哈佛大学与Perplexity公司联合开展的一项研究显示，在人机协作场景中，AI智能体系统显著提升了任务处理效率。研究团队基于90天内的1万组真实生产数据对比发现，采用Perplexity Computer智能体系统完成任务的时间较传统对话式搜索缩短87%，综合成本降低94%。这项成果为AI工具在复杂工作场景中的应用提供了量化依据。
研究选取2026年2月27日至5月27日期间的数据，重点对比Perplexity Search（对话式答案引擎）与Perplexity Computer（具备工具调用能力的智能体系统）在相同任务中的表现。为确保对比有效性，研究团队仅保留涉及代码执行、浏览器操作、文件写入等实质性工具调用的会话样本，最终筛选出1万组高度相似的任务数据集。
在自主性维度，智能体系统展现出显著优势。Computer单次会话平均持续26分钟，是Search（33秒）的48倍。这种差距在不同领域表现各异：本地任务处理时长差距达75倍，科学类任务为26倍。值得注意的是，效率提升并未牺牲任务质量——Computer的有效不满率仅为1.3%，低于Search的2.9%。
成本分析揭示了效率提升的底层逻辑。虽然单个任务模型成本（4-10美元）远高于搜索（0.05美元），但智能体系统将人力边际成本从2.05美元降至0.16美元。以完成路径估算，"Search+人工"模式平均耗时269分钟，而"Computer+人工"模式仅需36分钟，时间压缩效果在需要多步骤工具调用的复杂任务中尤为明显。
研究同时指出两类工具的适用边界：对于简单、单步骤、可直接获取答案的问题，对话式搜索仍具优势；而涉及跨知识域协作、需要调用外部工具的复杂任务，智能体系统更能发挥其规划与执行能力。这种差异化定位为AI工具的场景化应用提供了实践参考。
