Shield在Forge平台中使用GPT‑6 Astra，让智能体通过浏览器操作缺少API的旧门户，相关工作流每月运行数千次。公司称其执行速度较旧模型平均提升35%至40%，但未披露完整评测方法；自主执行范围、敏感操作审批和异常接管仍由技术人员掌控。
IT服务中的一些自动化流程，最后仍要等技术人员登录旧系统、点击按钮才能继续。OpenAI于2026年11月13日发布的Shield客户案例介绍，Shield已在Forge平台中使用GPT‑6 Astra，让智能体通过浏览器操作缺少应用程序编程接口（API）的旧门户，完成部分原本需要人工处理的步骤。
Shield称，这些浏览器工作流已经投入使用，在其IT服务提供商群体中每月运行数千次。哪些动作可以自主执行、哪些必须由人复核或批准，仍由技术人员决定。案例披露的是已有工作流的应用情况，并未给出这些流程首次上线的具体日期，也不意味着IT支持已经实现全面无人化。
这项实践的关注点，不只是模型能否像人一样点击网页，而是能否把企业原有系统纳入自动化流程，同时保留必要的权限和责任边界。
没有API，为什么会卡住智能体？
中小企业往往将IT支持外包：员工无法登录电脑、防火墙配置出错，或出现疑似网络钓鱼事件，都可能由外部服务商处理。技术人员需要在工单、设备管理和软件许可证等多个门户之间切换。
据Shield技术负责人Mayank Jain介绍，Forge此前的智能体可能在无法接入的系统前停下，客户必须等待技术人员完成那一步。公司曾尝试让较早的模型读取屏幕、点击和输入，但Jain认为，它们的速度和可靠性还不够。尤其是没有API的旧系统，其界面往往也不易操作。
API让软件通过结构化接口交换信息、发出操作请求；没有这条通路时，智能体即使理解工单，也未必能在目标系统中执行下一步。计算机使用（computer use）则提供了另一条路径：识别屏幕上的按钮、菜单和输入框，再通过鼠标与键盘完成交互。
这种技术路线并非此次案例首次出现。OpenAI在2025年1月23日发布的Computer-Using Agent研究说明中，已经介绍通过屏幕感知、推理和操作循环与图形界面交互的方法。那份材料讨论的是当时用于Operator的CUA模型，不能拿其中的性能指标替代GPT‑6 Astra在Shield场景中的表现；它提供的背景是，智能体可以不依赖每个网站专门提供API，而利用人类原有的操作界面。
Forge连接的是业务上下文，而不只是网页
在Shield描述的流程中，Forge的AI Engineer将任务分配给计算机使用智能体，再由GPT‑6 Astra操作界面，完成受支持的浏览器任务。它不是一个可以任意操作所有系统的通用授权：原文明确保留了技术人员对自主执行、复核和审批的决定权。
Forge官方产品页补充了平台的组织方式。Shield称，Forge将账户、联系人、设备、工单、合同、许可证和标准操作程序等信息汇入统一的上下文图谱，并围绕服务台、项目管理和客户策略组织工作流。其服务台产品被描述为能够自主处理工单，同时让技术人员保持控制。
这说明，网页操作只是整条链路中的执行环节。智能体还需要知道客户是谁、当前设备和工单处于什么状态，以及相关业务规则是什么。能够点击正确的按钮，并不自动等于能够作出正确的服务决定。
类似的界面操作能力也被用于其他场景。此前Greptile利用GPT‑6 Astra模拟用户测试应用的案例关注的是发现应用运行时的界面和工作流问题；Shield则把这类能力放进日常IT服务的执行链条。二者同属计算机使用应用，但任务目标与效果指标并不相同。
“快35%至40%”说明了什么？
Jain在OpenAI案例中表示，与Shield此前用于计算机使用任务的旧模型相比，GPT‑6 Astra平均快35%至40%。公司还称，执行失败和超时有所减少，团队为智能体编写详细指令、协助其完成任务所花的时间也更少。
这些数字和判断来自Shield负责人的陈述，而非独立评测。案例没有公布旧模型的具体名称、任务样本量、任务难度分布或完整测试方法，也没有提供可复核的失败率与超时率。因此，这个提速范围不能直接解释为所有IT工单都能更快解决，更不能据此推算企业整体成本或人力需求的下降幅度。
Jain还称，使用AI的工单客户满意度更高，解决速度是其中的重要因素。但原文没有披露满意度分数、调查样本或对照方法，尚不足以区分AI使用、工单类型和处理速度各自带来的影响。
运行规模也需要分清口径。OpenAI案例中的“每月数千次”指这些浏览器工作流；Forge产品页另列出“每日3,800次自定义智能体运行”，并宣称“50%的符合条件工单自主解决”。后两项是产品页上的平台指标，不是GPT‑6 Astra浏览器工作流的专属统计，也没有完整说明统计周期和适用条件，不能合并成同一项部署成绩。
自动执行的边界仍在人手中
Shield在产品页列出的治理机制包括细粒度的角色访问控制、客户之间的数据与权限边界、敏感操作审批和操作审计日志。这些是厂商对产品能力的说明，并不等于已经独立验证其在所有客户环境中的实施效果。
计算机使用扩大了智能体能够触及的系统范围，也让模型错误更可能变成实际操作。OpenAI在2025年的CUA研究说明中就将误操作，以及网页中的提示注入、钓鱼等攻击列为风险，并介绍人工确认和监督等缓解措施。这些历史措施不能直接视为Forge已采用的具体实现，但说明“能操作”与“获准操作”必须分别处理。
对Shield而言，目前的边界相当明确：电话沟通、现场服务和远程桌面任务仍需要人类参与。公司正在测试让智能体直接在电脑桌面上执行更复杂操作的远程桌面工作流，但案例没有将其描述为已经交付的能力，也未公布普遍开放的时间表。
因此，Shield展示的不是技术人员退出服务流程，而是部分旧门户操作可以交给智能体处理。它能否成为稳定的生产工具，仍要看具体任务的完成质量、异常时的人工接管，以及审批与审计机制是否有效。对IT服务商来说，减少等待人工点击的时间有实际价值；但真正可以交付的自动化，还必须让人知道智能体做了什么、在什么权限下做，以及何时应该停下来。