AI Agent Autonomy Study Shows Computer-Control Sessions 47× Longer Than Search

一项衡量 AI 代理自主性与效率的新研究，基于从真实生产环境收集的数据发布。该 arXiv 论文分析了 Perplexity 的搜索代理和计算机控制代理的使用记录，对两种模式下代理自主性、任务效率和任务范围的差异进行了定量比较。

自主运行时间的差异

根据研究，计算机控制代理会话平均可自主运行 26 分钟。这指的是代理在没有用户干预的情况下独立工作的时间。相比之下，搜索代理会话的平均自主运行时间仅为 33 秒。约 47 倍的差异表明，这两类代理所需的用户干预水平和所处理的任务复杂度并不相同。

搜索代理通常被设计为针对单个查询生成响应并向用户返回结果。用户通过查看结果、输入后续查询或结束会话来进行交互。这种结构天然形成较短的自主运行周期。相比之下，计算机控制代理可以在操作系统层面执行应用程序、处理文件，并按顺序完成多步骤任务。其运行方式是由用户设定初始目标，随后由代理独立处理中间步骤，因此自主运行时间更长。

任务完成时间的缩短

论文还报告了任务完成时间的变化。在执行匹配任务类型时，搜索代理平均需要 269 分钟，而计算机控制代理平均用时 36 分钟完成相同任务。这相当于约 86.6% 的时间节省，表明更高的代理自主性可以提升任务效率。

这种时间缩短源于多个因素。首先，计算机控制代理可以自动化多步骤任务，减少用户在每个阶段的介入需求。其次，代理能够快速执行重复性任务，持续推进而无需等待或注意力分散。第三，计算机控制代理可以通过单一命令执行复杂工作流，减少用户手动切换工具或管理中间结果的需要。

知识工作的重构

这项研究为 AI 代理如何改变知识工作结构提供了实证证据。传统上，知识工作由信息检索、分析、决策和执行等阶段构成，每个阶段都需要人的判断和介入。搜索代理主要支持信息检索阶段，其余阶段仍由用户承担。计算机控制代理则有潜力将从信息检索到执行的整个工作流自动化。

自主性的提升也与任务范围的扩展相关。搜索代理主要局限于信息提供，而计算机控制代理可以执行更广泛的任务，包括文档创建、数据处理、软件执行和系统管理。这表明，代理正在从简单工具演进为协作伙伴。

运营与设计启示

这项基于生产数据的研究为 AI 代理的设计与部署提供了重要启示。首先，自主性与效率之间存在相关性。代理能够独立运行的时间越长，总任务时间往往越短。这意味着在代理设计中，自主性可以被视为核心指标。

其次，不同任务类型适合的代理架构不同。对于简单问答或信息检索，搜索代理已足够；但对于复杂工作流或多步骤任务，计算机控制代理可能更为合适。产品设计者可以分析用户任务特征，以选择适当的代理类型。

第三，高自主性代理对可靠性和安全性的要求也更高。一个能够独立运行 26 分钟的代理，必须能够处理这段时间内可能出现的错误、异常情况和安全风险。这意味着代理的错误处理、状态监测和安全机制设计都很重要。

第四，自主性的提升也会影响用户体验设计。在短搜索会话中，即时反馈很重要；而在长时间自主运行会话中，则需要提供进度指示、中间结果检查以及必要时介入的界面。必须提供透明性和可控性，使用户在代理长时间运行时能够放心处理其他任务。

第五，成本结构也不同。运行 26 分钟的代理比运行 33 秒的代理消耗更多计算资源。然而，如果总任务时间从 269 分钟降至 36 分钟，则可以结合用户时间节省和生产力提升来评估成本效益。运营方必须综合评估代理执行成本与用户生产力改善之间的关系。

不确定性与限制

尽管这项研究因使用真实生产数据而具有重要意义，但仍存在若干限制。首先，仅凭已公开的元数据，很难确定具体任务类型、成功率或用户满意度。运行 26 分钟的代理是否真正成功完成任务，或是否在中途遇到错误，目前并不清楚。

其次，Perplexity 的用户群体和任务特征是否能够代表一般知识工作，仍然不确定。来自特定平台的数据可能受到该平台用户特征、界面设计和任务类型的影响。在其他领域或用户群体中，自主运行时间与效率之间的关系可能不同。

第三，自主运行时间与任务完成时间之间的关系未必是线性的。某些任务可能需要较长的自主运行时间，但总完成时间较短；反之亦然。要明确这两个指标之间的因果关系，还需要进一步分析。

第四，论文报告的数值是平均值，因此无法了解单个会话的波动性或分布特征。一些计算机控制会话可能在几分钟内完成，而另一些可能持续数小时。这种差异性可能为代理设计和运营提供重要信息。

未来研究方向

这项研究提出了一种衡量 AI 代理自主性与效率的方法，但也留下了若干后续问题。首先，自主运行时间与任务成功率之间是什么关系？需要确定长时间自主运行是否总是意味着更高成功率，还是在超过某些阈值后错误概率会上升。

其次，哪些任务特征需要较长的自主运行时间？分析任务复杂度、步骤数量和不确定性水平如何影响自主运行时间，有助于优化代理设计和任务分配。

第三，用户如何体验长时间自主运行？了解用户在代理运行 26 分钟期间会做什么、需要什么信息以及何时希望介入，有助于改进用户界面设计。

第四，自主性与可控性的平衡点在哪里？高自主性可以提高效率，但也可能限制用户理解代理行为并在必要时介入的能力。找到最佳平衡点十分重要。