ChatGPT團隊OpenAI，23日發布首個AI代理工具Operator預覽版，立刻引起全球網友討論指出，這次真正不用雙手就能上網的工具來了。原來，它只要輸入簡單的文字指令，就能讓AI自動上網查資料、訂位、購物等，甚至還能完成線上測驗、尋找客戶等多步驟的複雜任務。究竟AI代理有多厲害？實際上是如何運作的？目前開放給誰使用？免費付費？
Operator免費或付費？在哪些國家開放？
上週，OpenAI發布能自動執行指令的ChatGPT Tasks，往「AI代理（AI Agent）」的願景邁進一步。23日，OpenAI又推出最新工具Operator，是其首個AI代理工具，能控制網頁瀏覽器，從感知、推理到操作，自動完成使用者的要求。
目前僅有美國的ChatGPT Pro會員能搶先體驗Operator預覽版。ChatGPT Pro訂閱費用要價每個月200美元，能無限使用o1、o1-mini等模型，以及擁有o1 pro模式和Operator預覽版的存取權限。OpenAI表示，未來會將此功能逐步推廣至其他國家，以及不同方案的使用者。
Operator的運作原理是什麼？
根據OpenAI官網介紹，Operator背後的核心技術模型是電腦使用代理（Computer-Using Agent, CUA)，其使用GPT-4o的視覺辨識能力，以及透過強化學習（reinforcement learning）增進推理能力。
Operator已經過訓練，可以與圖形使用者介面（graphical user interfaces, GUI）互動，也就是可以像人類一樣切換螢幕畫面、操作網頁上的按鈕，或輸入文字等，不需要透過特定的作業系統或API，也不必為不同的網站重新設計程式。
Operator執行任務的步驟，可分成感知、推理、操作三階段。在感知階段時，AI會將螢幕截圖加入模型的上下文中，以了解電腦的目前狀態；進入推理階段時，AI會透過連鎖思考（chain-of-thought）推理出下一步的行動，也就是將問題拆解成多個步驟，逐步執行並動態調整。
最後的行動階段則是AI實際執行各種操作，例如點擊按鈕、捲動畫面或輸入文字等。在大部分情況下，AI會自動處理每個步驟，但若涉及敏感行為，例如需要登入帳號或輸入驗證碼時，其會停下來等待使用者確認。
Operator如何實際執行任務？
在OpenAI的發表影片中，實際展示了多項Operator能達成的任務，包括訂位、購物、買票等，除了直接輸入文字指令外，也可以預先選擇希望Operator使用的網站。
以訂位的任務為例，使用者輸入「請幫我在Beretta餐廳預訂兩人位置，時間是晚上7點」，並選擇訂位網站OpenTable後，可看到Operator進入網站，設定好人數、時間和輸入餐廳名字後進行查詢。由於7點已無空位，它暫停動作並傳訊息問使用者是否要更改時間。最後在要真的訂位之前，它又再次詢問使用者是否確定要訂位。
影／執行長奧特曼與OpenAI團隊一起在影片上分享了Operator的使用方式。來源：YouTube@OpenAI
在OpenAI官網的Operator介紹文章中，展示了一些更複雜的任務。例如要求Operator「找到取消最多訂單的客戶資訊」，這項任務的步驟可拆解為查詢訂單報告、建立篩選器找出取消訂單、計算客戶取消次數、找到客戶個人資訊等。雖然步驟相當複雜，但仍可看到Operator在幾次試錯後，最終還是順利達成任務。
Operator有哪些安全措施？
要把電腦交給AI接管，資安與隱私保護相當重要。OpenAI表示，Operator會拒絕執行有害任務，以及訪問賭博、色情等非法網站，以避免AI被濫用。此外，Operator目前仍在測試階段，可能會輸入錯誤內容、不慎刪除文件等，因此其在實際完成任務前，會要求使用者回覆確認訊息。並且，目前也不開放執行銀行交易等高風險任務。
ChatGPT還有哪些AI代理工具？
事實上，開發出ChatGPT的OpenAI團隊，在不久前剛推出了ChatGPT的計劃任務Tasks功能，就是一款具有AI代理功能的工具，只要是訂閱20美元月費的ChatGPT PLUS的用戶就能使用。實際使用功能教學請見此。
