6月10日，哈佛大学与Perplexity公司合作的研究显示，AI智能体在人机协作方式下显著提高了工作效率和降低了成本。研究筛选了10000组真实生产数据，发现任务时间缩短了87%，总成本下降了94%。这项研究基于PerplexitySearch和PerplexityComputer的生产环境数据，前者是一个对话式答案引擎，后者是一个可规划、可执行、可调用外部工具的智能体系统。研究时间跨度为90天，从2026年2月27日至5月27日。

研究中，从两类产品中筛选出10000组近乎相同的任务，并确保Computer确实在执行任务，只保留调用执行工具的会话。结果显示，在自主性方面，Computer单次会话平均机器工作时长为26分钟，而Search只有33秒，差距达到48倍。不同领域的差异并不完全一致，本地任务达到75倍，科学类任务为26倍。值得注意的是，自主性的提高并未导致质量下滑，Computer的有效不满率为1.3%，低于Search的2.9%。

在效率和成本方面，研究估算了“Search＋人工”和“Computer＋人工”两种完成路径。前者平均每个匹配任务需要269分钟，而后者只需36分钟，时间缩短了87%。成本方面，智能体虽然单任务模型成本更高，约4至10美元，而搜索约0.05美元，但智能体显著降低了每步的人力边际成本，从2.05美元降到0.16美元。研究指出，短小、单步、可直接回答的问题适合对话式搜索；而步骤多、需要调用工具、跨知识域协作的工作更适合交给智能体。