AI智能体人机协作效率惊人，任务时间缩短87%

哈佛大学携手Perplexity公司，基于10000组真实生产数据的深度研究，揭示了AI智能体在生产力提升方面的巨大潜力。研究指出，通过人机协作方式，AI智能体能够将任务时间缩短87%，总成本下降94%。这一成果为AI在复杂工作流中的应用提供了有力佐证。

本次研究主要依托Perplexity Search和Perplexity Computer两款产品的生产环境数据。Search侧重于对话式答案引擎，而Computer则是一个可规划、可执行、可调用外部工具的智能体系统。研究时间窗口为90天，从2026年2月27日至5月27日。为确保对比的公平性，研究从两类产品中筛选出10000组近乎相同的任务，并仅保留Computer中调用执行工具的会话，例如代码执行、浏览器操作、文件写入和连接器调用，从而更精准地对比同一任务在两种模式下的真实差异。

在自主性方面，Computer的表现令人瞩目。单次会话平均机器工作时长为26分钟，而Search仅为33秒，差距高达48倍。不同领域的差异并不完全一致，本地任务达到75倍，科学类任务为26倍。值得注意的是，自主性提高并未带来质量下滑。Computer的有效不满率仅为1.3%，低于Search的2.9%，表明智能体在提升效率的同时，保持了更高的输出质量。

效率方面，研究估算了“Search+人工”和“Computer+人工”两种完成路径。前者平均每个匹配任务需要269分钟，后者仅需36分钟，时间缩短87%。成本方面，研究估算指出总成本下降94%。虽然智能体单任务模型成本更高，约4至10美元，而搜索约0.05美元，但智能体显著压低了每步的人力边际成本，从2.05美元降到0.16美元。这充分说明，智能体通过自动化复杂步骤，大幅降低了整体人力投入。

研究同时指出，不同任务类型适合不同的AI工具。短小、单步、可直接回答的问题，仍适合对话式搜索；而步骤多、需要调用工具、跨知识域协作的工作，则更适合交给智能体。这一发现为企业优化工作流、合理配置AI资源提供了重要参考。

此次研究基于真实生产数据，验证了AI智能体在复杂任务中的卓越表现。随着技术的不断演进，智能体有望在更多领域替代传统工作模式，推动生产力质的飞跃。