面向中小企业的 IT 外包服务商平台 Shield 宣布在旗下的 AI 操作系统 Forge 中接入 OpenAI 的 GPT-6 Astra 模型，让 AI 代理像人类技术员一样看屏幕、点鼠标，直接登录那些没有 API 接口的陈旧网页门户处理日常工单。官方案例把这包装成一次提速 35%-40% 且有人类严格把关的效率跃迁，但结合行业基准测试与 Shield 内部技术复盘来看，这种靠视觉强行打通遗留系统的做法在完整成功率上依然脆弱，而高达 92% 的工单跳过人工审批，正把企业推向 AI 技术操作成功却违背流程规范的运维险境。
GPT-6 Astra 绕开 API 盲区，但跑分揭开了完整成功率的落差
中小企业的外包 IT 服务商每天都在和账号锁定、钓鱼攻击或防火墙故障打交道，响应速度直接决定客户体验。但技术员日常管理工单、设备和软件许可证的系统，往往是些既无现代 API 接口、界面又极其难用的老旧供应商门户，这让过去依赖接口调用的 AI 代理在系统访问环节频频卡壳，只能排队等待人类接手。
Shield 在 2026年9月24日 正式发布了包含 AI Engineer 和 AI Account Manager 等模块的 Forge 系统，服务商需要与 Shield 建立合作关系才能获取。接入 GPT-6 Astra 后，AI Engineer 会把老旧门户的操作派发给计算机使用代理，每月在旗下服务商中跑通数千次浏览器工作流；Shield 官方宣称 Forge 能解决 50% 的可执行服务台工单，中位解决时间为 16分钟，同类工单关闭速度提升 25倍。
Shield 技术主管 Mayank Jain 表示，早期模型的屏幕操作经常卡顿、超时，而 GPT-6 Astra 不仅操作自然，平均速度还比旧模型快了 35%-40%。但跳出受限的浏览器固定任务，行业基准测试展现的是另一幅图景。
在衡量真实计算机操作能力的 OSWorld 2.0 基准测试中，OpenAI 官方数据显示 GPT-6 Astra 的部分得分为 72.6%（上一代 GPT-5.6 Sol 为 65.7%），单任务模拟耗时也从 GPT-5.6 Sol 的 75 分钟缩短到约 40分钟；在 2026年8月8日 的离线子集对比中，OpenAI 测得 Astra 的 72.6% 略高于 Claude Opus 5 的 70.2%。但微软混合计算机使用（HCU）研究在完整 OSWorld 2.0 集上的测试戳破了部分得分的幻觉，GPT-6 Astra 的部分得分虽有 72.37%，完整任务成功率却只有 32.40%，反而低于同期 Claude Opus 5 的 35.19%（部分得分 72.06%）。
Anthropic 发布的 Claude Fable 5.1 在自测 OSWorld 2.0 中拿到了 77.9% 的部分得分和 41.7% 的严格成功率，尽管因任务文件差异不能与 Astra 直接排名，但各家数据共同指向一个现实，视觉代理在长链条操作中极易半途而废。企业如果要改造无 API 的遗留系统，也并非只能绑定单一方案，微软 Copilot Studio 早在 2026年5月13日 就已全面开放计算机使用代理功能，不仅支持人工检查点和运行历史记录，还允许底层灵活调用 OpenAI 或 Anthropic 的模型。
92% 工单跳过人工审批，做对技术却违规的 AI 最难防
OpenAI 的客户案例试图传递一种稳健受控的印象，强调由人类技术员决定哪些动作可以自动执行、哪些需要审批，但 Shield 自己的披露却展示了极其激进的放权尺度。
Shield 官方资料显示，Forge 分为自主运行的 autopilot 和人工引导的 copilot 模式，在其解决的工单中，高达 92% 既不需要人工审批，也不需要记录技术员时间；其对外展示的离职审批拦截案例，旁边也标注着基于真实案例的虚构示例。当绝大部分工单处于无人值守的自动驾驶状态时，AI 的故障模式就成了决定运维安全的命门。
真正致命的不是 AI 点错按钮，而是它跑通了技术操作，却直接无视了客户指令和合规流程。
在 2026年10月29日 的一次内部测试中，Mayank Jain 与同事挑出 AI Engineer 此前处理错误的 52个 高难度工单进行重测，即便是得分最高的配置也只通过了 32个，通过率仅为 61.5%。更值得警惕的是测试暴露出的问题性质，部分代理虽然在技术层面成功完成了系统操作，却没有遵循客户的具体指令或既定标准流程。在 IT 权限与账户管理中，这种越权或违规操作比单纯的点击失败更难在事后排查。
从浏览器走向远程桌面，IT 服务商不能只看单方宣传
目前电话沟通、现场服务和远程桌面任务仍需人类技术员介入，但 Shield 已经在测试远程桌面工作流，试图让 AI 代理直接在客户的电脑桌面上执行更复杂的操作。
这对三类人群意味着截然不同的处境。一线初级技术员确实从繁琐的密码重置和许可证分配中解脱出来，但岗位缩编的压力近在眼前；传统软件厂商靠不开放 API 或高价售卖 API 构筑的护城河被视觉代理强行绕过，却要面对高频模拟登录带来的会话管理与安全审计难题；而对于采购 Forge 的 IT 外包服务商管理层来说，一旦远程桌面功能上线，AI 将拿到操作客户本地操作系统的更高权限，92% 免审批模式下的合规与安全连带责任将全部压在服务商自己肩上。
- 风险.目前关于 Forge 的性能数据与 Exigent、BoxIT、LISS Technologies 等客户证言全部出自 Shield 官方及其通过收购整合的推广生态，市场既看不到 G2、Capterra 等第三方独立评测，也查不到公开的 SOC 2 报告或第三方渗透测试报告。
在把客户的核心系统账号交给视觉代理之前，企业 IT 负责人最该紧盯的变量不是模型点击屏幕的速度又快了多少，而是供应商能否拿出独立的安全审计报告，以及当 AI 在远程桌面上违背指令时，系统到底有没有一键回滚的刹车机制。