Harvard 和 Perplexity 的一項新研究,"How AI Agents Reshape Knowledge Work: Autonomy, Efficiency, and Scope"(Harvard 的 Jeremy Yang 與 Perplexity 的 Kate Zyskowski、Noah Yonack 和 Jerry Ma,arXiv 2606.07489),做了 agent 討論大多跳過的事:從生產數據測量 agents 實際上自主運行多久。標題數字是 Perplexity Computer(agentic 編排器)每 session 26 分鐘機器執行時間,對比 Perplexity Search(conversational 答案引擎)的 33 秒,48x 的差距。中位數更緊但講同樣的故事,9 分鐘對比 14 秒,40x 的差距。這裡的價值不是具體的分鐘數,而是測量來自同一批 users 在同一 90 天窗口(2026 年 2 月 27 日至 5 月 27 日)使用兩個產品,匹配成 10,000 個 session 對,cosine similarity 超過 0.99,所以比較隔離了 agentic-versus-conversational 差異,而不是將其與誰在問或問什麼混淆。Computer sessions 以實際調用 "do" tools 為門檻,代碼執行、browser actions、文件寫入、connector calls,所以 26 分鐘是機器工作,不是 user think-time。
方法論是 builders 應該認真對待的部分,因為它是誠實測量你自己的 agents 的模板。大多數 agent 自主性 claims 是 vendor demos:一個令人印象深刻的 run、一個精挑細選的 35 小時 session、一個被設計為被通過的 benchmark。這項研究反而認真對待 counterfactual。它估計單獨使用 Search 的專業人士每個任務需要 269 分鐘,而 Computer 加人類需要 36 分鐘,87% 的時間節省和 94% 的成本節省,然後它誠實地命名 breakeven:一個能在 20 分鐘內完成所有手動步驟的專業人士不受益,因為低於該閾值時 agent 的 overhead 不值得。那是一個有用且異常坦率的框架,agent 在足夠長以攤銷其 setup 和 oversight 成本的任務上獲勝,在短任務上失敗,這正是 builder 在 agentify 一個 workflow 之前應該運行的計算。質量信號指向同一方向:Computer sessions 顯示 1.3% 的 dissatisfaction 率,對比 Search 的 2.9%,55% 的降低,所以更長的自主 runs 在總體上沒有以 correctness 為代價購買速度。
開啟一個比 benchmark 更大問題的 finding 是關於 scope 的,這是值得坐下來思考的部分。當 users 有一個 agent 可用時,他們不只是更快地做同樣的工作,他們嘗試不同的工作。76% 的 agentic queries 達到高階 Bloom 認知(分析、評估、創造),對比 conversational 的 55%,59% 跨越職業邊界,對比 50%,意味著人們伸向他們自己領域之外的任務,這些任務他們通常不會嘗試。這是 26 分鐘數字 undersell 的二階效應。自主性不僅僅壓縮一個已知任務所需的時間,它改變一個人認為 worth starting 的任務集合,因為當一個 agent 能承載 26 分鐘的執行時,嘗試某種雄心勃勃或超出你專業知識的東西的成本下降了。下面的採用曲線很陡,累積 Computer queries 在研究窗口內增長到其第一週總量的 84x,所以行為改變不是 lab 的人為產物,它是當 capability 真正在他們手中時人們所做的。那將整個 agent-autonomy 對話從「它能運行多久」重新框定為「廉價的自主性對人們選擇的工作的 shape 做了什麼」,而那第二個問題是有更長尾巴的那個。
週一早上,如果你在決定是否 agentify 一個 workflow:低於 20 分鐘的 breakeven 是要內化的數字,agents 在 long-horizon multi-step 任務上賺取它們的 overhead,在快速 lookups 上失敗,所以瞄準前者,把後者留作 plain calls。如果你測量你自己的 agents:這篇 paper 是一個要複製的方法論,匹配來自同一批 users 的 agentic 和 conversational sessions,以實際 tool 調用為門檻,測量機器執行時間而不是 wall-clock 或 vendor demos,並估計 human-only 路徑的 counterfactual 成本,因為那是將「我們的 agent 令人印象深刻」轉變為「我們的 agent 在 Y 分鐘閾值之上節省 X 分鐘」的東西。如果你追蹤 agent-runtime 線索,這是我們看到 vendors 斷言的 persistence-in-time 軸下面的經驗性底線(35 小時自主 runs、always-on 調度任務),現在 grounded 在生產 users 實際得到的東西,每 session 數十分鐘,不是數小時,但足以改變他們嘗試哪些任務。如果你思考超出 build sheet,scope finding 是要保留的那個:自主 agents 的有趣後果可能不是它們做的工作,而是一旦雄心的執行成本下降,人們開始嘗試的更有雄心的工作。