Крупнейшие разработчики искусственного интеллекта — Anthropic (режим Computer Use), OpenAI (Operator) и Google (Project Mariner) — перевели свои модели из режима текстового диалога в режим прямого управления браузером и рабочим столом.
Как работает браузерный агент
Вместо того чтобы требовать специального API от каждого сайта, мультимодальная модель получает скриншоты вкладки и структуру DOM-дерева, определяет координаты кнопок и полей ввода и выполняет последовательность действий: клик, прокрутка, ввод текста, сверка результата.
- Сбор и сравнение данных — агент сам открывает десятки вкладок поставщиков, выписывает цены и сроки доставки в единую таблицу
- Рутина в веб-кабинетах — перенос данных из накладных в CRM, заполнение однотипных заявок и выгрузка отчётов
- Тестирование интерфейсов — проверка пользовательских сценариев на сайте глазами реального посетителя
Безопасность и защита от prompt injection
Переход к агентам открыл новый класс угроз — indirect prompt injection, когда злоумышленник прячет на веб-странице скрытую инструкцию для бота. Поэтому все промышленные браузерные агенты работают в изолированном профиле и требуют явного подтверждения человека перед отправкой платежей, удалением писем или публикацией данных.
