OpenAI 發表 Operator：能自己動手操作瀏覽器的AI代理研究預覽版

OpenAI於2025年1月23日正式發表Operator，一款以「研究預覽版」形式推出的通用型AI代理。與過去的聊天機器人不同，Operator不只是回答問題，而是能直接在瀏覽器畫面上自行點擊、輸入文字、捲動網頁，代替使用者完成一整套線上任務——例如訂餐廳位子、預訂旅遊住宿、在購物網站下單結帳。使用者只需要下達一個目標（例如「幫我訂今晚七點兩人的餐廳位」），不需要像操作巨集或腳本那樣逐步下指令，Operator會自行判斷網頁上該點哪裡、填什麼欄位、何時往下一步。

技術意義：從「對話」走向「行動」

Operator代表OpenAI產品線的一個關鍵轉折：把大型語言模型的能力從純文字問答，延伸到能實際操控電腦介面的「代理（agent）」。它背後結合了視覺理解（讀懂網頁畫面的按鈕、輸入框、選單位置）與規劃能力（把一個模糊目標拆解成一連串具體操作步驟），這比單純呼叫API或串接固定流程要複雜得多，因為多數網站並沒有替AI開放的操作介面，Operator必須像人一樣「用眼睛看畫面、用滑鼠鍵盤操作」。

與競品比較：緊追Anthropic的Computer Use

這不是業界第一個瀏覽器/電腦操作型AI代理。Anthropic早在2024年10月就發表了Computer Use功能，讓Claude模型能夠操作電腦畫面、模擬滑鼠鍵盤動作。OpenAI這次發表Operator，等於是在三個多月後正式跟進、推出自家對應產品，顯示「AI代理能自主操作使用者介面」已成為主要AI實驗室共同押注的下一階段能力，而不是單一公司的特例。目前Operator初期僅限美國地區、且需訂閱每月200美元的ChatGPT Pro方案才能使用，屬於高單價、小範圍的研究預覽階段，尚未大規模開放。

業界反應：期待與疑慮並存

這類瀏覽器操作型代理最受關注的兩個面向，一是實用性——它能否真的可靠地完成訂位、購物這類需要精準操作的任務而不出錯；二是風險與信任——當AI能自己點擊付款、送出訂單時，錯誤操作或被惡意網頁誘導的風險也隨之提高，這也是為何OpenAI選擇先以「研究預覽」而非正式產品的形式、限縮在付費訂閱高端用戶小範圍測試，而非直接全面開放。

對管理者的意義

Operator這類代理型AI若成熟，未來可能承接的不只是個人生活瑣事，而是企業內部大量「需要人工在多個系統網頁間手動操作」的重複性行政工作，例如登入不同供應商後台下單、比價、填寫報表。管理者現階段不必急著導入，但值得開始盤點團隊內哪些工作屬於「目標明確、但操作步驟繁瑣重複」的類型，這正是未來此類AI代理最先能派上用場的領域。