Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Kaj je uporaba računalnika

Lekcija 1 od 14 Posodobljeno 3. november 2026 Razvijalec
Na tej strani
  1. Nov način interakcije s stroji
  2. Zanka, ki to omogoča
  3. Kaj dejansko avtomatiziramo
  4. Akterji leta 2026
  5. Kaj pridobiš in kaj plačaš
  6. Ključne ugotovitve

Lekcija posodobljena 3. novembra 2026 na podlagi vodnika Computer use podjetja OpenAI: ta tečaj zdaj sledi orodju computer v API-ju Responses, kar nadomešča prejšnji pristop z API-jem Anthropic. Razdelek o akterjih v ekosistemu zajema obe poti, ki jih dokumentira OpenAI (izvajanje kode, priporočeno za GPT-6 Astra, in orodje computer). Odstranili smo trditve o konkurenčnih izdelkih, ki niso podprte z viri. Vir: Computer use.

Nov način interakcije s stroji

Jezikovni modeli so leta ostajali izključno besedilni sogovorniki: zastavil si vprašanje, prejel odgovor, vse, kar je vključevalo realni svet, pa je bilo prepuščeno tebi. Uporaba računalnika (Computer Use) ruši to pregrado. Model vidi zaslon in se odloči, katere geste izvesti – klikanje, tipkanje, drsenje, preklop med aplikacijami –, tvoja aplikacija pa te dejanja izvrši v njegovem imenu.

Ta premik je globlji, kot se zdi na prvi pogled. Tradicionalna avtomatizacija se oklepa tehničnih sidrišč: selektorja CSS, ID-ja DOM ali API-ja, ki ga je ponudnik programske opreme izbral za objavo. Ko ekipa za front-end preimenuje razred, se skripta ustavi in pogosto nihče ne opazi težave, dokler se naslednji dan ne izkaže, da je poročilo prazno. Pri uporabi računalnika izdaš navodilo v naravnem jeziku in umetna inteligenca krmari po vmesniku natanko tako, kot ga zazna človek. Gumb „Predloži”, ki se premakne za tri palce ali postane zelen, ostane gumb „Predloži”.

Zanka, ki to omogoča

Mehanizem deluje v petih korakih, njihovo ponavljanje pa ustvarja njegovo moč:

  1. Tvoja aplikacija zajame zaslon ali okno brskalnika
  2. Model analizira sliko, da razume, kaj vidi
  3. Odloči se za eno ali več dejanj (klik, pritisk tipke, drsenje)
  4. Tvoja aplikacija ta dejanja izvrši na stroju
  5. Nov zajem se vrne modelu in zanka se ponovi

Ta zanka zaznavanja in delovanja je srce sistema. Razmisli o običajnem scenariju: tvoj agent mora izpolniti kontaktni obrazec, ob nalaganju pa se čezenj pojavi pasica s piškotki. Skripta Selenium, ki tega ni pričakovala, klikne v praznino in vrže napako, ki jo je težko razumeti. Agent za uporabo računalnika pa pasico vidi na posnetku zaslona, jo obravnava, naredi nov zajem in ponovno najde obrazec. Ne recitira togega načrta; situacijo ponovno oceni pri vsaki iteraciji.

Kaj dejansko avtomatiziramo

Primarni primer uporabe je end-to-end testiranje. Opišeš pot, ki jo želiš preveriti – „prijava, dodajanje artikla v košarico, nadaljevanje do blagajne” – in agent jo odigra kot uporabnik, ne da bi moral vzdrževati knjižnico selektorjev, ki zastarijo ob vsaki prenovi spletnega mesta.

Sledi RPA, avtomatizacija ponavljajočih se nalog v programski opremi brez API-jev: zastareli interni ERP, ekstranet dobavitelja ali poslovna aplikacija iz leta 2000, katere ponudnik je izginil. Kjer tehnična integracija ni mogoča, agent deluje prek zaslona, natanko tako kot zaposleni, ki je podatke nekoč prepisoval ročno.

Strganje podatkov (scraping) postane dostopno tudi na dinamičnih straneh, ki se upirajo tradicionalnim ekstraktorjem, saj agent bere izrisano stran in ne surovega HTML-ja. Delovni tokovi, ki vključujejo več aplikacij – pridobivanje naročila iz CRM-ja, vnos v preglednico, pošiljanje potrditvenega e-poštnega sporočila – se v eni seji povežejo v verigo. Ta ista zmožnost služi tudi podpori uporabnikom: namesto da bi razlagal, kam klikniti, agent dejansko krmari po vmesniku.

Akterji leta 2026

Ta tečaj sledi ponudbi podjetja OpenAI, ki v API-ju Responses odpira dve poti. Pri izvajanju kode model napiše skripto – na primer Playwright ali PyAutoGUI –, ki jo tvoje izolirano okolje izvrši, preden vrne rezultat in posnetke zaslona; en klic lahko nato poveže zanke in pogoje, zaradi česar je to pot, ki jo OpenAI priporoča za GPT-6 Astra. Z orodjem computer model vrne strukturirana dejanja miške in tipkovnice, ki jih tvoja aplikacija prevede v geste; to orodje je še vedno podprto in prav njega boš uporabil tukaj, saj zanko razkriva v svoji surovi obliki. Paketi SDK za OpenAI ponujajo tudi pripravljene pomočnike (ComputerToolset, BrowserToolset), ki to zanko upravljajo namesto tebe.

Drugi ponudniki, zlasti Anthropic, ponujajo primerljivo orodje v svojem API-ju z drugačnim formatom izmenjave: koda v tem tečaju se ne prenese neposredno, vendar načela – zanka, upravitelj dejanj, izolacija, človeška potrditev – ostajajo enaka.

Kaj pridobiš in kaj plačaš

MeriloKlasične skripteUporaba računalnika
VmesnikAPI ali selektorji DOMVizualno (posnetki zaslona)
KrhkostOdpove pri spremembi UIVizualno prilagajanje
KompleksnostKoda specifična za stranNavodila v naravnem jeziku
HitrostHitroPočasneje (zanka s posnetki)

To tabelo beri kot kompromis, ne kot razvrstitev. Menjaš surovo hitrost za odpornost in skoraj ničelne stroške vzdrževanja. Za petdeset tisoč dnevnih izvedb na stabilni strani, kjer nadzoruješ HTML, ostaja skripta prava izbira. Za pot, ki se prilagaja vsak mesec, ali za programsko opremo brez API-ja, se tehtnica odločno nagne na drugo stran – ta tečaj pa te nauči obvladati prav ta drugi primer.

Ključne ugotovitve

  • Uporaba računalnika omogoča umetni inteligenci, da vidi in nadzoruje zaslon prek zanke posnetek-dejanje
  • Gre za drugačno paradigmo od klasičnih skript: bolj odporna, a počasnejša
  • Primerni primeri uporabe vključujejo end-to-end testiranje, RPA, strganje podatkov in delovne tokove z več aplikacijami
  • OpenAI ponuja dve poti: izvajanje kode, priporočeno za GPT-6 Astra, in orodje computer, ki se uporablja v tem tečaju