Agent 上生产线:一半公司已跨过,卡在哪
关于企业 Agent 落地,2026 年最不缺的就是数字,最缺的是这个数字量的是什么。先把能查到原始定义和样本的几个列出来,再谈卡点,顺序反了容易被带偏。
一、57% 的公司已经有 Agent 在生产线上
LangChain 的《State of Agent Engineering》,2026-06-12 发布,调查窗口是 2025 年 11 到 12 月,样本 1340 名从业者。
同一份调查里还有两个数:质量与可靠性是被提到最多的障碍;89% 的团队在用可观测性工具,只有 52% 在跑评测。
二、看得见和判得对,是两件事
这组数字里最值得记的是最后一条的落差:看调用路径的人,比做评测的人多得多。
看得到 Agent 干了什么,不等于能判断它干得对不对。这两件事之间隔着一套能重复执行的判断办法,而多数团队还没建。
三、95% 的企业 AI 试点失败,不建议引用
这个说法出自 MIT NANDA 2025 年 7 月的一份报告,被引得很广。
原始材料是 300 多个项目的梳理加 52 次访谈,并没有一个稳定的分母。它不是一份统计了 285 个失败案例的清单。当作定性参考可以,当作失败率不行。
四、40% 会被取消,这是预测不是事实
Gartner 2025 年 6 月的新闻稿说,40% 以上的 Agentic AI 项目会在 2027 年底前被取消。
注意这是前瞻性判断,不是已经观测到的取消率。
另外 Gartner 2025 年 2 月那份 60% 的弃用预测,适用范围限定在缺乏 AI-ready 数据的项目上。脱离这个前提去引用,结论会失真。
五、42% 的组织在上线前停掉了多数试点
S&P Global 2025 年 5 月,有效样本 878,总量 1006。
这是这堆数字里少数直接问「你们停没停」的调查,比那些拿项目总数当分母的说法更接近事实。
六、约 6% 是高绩效者
McKinsey 2025 年 11 月,n=1993,定义很严格:要能把收益算到 5% 以上的 EBIT 上才算。
所以「80% 说提效、只有 6% 赚到钱」这类标题,两个数用的是完全不同的尺子。一个问的是感受,一个问的是财务结果。
七、上线不稀缺,稳定运行才稀缺
把上面几条并排看,2026 年的实际情况是:上线不是稀缺事件,稳定运行才是。
一半以上公司有 Agent 在跑,但只有半数左右做了评测。也就是说,大量在生产线的 Agent,质量结论来自人工抽查和告警,不来自可重复的判断。
八、卡点一:可靠性,不是模型不稳,是路径太长
一次 Agent 调用可能包含:规划、若干次工具调用、若干次重试、最终汇总。
这里不引外部数字,只按一个假设算:单步 95% 的成功率,串十步只剩 0.95¹⁰ ≈ 60%,串二十步剩 36%。路径长度本身就是可靠性指标。
九、怎么把路径缩短
工程上能做的不是挑一个更准的模型,而是把步骤减少:能用一次函数调用解决的,不要让模型规划五步。
我在实践里的取舍是,把流程分成两段:模型只做需要判断的那一步,其余用确定代码写死。多数所谓 Agent 需求,真正需要模型参与的只有一两个节点。
十、卡点二:验证,看得到不等于判得对
89% 用可观测、52% 做评测,这个落差就是卡点本身。
看得到每一步做了什么,只是有了排查的材料;能不能判断这一步做得对,要靠另一套东西。
十一、评测最少要三件东西
-
一组固定的评测样本,来源是线上真实输入,几百条起步。
-
一个能自动执行的判定标准。格式校验、字段抽取比对,或者规则断言都行,别一开始就追求让另一个模型来评。
-
上线门槛:换模型或改提示词必须跑完这一组,跑不过就不放流量。
第 3 条是真正的分水岭。前两条多数团队做得到,第三条做不到,是因为没人愿意让评测挡住发布节奏。第三条不立,前两条迟早也会荒废。
十二、卡点三:Agent 拿到的是谁的凭据
这是我认为最被低估的一条。Agent 要调工具,工具要访问系统,它用哪个身份?
常见的三种答案都不对。
复用运维账号的凭据:权限远大于任务所需,而且审计里分不清人和 Agent。
用调用用户的凭据:用户不在线时任务跑不完,长任务无法续期。
全局服务账号:所有 Agent 共享一个身份,出了事故无法定位到具体调用方。
十三、能落地的权限做法
给 Agent 单独发身份,权限按工具维度授予、按任务作用域收窄,并且默认只读。
写操作要么走人工确认,要么限制在明确圈定的资源范围内。
这一套在 API 网关时代就有成熟做法,只是过去没用在非人主体上。
十四、现在就能做的一件事
如果只做一件事,我会选:给当前跑在线上的 Agent 加一个最小评测集。
不需要平台,一个能重复执行的脚本加一份样本文件就够。
价值在于它把「最近感觉有点不对」变成「上周通过率 91%,这周 78%」。有了这个尺子,前面说的可靠性优化和权限收紧,才知道有没有效果;否则所有改进都只是换了个说法。