为什么这个领域重要

里德·霍夫曼与马克·平克斯在2026年4月与里坦卡尔·达斯共同创立的AI实验室Prentis，正在以10亿美元估值洽谈1亿美元融资。它押的赌注一句话就能说清：真正成为AI最大用途的不是写代码，而是日常办公事务的自动化。它卖的也不是抽象的副驾驶，而是保险理赔处理、关税退税例外件这类具体业务，据报道与客户签下的合同规模最高达5000万美元。团队超过25人，其中包括来自OpenAI、Google DeepMind、Meta、腾讯和阿里巴巴的研究人员，全部压在这一件事上。

这里说的自动化，和过去的企业系统集成不是一路货。它不是用API把智能体接进SAP或Salesforce，而是让智能体直接操作人每天盯着的那块屏幕。办公业务里相当大的一部分，本来就发生在没有API的地方：用了二十年的内部桌面程序、藏在登录会话后面的政务门户、在附件和电子表格之间来回的手工活。这也正是传统RPA用坐标和脚本硬盖、界面稍微一动就崩的地带。

难度直接写在基准里。OSWorld在真实操作系统上用369个任务考智能体，人类成功率是72.36%，而基准发布时最强模型只有12.24%。此后分数涨得很快，2025年7月还推出了清理社区上报评分错误的OSWorld-Verified。可是人一次就能做完的事，智能体十次里掉几次，仍然决定产品能不能上线。补上这道差距，就是这个岗位的活。

所需技能

这不是训练模型的位置。它更接近系统工程：在一块不稳定的界面上，让智能体把业务从头做到尾。

• 画面定位。 只信截图坐标，分辨率、主题或字体缩放一变就整体失效。把无障碍树、DOM和OCR一起挂上，给同一个按钮准备多条路径，再让运行时决定信哪一路信号。
• 隔离执行环境。 智能体握的是真的鼠标和键盘。只在专用虚拟机或容器桌面里跑，凭据用注入而不是显示在屏幕上，出站目标用白名单锁死。会话录制在事故调查和回归复现两头都用得上。
• 失败恢复。 弹窗、加载卡顿、按错的保存按钮。长任务一定会在某处走偏。在可回滚的节点留检查点，支付、发送、删除这类不可逆动作前面强制人工确认。
• 评估框架。 公开基准只是起跑线，真正的数字来自用自家业务搭的黄金集。能复现同一初始状态的快照、判定成功的脚本、上线前的回归闸门，凑齐了分数才有意义。
• 权限与审计。 一份覆盖900多名技术人员与管理者的2026年智能体安全调查显示，已部署智能体中真正被监控或保护的比例是47.1%，只有14.4%的组织表示全部智能体都经过安全与IT批准上线。过去一年确认或怀疑发生过智能体相关安全事件的组织占88%，仍在用共享API密钥做智能体间认证的团队占45.6%。操作界面的智能体很容易直接继承人类账号的全部权限，所以动作级审计日志和急停开关不是附加功能，而是发布条件。
• 成本与延迟。 完成一件业务，画面识别要跑几十轮。Prentis称其Hive-32B的单任务成本约为前沿API的十分之一。用小模型扛下大部分步骤、只把难点上抛给大模型的路由策略，正在变成基本功。

职业路径

入口不止一个，这是这个方向的特点。用Selenium或Playwright长期写UI测试的人，早就摸清界面怎么坏、抖动从哪来。运维过RPA的人，知道哪些流程值得自动化、异常会在哪里堆积。平台与基础设施背景的人，在隔离执行和凭据管理上立刻能出力。国内金融、制造和政企侧已经铺了不少来也科技、影刀这类RPA存量，所以岗位往往不是新起一个组织，而是在既有运维团队上面加一层智能体。

台阶大致分三段。初级把业务录下来做黄金集，按类型给失败归档。中级掌握定位策略、恢复策略和权限模型。高级和负责人划线：哪些业务交给智能体、哪里必须由人叫停，同时接住审计要求和事故复盘。既然权限设计和审计属于发布条件，安全同事就不是最后来验收，而是从设计阶段一起坐下来。

最快的验证是自己跑一遍。挑一件最费手的内部业务，让智能体在虚拟机里从头做到尾，同一个任务重复20次，把成功率和失败类型做成表。哪一步偏了几次、哪个护栏拦住了，写清楚之后，这张表会比简历上的关键词更先被看。