业务与 Agent / PRACTICE NOTE
Gemini 的“电脑操作”能力正式 GA:AI 能点鼠标了,助理岗和 RPA 先被改写
Google 10 月 30 日宣布 Computer Use 工具在 Gemini API 上正式 GA,AI 可直接操作电脑界面点鼠标、填表单。转型中的企业不用再买一套 RPA,先把“每天重复点 50 次鼠标”的流程清单拉出来,从第一个开始试点。
摘要
Google Computer Use 工具 10 月 30 日正式 GA,AI 可直接操作电脑界面。企业应先试点固定重复的界面操作流程,再推广,替代传统 RPA 思路。
- 体裁
- 实践文章
- 适用对象
- 企业高管、运营负责人、AI 转型负责人
- 参考来源
- 2 项 · 详见文末
Google 10 月 30 日在 Gemini API 更新日志里宣布：Computer Use 工具正式 GA（一般可用），在 Interactions 和 GenerateContent 两套 API 上都能用。Computer Use 是什么：让 AI 直接操作电脑界面——看屏幕、点鼠标、填表单、翻页面，像人一样用软件。先说结论：RPA 干了十年的活（让机器代替人点鼠标），现在 AI 原生就能干了。企业要做的不是再买一套 RPA，而是把"每天重复点 50 次鼠标"的流程清单拉出来，从第一个开始试点。
从 2025 年 10 月到 GA：一年时间
时间线很短。2025 年 10 月，Google 先推出了独立的 Gemini 2.5 Computer Use 模型；2026 年 6 月 24 日，宣布把它原生集成进 Gemini 3.5 Flash，不再需要单独的模型端点；10 月 30 日，工具形态正式 GA。同一个月里，Google 还发布了 Gemini API CLI（beta，10 月 27 日）和 Gemini 4 Argon（GA，10 月 13 日）——整个 10 月，Google 的 API 团队几乎每周都有发布。
翻译成老板的话：AI 操作电脑这件事，Google 用一年时间从"实验模型"走到了"正式产品"。正式 GA 意味着有 SLA、有文档、有长期支持，企业可以把它放进生产计划了，而不是"再等等看"。
能力边界：它现在能干什么、不能干什么
能干的：标准化的、重复的界面操作——比如每天从三个系统里导出报表再拼成一份、把 Excel 里的数据一条条录进 ERP、定时检查后台有没有异常订单。这些活的特点是：步骤固定、不需要判断、但以前必须有个人坐在电脑前点。
干不好的：需要判断的、跨系统对不上的、界面一改就懵的。Computer Use 是"看屏幕点鼠标"，不是"理解业务"——按钮换个位置它可能就找不到，弹出来一个没见过的报错它可能就卡住。所以它替代的不是"人"，是"人手里最机械的那部分"。RPA 时代这句话就说过，AI 时代依然成立。
另外，Google 给了两个企业安全机制：敏感或不可逆操作前要求人工确认，检测到间接提示注入自动停止任务。生产环境一定要打开——让 AI 点鼠标的第一天，就要先装刹车。
转型落点：试点清单，从这五个流程开始
正在考虑流程自动化的企业，别先买大系统，先拉清单试点：
- 每天/每周固定时间的报表导出和拼接（三个系统以内、格式固定的）
- 跨系统的数据搬运：A 系统复制、B 系统粘贴，规则明确的
- 异常巡检：定时打开后台、按固定条件筛一遍、有异常发通知
- 表单批量处理：供应商信息录入、发票信息登记这类结构化录入
- 老系统续命：厂商已经不维护、没有 API 的老系统，只能靠点鼠标操作的
试点方法：一个流程、一台测试机、两周时间，算清楚三笔账——人工做一次多久、AI 做一次多久、错一次什么代价。错一次代价大的（比如涉及付款），先不上；错一次改一下就行的，先上。RPA 时代的经验在这里完全适用：先试点、再推广，别一上来就全公司铺开。
参考来源
常见问题
Computer Use 和 RPA 有什么区别?
RPA 是按录制好的固定脚本点,界面一改就得重录;Computer Use 是 AI“看屏幕”再决定点哪,适应性强一些。但两者都不理解业务——都需要人先把流程拆成明确步骤。最大的区别是门槛:RPA 要买系统、要实施,Computer Use 是 API 调用,试点成本低得多。
现在就能用在生产环境吗?
GA 意味着有 SLA、文档和长期支持,可以进生产规划。但建议先试点:挑“错一次改一下就行”的流程,别先碰“错一次就付款”的流程。Google 还提供了企业安全机制(敏感操作需人工确认、检测到提示注入自动停),生产环境一定要打开。