AI Agent 落地真相：90% 的企业死在第一步

从 2024 年到 2026 年，我们陪跑了 60+ 家企业的 AI Agent 项目。第一年成功跑起来、且老板愿意继续投资第二期的，不到 10%。剩下 90% 死法惊人地一致：上来就买最新的多 Agent 框架，拉一个夸张的架构图，三个月后停在 demo 阶段，再没人提。

为什么 Agent 比传统软件项目更容易死

传统软件项目失败，通常死在需求变更或工期。Agent 项目死法不一样——它在「跑得通 demo」和「真正接管业务」之间，有一道宽到看不见对岸的鸿沟。这道鸿沟由三个具体问题构成。

问题一：接口可调用性

你的 ERP 有没有标准 API？财务系统能不能让 Agent 写数据？钉钉群里的审批附件，Agent 能拿到原文吗？这些不是技术问题，是组织内部的「数据 / 流程 / 权限」三件事谁说了算的问题。Agent 卡在这里，不是 Agent 笨，是没人给它开门。

问题二：异常责任归属

Agent 自动审批了一笔 50 万的合同，事后发现条款有问题，谁负责？是项目经理？是 IT？是给它写 prompt 的人？这个问题不在合同签订前讲清楚，业务部门永远不敢真的把流程交给 Agent。

「Agent 不是要替代员工，是要让员工愿意让出权限。后者从来不是技术问题。」 — 一位踩了三个 Agent 项目坑的 CIO

问题三：场景的「可量化空间」

老板批 Agent 项目，第二年要看数字。如果场景本身就没法量化（比如"提升团队协作效率"），那再好的 Agent 也讲不出故事。第一年必须选「能算出每月省多少小时 / 接到多少单」的硬场景。

第一年应该做什么：三个高频低风险场景

• 单据信息提取与录入：从 PDF / 邮件 / 群消息里识别订单、发票、报销单字段，自动写入业务系统。失败成本低，省人效果一目了然。
• 内部知识问答：把企业制度、产品手册、历史项目纪要喂给 Agent，员工一句话拿答案。不碰生产数据，但全员每天都用。
• 客服一线兜底：先做「自动起草回复，等人审」的半自动 Agent，再逐步过渡到自动发。客服是天然有 SLA 的部门，效果可量化。

不要做的三件事

• 不要追多 Agent 协作架构。第一年单 Agent + 工具链就够，多 Agent 是给已经踩过坑的团队的进阶题。
• 不要让 Agent 直接改生产数据。所有写操作先走人工确认，等用 3 个月零事故，再开自动。
• 不要省 Prompt 工程的投入。Agent 的 90% 表现差异来自 prompt 与上下文工程，不是来自模型选型。

结论很简单：AI Agent 是真东西，但落地第一年比的不是技术先进性，而是「组织准备度 + 场景选择智慧」。先用三个小场景把组织教会，再谈雄心壮志的端到端自动化。