Čo je Computer Use
Na tejto strane
Lekcia aktualizovaná 3. novembra 2026 na základe príručky Computer use od OpenAI: tento kurz sa teraz riadi nástrojom
computerv Responses API, čím nahrádza predchádzajúci prístup cez Anthropic API. Sekcia o hráčoch v ekosystéme pokrýva obe cesty zdokumentované OpenAI (vykonávanie kódu, odporúčané pre GPT-6 Astra, a nástrojcomputer). Odstránili sme nepodložené tvrdenia o konkurenčných produktoch. Zdroj: Computer use.
Nový spôsob interakcie so strojmi
Jazykové modely boli roky čisto textovými interlocútormi: položil si otázku, dostal odpoveď a všetko, čo zahŕňalo reálny svet, zostalo na tebe. Computer Use búra túto bariéru. Model vidí obrazovku a rozhoduje sa, ktoré gestá vykonať – kliknutie, písanie, rolovanie, prepínanie aplikácií – a tvoja aplikácia tieto akcie vykoná v jeho mene.
Tento posun je hlbší, než sa zdá. Tradičná automatizácia sa drží technických kotiev: CSS selektora, DOM ID alebo API, ktoré sa dodávateľ softvéru rozhodol sprístupniť. Ak tím front-endu premenuje triedu, skript sa zastaví a často si to nikto nevšimne, až kým nasledujúci deň nepríde prázdna správa. Pri Computer Use vydáš inštrukciu v prirodzenom jazyku a AI naviguje rozhraním presne tak, ako ho vníma človek. Tlačidlo „Odoslať“, ktoré sa posunulo o tri palce alebo sa prefarbilo na zeleno, zostáva tlačidlom „Odoslať“.
Cyklus, ktorý to umožňuje
Mechanizmus funguje v piatich krokoch a ich opakovanie vytvára jeho silu:
- Tvoja aplikácia zachytí obrazovku alebo okno prehliadača
- Model analyzuje obrázok, aby pochopil, čo vidí
- Rozhodne sa pre jednu alebo viacero akcií (klik, stlačenie klávesy, rolovanie)
- Tvoja aplikácia vykoná tieto akcie na stroji
- Nový záber sa vráti modelu a cyklus sa reštartuje
Tento cyklus vnímania a konania je jadrom systému. Predstav si bežný scenár: tvoj agent musí vyplniť kontaktný formulár, ale pri načítaní sa nad ním objaví banner so súbormi cookie. Skript Selenium, ktorý s tým nepočítal, klikne do prázdna a vyhodí chybu, ktorú ťažko interpretovať. Agent Computer Use však banner vo svojom snímke obrazovky vidí, vybaví ho, urobí ďalší záber a opäť nájde formulár. Nerecituje rigidný plán; situáciu prehodnocuje v každej iterácii.
Čo vlastne automatizujeme
Primárnym prípadom použitia je end-to-end testovanie. Opíšeš cestu, ktorú treba overiť – „prihlásiť sa, pridať položku do košíka, prejsť k pokladni“ – a agent ju prehrá ako používateľ, bez toho, aby si musel udržiavať knižnicu selektorov, ktoré zastarajú pri každom redesigne stránky.
Ďalej prichádza na rad RPA, automatizácia opakujúcich sa úloh v softvéri bez API: zastaraný interný ERP, extranet dodávateľa alebo business aplikácia z roku 2000, ktorej výrobca už neexistuje. Tam, kde je technická integrácia nemožná, agent pracuje cez obrazovku, presne ako zamestnanec, ktorý kedysi prepisoval údaje ručne.
Scraping sa tiež stáva dostupným na dynamických stránkach, ktoré odolávajú tradičným extraktorom, keďže agent číta vykreslenú stránku, nie surové HTML. Pracovné postupy zahŕňajúce viacero aplikácií – stiahnutie objednávky z CRM, jej zadanie do tabuľky, odoslanie potvrdzovacieho e-mailu – sa spájajú do jednej relácie. Tá istá schopnosť slúži aj na podporu používateľov: namiesto vysvetľovania, kam kliknúť, agent skutočne naviguje rozhraním.
Hráči v roku 2026
Tento kurz sleduje ponuku OpenAI, ktorá otvára v Responses API dve cesty. Pri vykonávaní kódu model napíše skript – napríklad v Playwright alebo PyAutoGUI – ktorý tvoje izolované prostredie vykoná a vráti výsledok so snímkami obrazovky; jediný volanie môže potom reťaziť cykly a podmienky, čo je cesta, ktorú OpenAI odporúča pre GPT-6 Astra. Pri nástroji computer model vráti štruktúrované akcie myši a klávesnice, ktoré tvoja aplikácia preloží na gestá; tento nástroj je stále podporovaný a práve tento budeš používať tu, pretože odhaľuje cyklus v jeho surovej podobe. SDK od OpenAI tiež poskytujú hotové pomocníky (ComputerToolset, BrowserToolset), ktoré tento cyklus riadia za teba.
Iní poskytovatelia, najmä Anthropic, ponúkajú vo svojom API porovnateľný nástroj s iným formátom výmeny: kód v tomto kurze sa nedá priamo preniesť, ale princípy – cyklus, správca akcií, izolácia, ľudské potvrdenie – zostávajú rovnaké.
Čo získavaš a čo platíš
| Kritérium | Klasické skripty | Computer Use |
|---|---|---|
| Rozhranie | API alebo DOM selektory | Vizuálne (snímky obrazovky) |
| Krehkosť | Rozbije sa pri zmene UI | Vizuálne sa prispôsobí |
| Zložitosť | Kód špecifický pre stránku | Inštrukcie v prirodzenom jazyku |
| Rýchlosť | Rýchle | Pomalšie (cyklus snímok) |
Čítaj túto tabuľku ako kompromis, nie ako hodnotenie. Vymieňaš čistú rýchlosť za odolnosť a takmer nulové náklady na údržbu. Pre päťdesiattisíc denných vykonaní na stabilnej stránke, kde kontroluješ HTML, zostáva skript správnou voľbou. Pre cestu upravovanú každý mesiac alebo pre softvér bez API sa váhy rozhodne prevážia na druhú stranu – a tento kurz ťa naučí zvládnuť práve tento druhý prípad.
Kľúčové poznatky
- Computer Use umožňuje AI vidieť a ovládať obrazovku prostredníctvom cyklu snímka-akcia
- Ide o odlišnú paradigmu od klasických skriptov: odolnejšia, ale pomalšia
- Medzi hlavné prípady použitia patrí E2E testovanie, RPA, scraping a pracovné postupy zahŕňajúce viacero aplikácií
- OpenAI ponúka dve cesty: vykonávanie kódu, odporúčané pre GPT-6 Astra, a nástroj
computer, ktorý sa používa v tomto kurze