OpenAI 發表 ChatGPT Agent：把「操作瀏覽器」與「深度研究」合而為一

OpenAI 於 2025 年 7 月 17 日正式發表 ChatGPT Agent，這是一套「統一代理系統」，把兩項原本分開的能力合併進同一個 ChatGPT 對話視窗：一是先前的 Operator，能實際操作瀏覽器（點擊、輸入、捲動、填表）；二是 Deep Research，能大量瀏覽網頁並綜整成報告。加上 ChatGPT 原本的對話理解能力，使用者現在可以用一句自然語言指令，交辦需要「查資料＋做動作＋產出成果」的多步驟任務。

官方公布的示範情境包括：查看使用者的行事曆，依據近期新聞自動整理出一份客戶會議簡報；規劃日式早餐菜單並直接在購物網站下單食材；分析三家競爭對手的公開資訊，產出一份簡報檔。這些任務過去需要使用者自己在多個分頁、多個工具之間手動切換，現在由代理一次串接完成。功能先開放給 Pro、Plus、Team 訂閱用戶，後續會擴及 Enterprise 與 Edu 方案。

技術意義：從「單次回答」走向「可執行的多步驟流程」

過去的 ChatGPT 本質上是問答式工具——使用者問、模型答，中間的查資料、操作系統、產出檔案都得靠人工完成。ChatGPT Agent 的關鍵變化，是把「理解任務」「規劃步驟」「在真實網頁與檔案間執行動作」三件事串成一條可自主運作的鏈路。它能在公開網站、使用者上傳的檔案，以及已連接的第三方來源（例如 email、文件庫）之間自主研究與整合，並實際執行填表、編輯試算表等操作，而不只是輸出一段建議文字。

安全機制與前代的差異

值得注意的是，OpenAI 並未把代理設計成「全自動黑箱」。系統在採取有實際影響性的動作（例如送出表單、完成付款）前，會先向使用者徵求許可；使用者也可以隨時中斷任務、接管瀏覽器操作，或直接停止代理運作。這種「人在迴路中」的設計，反映出業界對代理型 AI 的普遍疑慮——動作型 AI 一旦出錯，代價比純文字回答高得多，因此可控性與可中斷性成為這類產品能否被信任的關鍵指標。

對管理者的意義

這則發表代表「AI 助理」正從單純的對話工具，逐步演變成能實際執行辦公室例行任務（資料蒐集、初稿製作、跨系統操作）的工作夥伴。管理者不妨留意：哪些團隊裡「查資料＋整理＋產出文件」的重複性工作，未來可能先交給代理處理初稿，再由人力把關關鍵決策與最終確認。