Computer Use出来以后，AI不再只是会看，开始会动手了
没有接口的时候，AI 开始看界面、点按钮、把碎动作做完。
这是「搭系统实录」第三篇。
前一篇写 MCP，讲的是 AI 怎么通过统一协议调用系统能力。
这一篇写 Computer Use，讲的是另一条更贴近现场、也更容易被低估的路径：
当系统没有接口，AI 能不能直接看界面、点按钮、填表单、完成动作。
过去企业用 AI，主要还停在内容层。
写一段话，改一份材料，总结一篇会议纪要，查一堆资料。这些都很有用，但它们大多还没有真正碰到公司的业务系统。
Computer Use 出来以后，边界变了。
AI 不只是回答你，它开始能进入真实界面，沿着流程往下走。
这件事真正重要的地方，不是 AI 终于会“点鼠标”了，而是公司里大量原本只能靠人坐在电脑前完成的碎动作，第一次有了被重新设计的可能。
它不是一个更聪明的聊天框
Computer Use 的逻辑很直接：
先看屏幕截图，理解界面上有什么；再决定下一步动作；然后通过虚拟鼠标和键盘去点击、输入、滚动；执行完，再重新看屏幕，判断结果对不对。
OpenAI 在 2025 年 1 月发布 Operator，背后的模型叫 CUA，也就是 Computer-Using Agent。OpenAI 对它的描述很明确：模型可以看见浏览器界面，并通过点击、输入、滚动来完成任务。
Anthropic 更早在 2024 年 10 月开放了 Claude 的 computer use 能力，让模型通过截图观察桌面，再用虚拟键鼠操作软件。Anthropic 当时也提醒，这个能力还处在早期阶段，需要开发者在低风险任务里逐步试用。
到 2025 年 7 月，OpenAI 又发布 ChatGPT agent，把网页浏览、深度研究和计算机操作能力放进同一个 agent 模式里。
这些信号放在一起看，说明一件事：
AI 正在从“会调用工具”，走向“会操作环境”。
这不是产品名的变化，而是能力边界的变化。
接口能通，就走接口；接口不通，它开始尝试走界面。
它和 RPA 的差别，不在速度，在逻辑
一听到“AI 操作界面”，很多人会想到 RPA。
这个联想不奇怪，但如果只把 Computer Use 理解成新一代 RPA，很容易低估它。
传统 RPA 更像脚本。你提前定义好步骤，它按步骤跑。界面稳定、流程固定、规则清楚的时候，它很有效。
但 RPA 最怕变化。
按钮换了位置，弹窗多了一层，字段名改了一下，页面加载慢了一点，脚本就可能失败。
Computer Use 的起点不是坐标，而是目标。
它不是只记住“点第几个按钮”，而是先看当前界面，再判断哪里像提交按钮、哪里像输入框、下一步应该怎么走。
所以差别不是：
RPA 慢，Computer Use 快。
真正的差别是：
RPA 执行的是预设步骤，Computer Use 执行的是当前目标。
这句话很关键。
因为企业里有大量流程，并不是完全没有规则，而是规则写得不够干净，系统接口不够完整，界面还经常变。
过去这类流程很难自动化。
现在它们开始变成可讨论对象。
为什么这会打到企业流程
Gartner 在 2025 年 8 月有一个判断：到 2026 年底，40% 的企业应用会集成任务型 AI agents，而 2025 年这个比例还不到 5%。
这个数字不需要被神化，但它说明一个方向：
企业软件不会只把 AI 当成写作助手，它会越来越多地把 AI 放进任务执行链条里。
MCP 解决的是一类问题：系统愿意开放能力时，AI 怎么标准化调用。
Computer Use 解决的是另一类问题：系统还没有开放能力时，AI 能不能先从界面进入流程。
这两条路合在一起，企业 AI 才开始真正接近业务现场。
一条是接口层。
一条是界面层。
接口层更稳，适合长期工程化。
界面层更粗糙，但很可能先碰到那些“每天都有人在做、但一直没人愿意改”的重复动作。
公司里会先被改写的三类动作
不是所有流程都应该先交给 Computer Use。
最先适合试的，通常不是高判断、高风险、高金额的环节，而是三类低判断、高重复、跨系统的动作。
第一类，跨系统搬运。
一个人要从 A 系统查信息，再到 B 系统录入，再到 C 系统提交。真正的价值不在“判断”，而在“跑完”。这类动作最耗人，也最容易被忽略。
第二类，周期性核对。
周报、月报、客户信息同步、项目状态更新。每次都差不多，但每次都要打开几个系统、复制几段内容、核对几个字段。
第三类，流程后的补动作。
会议结束后补纪要，项目推进后改状态，沟通结束后补记录。很多管理动作最后不是输在判断，而是输在这些尾巴没人愿意收。
这些动作有一个共同点：
它们不一定值得单独开发系统接口，但长期让人手工做，又非常浪费。
Computer Use 的价值，恰好出现在这个缝里。
它不一定马上替代系统集成，但它会逼管理者重新看一遍：
公司里到底有多少工作，本质上只是人在替系统补接口。
真正要先画清楚的不是流程，而是边界
Computer Use 一旦进入公司，管理者最该紧张的不是“能不能自动化”。
而是三个更基础的问题。
第一，权限边界。
AI 能看哪些系统？能填哪些字段？能不能点提交？能不能发邮件？能不能改客户资料？能不能触发付款或审批？
这些不是技术细节，是管理授权。
第二，确认点。
哪些动作可以自动完成，哪些动作必须在人确认以后才能继续。尤其是涉及金额、外部承诺、员工信息、客户信息、权限变更的动作，不能因为技术能点，就默认可以点。
第三，审计链。
AI 看了什么，点了什么，改了什么，失败在哪里，为什么重试，谁最终确认。
如果这些追不回来，Computer Use 做得越多，组织反而越失控。
所以我对这件事的判断很简单：
Computer Use 降低的是自动化的技术门槛，不是管理门槛。
它越容易上手，越不能绕过权限、确认和追溯。
企业真正该怎么开始
不要一上来就问“能不能替代某个岗位”。
这个问题太大，也太容易把事情带偏。
更好的起点是找三条链路：
第一，找一个每天都有人反复登录、复制、粘贴、核对的流程。
第二，把里面的动作拆成两类：执行动作和判断动作。
第三，只让 AI 先试执行动作，把判断动作和高风险动作留给人。
这才是比较稳的试点方式。
不是为了证明 AI 很强，而是为了验证一件更重要的事：
在你的组织里，哪些动作已经可以从“人亲自点”变成“人授权、AI 执行、人复核”。
这个变化一旦成立，意义就不只是省一点时间。
它会改变公司对流程的理解。
过去流程设计默认执行者是人，所以很多接口、字段、确认点都写得很粗。
以后如果流程里会出现 AI 执行者，流程本身就必须写得更清楚。
谁能看，谁能动，动到哪一步停，失败以后怎么回滚。
这些都会从“上线以后再说”，提前变成流程设计的一部分。
最后
如果只把 Computer Use 看成“AI 会操作电脑”，它会显得像一个好玩的功能。
但如果放到企业里看，它更像一个信号：
AI 正在从内容生产，进入流程执行。
这一步不会一夜之间改变公司，也不会立刻替代所有人。
但它会把一个以前很模糊的问题推到管理者面前：
当 AI 也能动手，组织里的动作边界到底该怎么重新写。
下一篇 TC，我会继续拆另一条同样关键、但更容易被误读的技术线：
Deep Research 进公司后，真正改掉的可能不是搜索，而是那些一直很贵、但一直被低估的前置调研动作。
参考资料：
- OpenAI, Introducing Operator, 2025-01-23: https://openai.com/index/introducing-operator/
- OpenAI, Introducing ChatGPT agent, 2025-07-17: https://openai.com/index/introducing-chatgpt-agent/
- Anthropic, Claude 3.5 Sonnet and computer use, 2024-10-22: https://www.anthropic.com/news/3-5-models-and-computer-use
- Gartner, 40% of enterprise applications will be integrated with task-specific AI agents by 2026, 2025-08-26: https://www.gartner.com/en/newsroom/press-releases/2025-08-26-gartner-predicts-40-percent-of-enterprise-apps-will-feature-task-specific-ai-agents-by-2026-up-from-less-than-5-percent-in-2025
AI大同学 | 在职管理者，管理学博士，正在经历 AI 对管理与组织协作方式的重塑。这是「搭系统实录」系列第三篇。
