Operator

Когда ИИ начинает «сидеть в интернете» за вас: что привносит Operator?

За годы стремительного развития генеративного ИИ мы привыкли к тому, что модели пишут стихи, программируют, отвечают на вопросы, но между нами всегда оставался экран. Новый Operator от OpenAI впервые помещает «руки» искусственного интеллекта прямо в браузер. Это не простой инструмент разбора веб-страниц, а автономный агент, способный понимать интерфейс, нажимать кнопки, заполнять формы и прокручивать страницы. Мы провели неделю в глубоком тестировании, пытаясь ответить на ключевой вопрос: можно ли доверять ИИ управление веб-страницами, как если бы это делал человек?

Ключевые преимущества: «видеть» и управлять системой, как живой пользователь

Самое фундаментальное новшество Operator заключается в смене парадигмы взаимодействия. Традиционные скрипты автоматизации полагаются на фиксированные селекторы элементов и ломаются при любом изменении сайта. Operator же работает на основе скриншотов и визуального понимания — он «смотрит» на макет страницы так же, как человек. Это означает, что он способен справляться с определённой степенью изменчивости интерфейса, а при появлении всплывающих окон, капчи или неожиданных перенаправлений даже делает паузу и запрашивает вмешательство пользователя. В задаче по заказу еды мы наблюдали, как он последовательно открывает страницу ресторана, просматривает меню, добавляет выбранные блюда в корзину и останавливается на странице подтверждения оплаты в ожидании ручной проверки. Весь процесс настолько плавный, что трудно поверить, будто это делает машина.

Ещё одно недооценённое преимущество — выполнение в облаке. Operator запускает задачи в удалённом браузере, и пользователь может выключить свой компьютер, а задача всё равно будет выполняться. Это исключительно ценно для дел, требующих длительного ожидания, например, очереди за билетами или отложенного оформления заказа. Кроме того, модель безопасности продумана достаточно осторожно: при выполнении чувствительных шагов, таких как вход в аккаунт или оплата, система явно требует присутствия или подтверждения пользователя, что позволяет избежать типичных рисков автоматизированных инструментов.

Целевая аудитория: от фанатов продуктивности до людей с цифровыми барьерами

На первый взгляд Operator создан для технических энтузиастов, которые терпеть не могут повторяющиеся действия в браузере. Но после реального использования становится ясно, что его аудитория гораздо шире.

• Те, кто часто совершает онлайн-транзакции: люди, регулярно бронирующие авиабилеты, отели, столики в ресторанах или закупающие офисные расходные материалы. Operator способен сжать многошаговые процессы сравнения цен, заполнения данных и подтверждения заказа до одной команды на естественном языке.
• Пользователи, испытывающие трудности с веб-интерфейсами: пожилые люди или те, кто плохо знаком со сложными веб-взаимодействиями, часто теряются в многоуровневых меню и перегруженных информацией страницах. Достаточно сказать Operator голосом: «Запиши меня в этой больнице к терапевту на следующий вторник», и технический порог снижается практически до нуля.
• Небольшие команды и фрилансеры: у них нет собственной IT-поддержки, но приходится обрабатывать множество онлайн-форм, собирать данные или конкурентную информацию. Operator в какой-то мере играет роль виртуального стажёра, и это обходится значительно дешевле, чем нанимать сотрудника или заказывать разработку скриптов.

Опыт использования: не идеально, но вектор ясен

В ходе реальных тестов работу Operator можно охарактеризовать как «сочетание удивительных успехов и разумной осторожности». Когда мы попросили его купить билет на скоростной поезд на определённую дату и период, он корректно выполнил поиск рейсов, выбор мест и пассажиров, но на этапе оплаты надёжно остановился в ожидании подтверждения. Такой механизм «автоматического торможения» хотя и немного замедляет процесс, внушает спокойствие. Во время выполнения задачи справа в реальном времени отображаются шаги размышлений и текущие скриншоты — прозрачность очень высокая. Если ИИ неправильно понимает задачу, например, ошибочно интерпретирует «место у окна» на кнопках, пользователь может в любой момент поставить задачу на паузу и поправить; после исправления ИИ быстро продолжает с точки останова, а не начинает всё сначала.

Однако скорость на данный момент является очевидным слабым местом. Поскольку каждый шаг основан на визуальном анализе, простая задача заказа еды может занять минуту или две — это заметно медленнее, чем если бы человек делал всё сам. Кроме того, на узкоспециализированных сайтах с нестандартными интерактивными компонентами Operator иногда впадает в замешательство, пытается действовать, но не может продвинуться. Однако, учитывая, что это ещё ранняя версия, все эти проблемы находятся в допустимых пределах. По-настоящему важно то, что подтверждена сама жизнеспособность концепции «универсального агента для работы с веб-страницами».

В целом Operator не пытается немедленно заменить человека, а скорее точно подхватывает те веб-рутины, которые мы не хотим делать, ленимся делать или на которые у нас нет времени. Когда ИИ в браузере начинает стоять за вас в очередях, заполнять формы и сравнивать цены, возможно, уже незаметно переворачивается новая страница человеко-машинных отношений.