IT之家 6 月 10 日消息，哈佛大学携手 Perplexity 公司，筛选 10000 组真实生产数据，指出 AI 智能体人机协作方式下，把任务时间缩短 87%、总成本下降 94%。

本次研究主要基于 Perplexity Search 和 Perplexity Computer 的生产环境数据。前者偏向对话式答案引擎，后者则是可规划、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。研究从两类产品中筛出 10000 组近乎相同的任务，此外为保证 Computer 确实在“做事”，样本只保留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，从而对比更接近同一任务在两种模式下的真实差异。

在自主性方面，Computer 单次会话平均机器工作时长为 26 分钟，Search 只有 33 秒，达到 48 倍差距。不同领域差异并不完全一致，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 的有效不满率为 1.3%，低于 Search 的 2.9%。

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，后者只需 36 分钟，时间缩短 87%。

成本方面，该研究估算指出总成本下降 94%。智能体虽然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。

研究指出短小、单步、可直接回答的问题，仍适合对话式搜索；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。

IT之家附上参考地址