Harvard 和 Perplexity 的一项新研究,"How AI Agents Reshape Knowledge Work: Autonomy, Efficiency, and Scope"(Harvard 的 Jeremy Yang 与 Perplexity 的 Kate Zyskowski、Noah Yonack 和 Jerry Ma,arXiv 2606.07489),做了 agent 讨论大多跳过的事:从生产数据测量 agents 实际上自主运行多久。标题数字是 Perplexity Computer(agentic 编排器)每 session 26 分钟机器执行时间,对比 Perplexity Search(conversational 答案引擎)的 33 秒,48x 的差距。中位数更紧但讲同样的故事,9 分钟对比 14 秒,40x 的差距。这里的价值不是具体的分钟数,而是测量来自同一批 users 在同一 90 天窗口(2026 年 2 月 27 日至 5 月 27 日)使用两个产品,匹配成 10,000 个 session 对,cosine similarity 超过 0.99,所以比较隔离了 agentic-versus-conversational 差异,而不是将其与谁在问或问什么混淆。Computer sessions 以实际调用 "do" tools 为门槛,代码执行、browser actions、文件写入、connector calls,所以 26 分钟是机器工作,不是 user think-time。
方法论是 builders 应该认真对待的部分,因为它是诚实测量你自己的 agents 的模板。大多数 agent 自主性 claims 是 vendor demos:一个令人印象深刻的 run、一个精挑细选的 35 小时 session、一个被设计为被通过的 benchmark。这项研究反而认真对待 counterfactual。它估计单独使用 Search 的专业人士每个任务需要 269 分钟,而 Computer 加人类需要 36 分钟,87% 的时间节省和 94% 的成本节省,然后它诚实地命名 breakeven:一个能在 20 分钟内完成所有手动步骤的专业人士不受益,因为低于该阈值时 agent 的 overhead 不值得。那是一个有用且异常坦率的框架,agent 在足够长以摊销其 setup 和 oversight 成本的任务上获胜,在短任务上失败,这正是 builder 在 agentify 一个 workflow 之前应该运行的计算。质量信号指向同一方向:Computer sessions 显示 1.3% 的 dissatisfaction 率,对比 Search 的 2.9%,55% 的降低,所以更长的自主 runs 在总体上没有以 correctness 为代价购买速度。
开启一个比 benchmark 更大问题的 finding 是关于 scope 的,这是值得坐下来思考的部分。当 users 有一个 agent 可用时,他们不只是更快地做同样的工作,他们尝试不同的工作。76% 的 agentic queries 达到高阶 Bloom 认知(分析、评估、创造),对比 conversational 的 55%,59% 跨越职业边界,对比 50%,意味着人们伸向他们自己领域之外的任务,这些任务他们通常不会尝试。这是 26 分钟数字 undersell 的二阶效应。自主性不仅仅压缩一个已知任务所需的时间,它改变一个人认为 worth starting 的任务集合,因为当一个 agent 能承载 26 分钟的执行时,尝试某种雄心勃勃或超出你专业知识的东西的成本下降了。下面的采用曲线很陡,累积 Computer queries 在研究窗口内增长到其第一周总量的 84x,所以行为改变不是 lab 的人为产物,它是当 capability 真正在他们手中时人们所做的。那将整个 agent-autonomy 对话从"它能运行多久"重新框定为"廉价的自主性对人们选择的工作的 shape 做了什么",而那第二个问题是有更长尾巴的那个。
周一早上,如果你在决定是否 agentify 一个 workflow:低于 20 分钟的 breakeven 是要内化的数字,agents 在 long-horizon multi-step 任务上赚取它们的 overhead,在快速 lookups 上失败,所以瞄准前者,把后者留作 plain calls。如果你测量你自己的 agents:这篇 paper 是一个要复制的方法论,匹配来自同一批 users 的 agentic 和 conversational sessions,以实际 tool 调用为门槛,测量机器执行时间而不是 wall-clock 或 vendor demos,并估计 human-only 路径的 counterfactual 成本,因为那是将"我们的 agent 令人印象深刻"转变为"我们的 agent 在 Y 分钟阈值之上节省 X 分钟"的东西。如果你跟踪 agent-runtime 线索,这是我们看到 vendors 断言的 persistence-in-time 轴下面的经验性底线(35 小时自主 runs、always-on 调度任务),现在 grounded 在生产 users 实际得到的东西,每 session 数十分钟,不是数小时,但足以改变他们尝试哪些任务。如果你思考超出 build sheet,scope finding 是要保留的那个:自主 agents 的有趣后果可能不是它们做的工作,而是一旦雄心的执行成本下降,人们开始尝试的更有雄心的工作。