AI Agent比印度外包更便宜了

AI Agent 同时越过了能力和成本两条线

AI Agent 在 2026 年 8 月第一次显露出替代部分离岸外包岗位的完整经济条件：不仅能操作真实软件完成工作，小时成本也已经低于印度 BPO 人员。

当地时间 8 月 10 日，硅谷风险投资机构 Andreessen Horowitz（a16z）合伙人 Fabrizio Serafini 公布了一组来自生产团队和行业报告的数据。计算机操作型 Agent 的完全运行成本约为每小时 6—8 美元，低于印度离岸 BPO 人员约每小时 10 美元的完全成本；与此同时，领先模型在 OSWorld-Verified 桌面任务中的完成率已经达到 85%，高于人类测试者约 72% 的水平。

**计算机操作型 Agent 是能够读取屏幕、识别界面元素，并通过点击、输入和滚动来完成跨软件任务的 AI 系统。**它和传统 RPA 的关键区别在于，RPA 依赖预先录制的坐标、选择器和固定规则，而 Agent 可以根据截图理解当前状态，在按钮位置变化、页面结构调整或流程出现异常时重新规划动作。

这组数字的意义不在于“AI 全面超过人类”，而在于企业第一次可以认真算一笔替代账。过去，Agent 演示通常只回答“它能不能做”；现在，企业更关心的是“每成功处理一张工单要多少钱”“失败后由谁接管”以及“它能不能连续运行六个月”。

85%完成率不等于85%可靠性

OSWorld-Verified 是一套评估 AI Agent 在真实桌面环境中操作应用程序能力的基准，覆盖 Ubuntu、Windows 和 macOS 工作流，并按照成功完成的任务比例计分。该项目的公开实现与任务设计可以在 OSWorld GitHub 仓库 中查看。

2026 年的关键变化是桌面操作能力不再以每年几个百分点的速度爬升。参考报道援引的数据显示，2025 年初最强计算机操作模型在相关任务上的得分约为 42%，到 2026 年 6 月，领先模型 Claude Fable 5 已达到 85%。一年多时间提高了 43 个百分点，相对增幅约为 102%。

| 指标 | 2025年初领先模型 | 2026年6月领先模型 | 人类测试者 | |---|---:|---:|---:| | OSWorld-Verified任务完成率 | 42% | 85% | 约72% | | 变化 | 基准值 | 提高43个百分点 | 比领先模型低13个百分点 | | 可用性判断 | 适合演示和受控试点 | 可以进入明确协议的生产流程 | 仍擅长异常判断与模糊任务 |

85%的基准完成率不能直接换算成生产环境中的85%可靠性。基准测试通常具有明确起点、任务目标和验收条件，而企业系统还会遇到验证码、权限过期、网络抖动、弹窗遮挡、字段含义变化、数据污染以及无法预料的业务例外。

生产系统真正需要计算的是端到端成功率。假设一个流程需要连续完成登录、检索、复制、校验和提交五个步骤，如果每一步的独立成功率都是97%，整条链路一次成功的概率也只有约86%。步骤越长，错误越容易累积；重试虽然可以提高最终完成率，却会同时增加模型调用、截图处理和人工复核成本。

因此，85%更像一张“允许进入生产试验区”的门票，而不是一张“可以撤掉人工团队”的许可证。它证明模型已经有能力处理大部分常规桌面任务，却没有证明模型能够独立承担开放式责任。

真正的突破是Agent开始会“修路”

当前最有价值的能力不是让 Agent 像人一样逐帧点击，而是让它在传统自动化失效时诊断问题并恢复流程。企业软件长期存在一个尴尬现实：大量后台、供应商门户和政府网站没有稳定接口，即使提供接口，也未必覆盖人工可以完成的全部操作。

传统爬虫和 RPA 像一列运行在固定轨道上的火车，速度快、成本低，但页面结构一改就可能脱轨。计算机操作型 Agent 更像携带地图的司机，它通常没有火车快，却能在道路封闭后观察标识、绕开障碍，甚至找出原有自动化失败的原因。

一家消费品数据平台已经把这种能力用于每月约1500万至2000万次门户交互。当零售商调整网站界面、导致手写爬虫失效时，Agent 会读取新页面、诊断故障并维持数据提取，工程师随后再固化新的确定性逻辑。该公司部署后，把专门维护爬虫的工程团队规模缩减了一半，并将人员转移到其他工作流。

这个案例揭示了更现实的部署模式：Agent 不是全程替代代码，而是成为代码的自愈层。稳定、重复、可预测的部分继续交给脚本和工作流引擎，只有页面变化、异常恢复和语义判断等非确定性环节才调用模型。

另一家全球系统集成商已经上线27条计算机操作工作流，每天处理约1500至2100张 IT 工单。其目标不是立即裁掉同等比例的员工，而是把低利润托管服务合同中20%—25%的人力重新部署到更复杂的支持、客户沟通和流程设计岗位。

招聘后台同样是适合 Agent 的典型场景。一家机构在候选人面试结束后，由 Agent 自动整理信息并写入申请人跟踪系统，而且使用的不是最昂贵的前沿模型。这个细节很重要：企业需要的不是在所有任务上最聪明的模型，而是在特定流程中达到验收线的最低成本模型。

每小时6—8美元，拐点是怎么算出来的

完全成本是完成一项业务工作所需的全部直接与间接支出，包括模型推理、重试、运行环境、监控和必要的人工处理，而不只是模型标价。Serafini 给出的计算机操作型 Agent 典型完全成本为每小时6—8美元，折合人民币约40.6—54.1元。

| 执行方式 | 典型完全成本 | 参考区间 | 相对Agent典型成本 | 主要成本来源 | |---|---:|---:|---:|---| | 计算机操作型AI Agent | 6—8美元/小时 | 3—15美元/小时 | 基准 | 模型推理、截图、上下文、重试、运行环境 | | 印度离岸BPO人员 | 约10美元/小时 | 8—15美元/小时 | 高约25%—67% | 工资、福利、管理、培训、办公与人员流动 | | 美国本土后台员工 | 30—45美元/小时 | 视地区和岗位而定 | 约为4—7倍 | 工资、福利、管理与合规成本 |

按照典型值计算，Agent 相比每小时10美元的印度离岸人员便宜20%—40%。这已经足以改变低毛利后台服务的采购决策，但远没有社交媒体流传的“只有印度人力十分之一”那么夸张。

Agent 的3—15美元实际区间也说明成本优势并非自动成立。截图越频繁、上下文越长、工作流越复杂，推理费用就越高；如果模型经常失败并从头重试，单次失败照样消耗计算资源，表面上的低小时价格可能变成更高的成功任务价格。

更合理的指标是“每个成功结果成本”，而不是“每小时推理成本”。如果某 Agent 每小时成本为8美元，每小时尝试10个任务，一次成功率为80%，那么不计人工复核时，每个成功任务的成本约为1美元；如果一次成功率降至40%，同样的运行费用会把单个成功任务成本推高到2美元。

企业还必须把人工接管计入成本。假设1000个任务中有150个需要人工复核，每次复核耗时5分钟，即使 Agent 本身很便宜，额外产生的12.5个人工小时仍可能吃掉大部分节省空间。

这也是为什么按结果计费最终可能比按 Token 或按小时更受企业欢迎。按任务或按结果计费会把失败、重试和模型选择风险留给服务提供方，客户则可以直接把价格与原有 BPO 合同进行比较。

可部署的Agent不是一个模型，而是一套控制系统

生产级 Agent 是由模型、确定性代码、状态管理、验证器、权限控制和人工接管共同组成的执行系统。只把一个视觉模型接到虚拟机上，然后允许它自由点击，通常只能得到昂贵且不可审计的演示。

一套更稳妥的企业架构至少需要六层：

1. 任务入口层：把邮件、工单、队列或业务事件转换成结构化任务，并明确输入、目标与截止时间。
2. 确定性执行层：优先使用稳定接口、数据库查询和固定脚本处理可预测步骤，避免让模型重复做机械点击。
3. Agent操作层：只有在缺少接口、界面变化或需要理解页面语义时，才让模型读取屏幕并执行动作。
4. 结果验证层：使用订单号、状态字段、金额校验、页面回执或数据库记录判断任务是否真正完成。
5. 异常与人工接管层：对低置信度、权限异常、高价值交易和连续失败设置暂停机制，由员工从当前状态继续处理。
6. 审计与评估层：记录截图、动作、模型版本、耗时、成本和失败原因，持续计算成功率及单任务成本。

验证器是这套系统中最容易被忽视、也最重要的组件。Agent 可能点击了“提交”按钮，却遇到页面超时；也可能看到绿色提示，却把数据写入了错误客户的记录。没有独立验证，系统记录的只是动作完成，不是业务完成。

最有效的优化原则是“代码走高速公路，Agent 负责绕路”。一个零售订单流程如果有80%的步骤可以由确定性程序完成，就不应该让前沿模型观察全程；模型只需处理剩余20%的网页异常，整体成本和出错面都会明显下降。

哪些任务现在值得上，哪些仍然不该上

明确协议、重复频繁、结果可验证的任务已经适合规模化试点。这类任务的共同点是执行路径虽然可能变化，但企业能够用机器规则判断结果对错。

当前较合适的场景包括：

• 更新 CRM 客户记录，并校验字段是否写入成功；
• 登录政府、保险和供应商门户，下载指定文件或提交表单；
• 从数据库和监管网页提取结构化数据；
• 处理零售订单、退货状态和库存信息；
• 按清单检查合同字段，但不让 Agent 独立作出法律判断；
• 在 ServiceNow 等系统中分类、补充和流转标准 IT 工单；
• 在招聘面试结束后整理资料并更新候选人系统。

高风险、开放式且无法即时验收的任务仍然不适合无人值守。涉及大额付款、删除生产数据、终止合同、医疗结论、法律承诺或复杂客户争议时，Agent 可以准备材料和提出建议，但最终动作应由获得授权的人确认。

协议遵循型任务是当前主战场，而价值判断型任务仍然是明显短板。当工作目标是“把这20个字段录入系统”时，Agent 很容易被测试；当目标变成“判断这个客户是否值得破例”时，正确答案可能依赖公司政治、长期关系和隐性风险，模型既难获取完整信息，也很难承担责任。

印度外包不会消失，但低价人海模式会先受压

AI Agent 对印度外包的冲击更可能是业务结构重组，而不是整个产业被一次性替代。BPO 是业务流程外包的简称，通常指企业把客服、数据录入、财务后台、IT支持等标准化流程交给外部服务商执行。

最先受到冲击的是低利润、强流程、按工时出售的后台岗位。因为这类业务的价值主要来自更低的人力成本，而当机器成本降到每小时6—8美元后，离岸团队原有的工资差优势就开始失效。

更复杂的系统集成、行业咨询、客户沟通、异常处理和 Agent 运营反而可能增加需求。企业上线计算机操作型 Agent 后，仍然需要有人梳理流程、设计验收条件、处理权限、搭建审计系统，并持续修复模型无法解决的长尾问题。

印度本身也可能成为这轮自动化的受益者。当地拥有庞大的 IT 服务人才和成熟的流程交付体系，如果外包企业能从“出售人时”转向“交付自动化结果”，它们具备比纯模型公司更强的业务知识、客户关系和实施能力。

真正危险的是继续把人数规模当成收入护城河。未来的托管服务合同可能不再比较谁能派出更多低成本员工，而是比较谁能用更少人工完成更多可审计结果。

这次拐点比跑分更值得关注

2026 年 8 月的变化不是 Agent 突然变得无所不能，而是它终于在一批狭窄但巨大的任务市场里同时满足了“能做”和“更便宜”。85%的桌面基准完成率证明能力开始跨过部署线，6—8美元的小时成本则证明采购部门有理由推动上线。

开发者现在最值得投入的工作也不再是制作一个更炫的点击演示，而是建设评估集、验证器、重试策略、权限边界和人工接管机制。模型能力会继续趋同，真正的产品差异将来自谁掌握了企业内部流程、谁能定义正确结果，以及谁能把失败安全地关进笼子里。

Agent 从演示走向生产的标志，从来不是它完成了一次复杂任务，而是它能以可预测成本连续完成一百万次简单任务。对离岸外包行业来说，这条线已经不再遥远；对开发者来说，竞争也已经从提示词技巧转向系统工程。

参考来源

• IT之家：冲击印度外包，AI智能体不仅活干得好，而且成本更低——整理了 Fabrizio Serafini 于2026年8月10日发布的观点、成本数据、OSWorld-Verified成绩与企业生产案例。
• GitHub：OSWorld——真实计算机环境下的多模态 Agent 基准项目，可用于了解桌面任务设计、评估框架与公开实现。