computer use (CUA)

haladóterjedő

Olyan AI-képesség, amellyel a modell úgy kezeli a számítógépet, mint az ember: nézi a képernyőt, kattint, gépel és görget.

Érthetően

A hagyományos csevegő AI csak választ ad: te kérdezel, ő válaszol, a kattintgatás rád marad. A computer use ezt fordítja meg: az AI maga ül a gép elé, megnyitja a programot, kitölti az űrlapot, és átmásolja az adatot egyik ablakból a másikba.

Olyan, mintha távsegítséget kérnél egy ismerőstől, aki átveszi az egered és a billentyűzeted. Ugyanazt látja, amit te, és ugyanazokat a gombokat nyomja meg, csak itt az ismerős helyén egy AI-modell ül.

Azért fontos, mert a programok nagy részéhez nincs külön programozási felület (API), csak emberi kezelőfelület. Ha az agent a képernyőn át is tud dolgozni, elvileg bármit használhat, amit te: régi vállalati rendszert, webáruházat, táblázatkezelőt.

Más, mint a hagyományos automatizálás, mert nem előre megírt lépéssort hajt végre. Minden lépés előtt megnézi, mi van éppen a képernyőn, és ahhoz igazodik, ezért rugalmasabb, de lassabb és többet hibázik.

Hogyan működik

Megadod a feladatot hétköznapi nyelven, például: „töltsd le a múlt havi számlákat, és írd be az összegeket a táblázatba”.
Az agent képernyőképet kap a gépről (vagy egy elkülönített, virtuális gépről), és a modell „megnézi”, mit lát rajta: gombokat, mezőket, menüket.
A modell eldönti a következő lépést, és utasításként kiadja: vidd az egeret erre a pontra, kattints, írd be ezt a szöveget, görgess lejjebb.
Egy program végrehajtja a lépést, új képernyőkép készül, és a kör újraindul. Ez addig ismétlődik, amíg a feladat elkészül vagy az agent elakad.
Kényes pontokon (fizetés, bejelentkezés, törlés, üzenetküldés) a jól beállított rendszer megáll, és a jóváhagyásodat kéri.

Példa a mindennapokból

Megkéred az AI-asszisztenst, hogy keressen három szállást a Balatonnál a megadott hétvégére, és hasonlítsa össze az árakat. A szemed láttára nyit böngészőt, beírja a dátumokat, végigkattintja a találatokat, és a végén táblázatba szedi az eredményt; a foglalás előtt megáll, és megkérdez téged.

Kit érint

munkavállalóAz ismétlődő, kattintgatós irodai munkát (adatátvitel, űrlapkitöltés, riportletöltés) egyre inkább rá lehet bízni egy agentre. → Munka és HR

vállalkozó, vezetőOlyan régi rendszerek is automatizálhatók vele, amelyekhez nincs programozási felület, de el kell döntened, mihez adsz hozzáférést.

fejlesztőÚj eszköz a teszteléshez és az automatizáláshoz, de elkülönített környezetet, jogosultságkezelést és védekezést kell köré építeni. → Kód

mindenkiHa egy AI a te nevedben kattint a gépeden, hozzáfér a belépett fiókjaidhoz is, ezért tudnod kell, mit engedsz meg neki.

Gyakori félreértés

TévhitA computer use azt jelenti, hogy az AI már ugyanolyan gyorsan és megbízhatóan kezeli a gépet, mint egy ember.

ValójábanA modellek sokat javultak, de az agent jellemzően még mindig lassabban halad, mint egy gyakorlott felhasználó, és összetett, sok lépéses feladatoknál eltévedhet vagy hibázhat. Felügyelet nélkül ma inkább egyszerű, jól körülhatárolt munkákra való.

Korlátok és kockázatok

Lassú és drága lehet: minden lépéshez új képernyőképet kell feldolgoznia, így egy pár perces emberi feladat akár jóval tovább tarthat.
Sebezhető a rejtett utasításokkal szemben: egy weboldalon vagy e-mailben elhelyezett szöveg rá tudja venni az agentet olyasmire, amit te nem kértél (prompt injection).
A te fiókjaiddal és jogosultságaiddal dolgozik, ezért egy téves kattintás valódi kárt okozhat: elküldött levelet, törölt fájlt, leadott rendelést.
Jelszót, banki adatot és személyes iratot ne bízz rá ellenőrzés nélkül, és ha lehet, elkülönített böngészőben vagy virtuális gépen futtasd.

Hasonló, de nem ugyanaz

robotizált folyamatautomatizálás (RPA) – A hagyományos RPA előre rögzített, merev lépéssort játszik le, a computer use viszont minden lépésnél megnézi a képernyőt, és maga dönt a folytatásról.
eszközhasználat (tool use) – Technikailag a computer use is az eszközhasználat egyik fajtája. A szokásos eszközhasználatnál azonban az agent programozói felületen (API-n) át, közvetlenül hív meg egy szolgáltatást, computer use esetén pedig az embereknek szánt kezelőfelületet kattintgatja.
böngésző-agent – A böngésző-agent csak weboldalakon dolgozik, a computer use a teljes gépre kiterjedhet, asztali programokkal és fájlokkal együtt.

Kapcsolódó fogalmak

Tágabb

AI-agent, eszközhasználat, automatizálás

Szűkebb

böngésző-agent, képernyőkép-értelmezés

Rokon

robotizált folyamatautomatizálás, prompt injection, multimodális modell, homokozó (sandbox), emberi jóváhagyás

Röviden a története

A kifejezést az Anthropic tette ismertté, amikor 2024 októberében nyilvános béta változatban kiadta a Claude modell computer use képességét. 2025 januárjában az OpenAI is bemutatta saját megoldását Operator néven; a mögötte álló modellt Computer-Using Agentnek nevezte, innen ered a CUA rövidítés. Az Operator 2025 nyarán beolvadt a ChatGPT agent funkciójába. A Google és más nagy fejlesztők is megjelentek hasonló képességgel.

Hol tart most

2026 végén a nagy AI-fejlesztők asszisztenseiben és böngészőiben már elérhető, és a cégek kísérleteznek vele irodai folyamatokban. A megbízhatóság és a biztonság miatt a legtöbb helyen még emberi felügyelettel, korlátozott feladatokra használják.

Állapot: 2026. november

A hírekben

3 Agent Age-sztoriban fordul elő; a görbe a hírmagazin heti előfordulása.

Az OpenAI kiadta a GPT-6.1 Terrát, amely erős a számítógép-használatban2026. okt. 26. · Agent Age
A GitHub Copilot számítógép-használattal már asztali alkalmazásokkal is dolgozik2026. okt. 1. · Kód
Az OpenAI Agents API a Codex-keretrendszert szolgáltatásként kínálja, az adatok csak az USA-ban2026. szept. 30. · Kód

Más nevei

computer use · számítógép-használat · számítógép-használó agent · computer-using agent · CUA · computer use agent · gépkezelő AI

Források

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.