。

3）对抗恶意行为：

• Operator 可检测并忽略提示注入等恶意行为。

• 专属监控模型和人工审查系统实时监测潜在威胁，确保任务安全执行。

尽管如此，OpenAI 也承认任何系统都无法完全避免错误或滥用风险，因此 Operator 将在研究预览期间持续优化，确保功能安全与合规。

▍OpenAI 下一步计划

• CUA 模型 API 化：OpenAI 计划将支持 Operator 的 CUA 模型开放至 API，方便开发者构建自定义 AI 代理工具。

• 能力增强：持续提升 Operator 执行更复杂任务的能力。

• 推广范围扩展：未来 Operator 将向 Plus、Team 和 Enterprise 用户开放，并逐步整合至 ChatGPT，支持实时和异步任务处理。

为满足真实世界需求，OpenAI 正与 DoorDash、Instacart、Uber 等企业合作，探索电商、物流等领域的应用。同时，Operator 还在与公共部门合作，例如与加州斯托克顿市（City of Stockton）协作，简化市民注册服务的流程。

Operator 的推出标志着 AI 从被动工具向主动数字助手的转变。作为一种创新型技术，其能力和局限性将通过用户反馈不断完善，未来也将为个人和企业带来更多便利与价值。

如果你也正投身 AI 创业浪潮，无论是智能技术（算力、算法或者数据），还是智能设备、终端或者智慧服务，都可以报名由中国人工智能学会牵头， 工信部工业文化发展中心、 宁波人才发展集团有限公司、 国投 （北京）科技创新有限公司、宁波市人工智能学会共同举办 的 2024 “AI 宁波”首届人工智能赋能产业大赛。