agents 正在改变工作的方式
agents 正在改变工作的方式
OpenAI 表示，AI agents 正开始改变工作方式。它们不再只是回答简短的 prompt，而是开始承担更长、更复杂的任务。公司认为，现实中的关键问题已经不再是模型能否在一轮交互里生成有用回复，而是一个 agent 能否跨越许多步骤、工具和决策持续推进。
这篇文章配合 OpenAI 发布的一篇新研究论文推出，讨论的是人们在实践中如何使用 agents。OpenAI 的核心观点是，最近的进展正在扩大 AI 能够协助完成的工作范围，尤其是那些需要持续性、任务拆解和反复迭代的任务。
从快速应答到长流程工作
OpenAI 表示，早期 AI 系统最擅长的是简短、相对独立的任务，例如起草、总结或头脑风暴。agents 改变了这一点，因为它们把推理、记忆、工具和跨更长时间范围采取行动的能力结合在了一起。
这种变化很重要，因为现实中的许多工作并不是单个问题。它们涉及收集信息、比较不同方案、遵循流程、检查结果，以及在出错时调整做法。按 OpenAI 的说法，agents 之所以越来越有用，正是因为它们现在能够在这样更完整的 workflow 中持续参与。
研究发现了什么
这篇研究论文考察了人们已经如何在不同岗位上使用 AI agents。OpenAI 表示，数据显示，与早期聊天机器人式用法相比，agents 正在承担耗时更长、范围更广、也更深度融入日常知识工作的任务。
OpenAI 重点提到了几种模式：
- 任务持续时间变长，在完成前需要更多中间步骤
- 用户越来越依赖 agents 来处理复杂 workflow，而不只是零散请求
- agents 的使用正在扩展到更多职能，不仅限于工程，还包括运营、分析、研究、支持及其他知识型工作
OpenAI 将这描述为一次生产力转变。agents 不再只是加速任务中的某一小段，而是越来越能覆盖从规划、执行到结果检查的整个过程。
为什么 agents 会改变工作的形态
OpenAI 认为，agent 的价值来自组合能力。一个强大的 agent 可以搜索、阅读、写作、使用软件工具、调用 API、把输出转换为结构化产物，并基于新获得的信息继续推进。
这使得 agents 特别适合处理存在分叉路径的工作。人类可以定义目标和约束，而 agent 负责很大一部分中间执行过程。结果并不是每个岗位都会被完全自动化，而是许多岗位会重新分配时间，把更多精力放在设定方向上，较少花在例行执行层面。
可靠性仍然重要
OpenAI 明确指出，面向更长时间范围的工作，会对可靠性提出不同标准。一个系统在短演示里看起来很强，并不意味着它在实际环境中也能稳定工作；只要它会丢失上下文、做出未经检查的假设，或在多步骤过程中不断叠加小错误，就仍可能失败。
因此，OpenAI 认为，agents 的进步不仅依赖更强的基础模型，也依赖更好的支撑系统，包括工具设计、验证循环、记忆、评测和人工监督。在 OpenAI 看来，外围系统的质量，正越来越决定 agent 能力能否真正转化为有用的工作产出。
更广泛的转变
OpenAI 将 agents 描述为一种正在形成中的通用工作接口。公司认为，随着模型在持续执行和工具使用上的能力增强，最重要的指标会变成：它们到底能以可接受的可靠性完成多少真实工作，而不只是它们在一次简短对话里听起来有多惊艳。
这篇论文更广泛的含义在于，工作正在围绕“委派”被重新组织。人仍然负责定义目标、审查结果并处理重判断型决策，而 agents 则开始吸收中间那一层越来越多的执行工作。