上週看 GPT-6 Astra 的發布資料，我停留最久的不是 benchmark，也不是又提高了多少模型能力。
真正讓我停下來看的，是 computer use、browsing、專業工作和複雜多步驟任務這些原本相對分散的能力，正在越來越明顯地匯合到一起。
OpenAI 在 GPT-6 Astra 的發布資料裡，重點提到了 computer use、browsing 和複雜專業工作。幾天後的 9 月 10 日，Agents API 又進入 public beta，支援持續 session、工具與 MCP，以及託管執行環境。把這兩件事放在一起看，我覺得信號比單純的「模型又變強了」更值得行銷人關注。
因為它提出了一個很現實的問題：
如果 AI 最終可以替你蒐集資訊、比較方案、操作軟體，甚至繼續完成任務，你還需要親自「搜尋」多少次？
Yahoo 幫我們找網站，Google 幫我們找答案
我從 2005 年開始在一家香港數位行銷公司做 SEO。回頭看這二十多年，搜尋入口一直在變，但每一次變化真正影響企業行銷的，都不只是頁面長什麼樣。
Yahoo 時代，我們面對的核心問題更接近「網站在哪裡」。使用者進入目錄或者搜尋框，找到一個網站，再進去自己看。
Google 時代，這件事向前走了一大步。搜尋引擎不只是幫你找到網站，而是越來越擅長判斷：對於這個問題，哪些頁面和答案更相關。
所以過去二十年 SEO 做了很多變化。從關鍵字，到內容品質、連結、技術體驗、品牌信號，企業不斷適應新的排序方式。
但有一件事情其實一直沒怎麼變。
搜尋、比較、判斷、點擊，然後行動，主要還是由人完成。
這也是為什麼我看 GPT-6 Astra 時，會覺得這次變化值得單獨拿出來討論。它讓我想到的不是「Google 會不會被誰取代」，而是搜尋本身在人機互動中的位置，會不會繼續向後退。
GPT-6 帶來的第三次變化：AI 開始跨過「答案」去做事
過去我們在網路上完成一個任務，大概會經歷這樣的過程：
- 產生需求；
- 打開搜尋引擎；
- 輸入關鍵字；
- 瀏覽多個結果；
- 比較網站和方案；
- 做出判斷；
- 進入網站完成下一步。
到了 AI Search 階段，中間幾步已經開始被壓縮。使用者提出一個問題，ChatGPT、Gemini、Perplexity 等 AI 可以先搜尋、整理和組織資訊，使用者拿到的不再只是一排連結，而是經過組織的答案。
Agent 階段還可能繼續往前走：
使用者表達目標 → AI 蒐集資訊 → 判斷選項 → 呼叫工具 → 使用者授權關鍵步驟 → AI 繼續執行任務。
這也是 Agents API 值得關注的原因。OpenAI 目前公布的能力已經包括長時間持續工作的 session、工具和 MCP 連接，以及可以執行程式碼、處理檔案的託管環境。
所以我這裡說「搜尋正在發生變化」，並不是說資訊檢索會消失。
變化的是，人親自執行「搜尋」這個動作的重要性可能下降。
「那不還是搜尋嗎？」——這句話一半對，一半錯
前幾天我和一位做海外市場的企業負責人聊到這個問題。
他說：「AI 不也是上網找資料嗎？這跟搜尋有什麼本質區別？」
這個質疑有道理。
我跟他說：「如果從資訊獲取的角度看，當然還是檢索。區別在於，以前是你搜完以後自己做下一步；以後可能是 AI 搜完以後，繼續替你做下一步。」
我說完之後，他愣了半秒，然後問：「那企業以後爭的就不只是排名了？」
對。
過去品牌爭的是「使用者搜尋時能不能看見我」。到了 AI Search，我們開始關心「AI 回答問題時會不會理解我、提到我、引用我」。如果 Agent 繼續發展，企業還需要面對第三個問題：
AI 在替使用者完成任務時，會不會把我放進候選？
三代搜尋真正變化的，是「誰完成下一步」
| 階段 | 使用者提出什麼 | 系統主要做什麼 | 使用者還要做什麼 | 品牌爭奪什麼 |
|---|---|---|---|---|
| Yahoo / 目錄時代 | 我去哪裡找 | 找網站 | 自己瀏覽、判斷 | 入口 |
| Google 時代 | 哪個答案更相關 | 排序資訊與答案 | 點擊、比較、行動 | 排名與點擊 |
| AI Search | 這個問題怎麼解決 | 綜合、生成答案 | 判斷、繼續執行 | 被理解、被引用 |
| Agent 階段 | 幫我完成這個目標 | 檢索、判斷、呼叫工具、執行 | 授權與最終決策 | 被納入決策與行動候選 |
這裡有一點很重要：新入口出現，不代表上一代入口就會消失。
Yahoo 到 Google，不是網站消失了；Google 到 AI Search，也不是網頁和 SEO 不重要了。未來很可能同樣如此：傳統搜尋、AI Search 和 AI Agent 長期共存，只是使用者在不同任務裡分配給它們的注意力會發生變化。
這對 GEO 意味著什麼：引用率可能只是中間指標
今天企業做 Generative Engine Optimization，也就是 GEO，很自然會關注幾個指標：品牌有沒有出現、AI 有沒有引用官網、引用來自什麼來源、不同模型裡的 AI visibility 怎麼樣。
這些指標當然有價值，我也不認為因為 Agent 出現，就應該把它們推翻。
但如果 AI 開始承擔更多判斷和執行工作，我們需要繼續往後問：
- AI 有沒有把這個品牌納入候選？
- AI 怎麼理解這個品牌適合什麼場景？
- 同時比較幾個方案時，這個品牌進入了哪一步？
- 條件改變以後，品牌還會不會留在候選裡？
- 從資訊判斷走向下一步行動時，這個品牌是否還存在？
「被引用」和「被選擇」，開始變成兩個不同的問題。
這也是我和團隊提出 AIPO 五環時一直強調「效果監測」和「資料分析」的原因。檢測不是為了得到一個漂亮分數，而是為了知道品牌在 AI 決策鏈的什麼位置出現、為什麼出現，以及在哪一步消失。
過去我們觀察答案，下一階段可能還要開始觀察任務。
下一階段 GEO，監測對象可能要從「答案」向「任務」延伸
舉個很簡單的例子。
過去做 GEO monitoring，我們可能會測試：
「推薦幾個適合企業使用的 XX SaaS。」
然後觀察 ChatGPT、Gemini、Perplexity 等平台提到了哪些品牌，我們自己的品牌有沒有出現，排在什麼位置，有沒有引用官網。
這些測試仍然應該保留。
但下一步，我會建議增加另一類問題：
「幫我比較適合 50 人團隊使用的幾個方案，考慮預算、部署難度和使用場景，並告訴我下一步應該根據什麼做選擇。」
兩種問題看起來很像，觀察目標其實不同。
前一種更接近 answer-based monitoring：AI 的答案裡有沒有你。
後一種更接近 task-based visibility：當 AI 開始理解目標、增加條件、比較選項並推動使用者做下一步決策時，你还能不能留在候選名單裡。
所以我認為 GEO monitoring 接下來一個值得研究的方向，不是簡單地增加更多關鍵字、更多 prompt，而是重新設計監測問題。
從「品牌有沒有出現」，逐漸觀察「品牌為什麼進入候選」「什麼條件下會退出候選」「進入行動階段之後是否還存在」。
這實際上也是 AIPO 五環裡檢測、優化、內容與分發、效果監測、資料分析需要相互連接的地方。企業先建立 AI 可見性的基線，再根據真實決策場景調整內容和品牌資訊，最後持續觀察變化，而不是把某一次 AI 回答當成結果。
GEO 的下一站，也許不是更多曝光，而是更早進入 AI 的判斷
我不認為 GPT-6 Astra 發布之後，Google Search 就會消失；也不認為企業應該停止 SEO，把預算全部轉向 GEO。
恰恰相反。
我經歷 Yahoo、Google，再到今天的 AI Search，越來越明顯的一點是：新入口通常不是把舊入口一夜之間拿走，而是在舊體系上增加新的使用者行為。
SEO 和 GEO 也是疊加關係，而不是替代關係。
當搜尋從「給人答案」走向「替人行動」，品牌競爭的位置也會從答案頁面繼續向決策過程移動。
真正值得企業持續觀察的，不是哪一個模型會贏，而是使用者願意把多少判斷權和執行權交給 AI。
如果 AI 只負責回答，企業爭取的是被理解、被提及和被引用。
如果 AI 開始負責比較和判斷，企業還要爭取進入候選。
如果 AI 進一步承擔執行任務，那麼品牌資訊、產品資料、第三方評價、網站內容以及可以被機器理解和呼叫的資訊結構，都會面對新的要求。
GEO 的邊界也就可能從「AI 是否知道我」，繼續延伸到「AI 在什麼情況下會考慮我」。
現在不同角色應該觀察什麼？
如果你是 CMO 或行銷總監，我建議先不要因為 GPT-6 Astra 的一次發布，就全面重新定義行銷 KPI。更現實的方式，是在現有 AI visibility 和 AI citation 監測之外，增加一組 Agent 場景測試。看看品牌從回答、比較到決策過程中，是否能夠持續存在。
如果你是出海企業負責人，我建議重新看看官網、產品資料和第三方資訊。過去寫內容，我們首先考慮「使用者能不能看懂」；現在還要多問一句：AI 能不能清楚理解我的產品適合誰、解決什麼問題、和其他方案有什麼差異，以及什麼情況下應該考慮我。
如果你是 SEO 或 GEO 從業者，我建議繼續監測 AI 引用率，不需要因為 Agentic Search 出現就否定現在的指標。但可以開始建立 task-based AI search 的測試樣本，把觀察範圍從 prompt visibility 往真實決策場景延伸。
Yahoo 教我們找網站，Google 教我們找答案。
AI Agent 正在提出第三個問題：如果系統已經知道你想做什麼，它還需要把「搜尋」這一步交還給你嗎？
如果你已經在做 GEO，可以先建立一次當前 AI 可見性基線，再逐步加入任務型 prompt，觀察品牌從「被發現」到「被理解、被比較、進入行動候選」的變化。先有資料再決定哪些指標值得增加，比直接重做一套 KPI 更實際。
相關問題
GPT-6 Astra 會取代 Google 搜尋嗎？
目前沒有依據判斷 GPT-6 Astra 會取代 Google。更值得觀察的是，AI Agent 正在把檢索、判斷和工具操作放進同一個任務過程，未來使用者親自完成部分搜尋行為的必要性可能下降。
AI Agent 和 AI 搜尋有什麼區別？
AI 搜尋主要幫助使用者獲取、整理和理解資訊；AI Agent 更進一步，可以圍繞一個目標持續完成多步驟任務，例如檢索資訊、使用工具、處理檔案或操作軟體。隨著能力繼續發展，兩者的邊界可能越來越接近。
GPT-6 Astra 為什麼會影響 GEO？
值得 GEO 從業者關注的並不只是 Astra 的回答能力，而是 browsing、computer use 和複雜多步驟工作正在結合。當 AI 從「回答問題」繼續走向「執行任務」，品牌競爭也可能從 AI 答案中的可見性，延伸到 AI 的判斷和任務過程。
GEO 以後還需要監測 AI 引用率嗎？
需要。AI 引用率仍然能幫助企業理解品牌和官網在 AI 答案中的可見性，只是隨著 Agent 場景增加，還可以逐漸加入候選出現、任務場景覆蓋和決策階段表現等觀察維度。
什麼是 Agentic Search？
可以把 Agentic Search 理解為：檢索不再一定是使用者單獨完成的一步，而成為 AI 完成任務過程中可以呼叫的能力。使用者給出目標後，AI 根據任務需要進行檢索、分析、比較，再連接工具完成後續步驟。
企業現在應該為 AI Agent 做什麼準備？
現階段沒有必要因為一次模型發布就全面改變行銷體系。更實際的是先建立 GEO 可見性基線，繼續做好 SEO 和品牌資訊建設，再逐漸增加真實任務型 prompt，觀察品牌在「被發現—被理解—被比較—進入行動候選」幾個階段的表現。