agent 試行卡在哪一步

這個月初我寫過企業用 AI agent 走到哪了。McKinsey 2026 年 State of AI 調查的短版:近九成受訪者說組織至少在一個業務職能定期使用 AI,約兩成說已在全組織擴大 agent。年營收超過 10 億美元的組織,在至少一個職能擴大 agent 的受訪者比例從 27% 升到 40%;較小的組織停在 22%。一年前,沒有任何一個職能有超過 10% 的受訪者在裡面擴大 agent。這幾個數字量的是不同的東西,彼此不能換算,但沒有一個過半。

所以如果你的組織有一個 agent,它多半是一個試行(pilot),不是一條流程。這篇講的是試行後來怎麼了。我想描述它停下來的四個地方,按一個試行會依序碰到的順序,再給你一個方法判斷自己在哪一步。證據比我希望的薄,薄在哪裡我會說。

沒有人能驗收結果

第一個停點是簽不了收的 demo。agent 產出一份東西,看起來是對的,有人問我們怎麼知道它是對的,唯一的答案是把它讀一遍。

這件事我直接撞過。一次測試裡我批改了 120 次 agent 執行,它的檢查清單要求記下自己怎麼驗證成果。清單只是建議時,有公開紀錄的 60 次裡一次都沒寫那份筆記。摘要任務上用的是本機模型(qwen3:14b),做完的 17 次全部宣告完成。改成強制後,筆記變常見了,修好的 bug 沒有變多。agent 交出的是一份寫著「我檢查過」的文件。

這是本機模型上的小樣本,不是生產系統。但它和 McKinsey 高績效者與其他人的差別擺在一起看得出關係。高績效者的定義是把至少 5% 的 EBIT 歸因於 AI、並說組織從 AI 看到「顯著」價值的受訪者,佔樣本 6%,和去年一樣。他們之中近四分之三說因為用 AI 而從根本重新設計了工作流程,去年是 55%。其他受訪者這麼說的是四分之一。高績效者說組織有明確流程衡量 AI 計畫成效的可能性,也是其他人的兩倍。

調查不能告訴你重新設計流程造成了價值。這些是自填的答案,描述重新設計的和描述結果的是同一批受訪者。調查也完全沒問驗收這件事。兩者之間的連結是我的猜測:圍著一個 agent 重新設計流程,會逼某個人把這條流程的「完成」寫下來,寫成一個人或一個測試能檢查的形式。把 agent 丟進舊流程不會逼出這件事,所以 demo 一直是 demo。

帳單按每件任務算過來

第二個停點在驗收之後。一件任務算得出完成了,就有人能拿發票除以完成件數,依我的經驗,結果比試行預算暗示的大。

McKinsey 調查裡,五分之一的受訪者說組織因為營運成本在限制 AI 的使用。chatbot、agent、coding agent 三種工具各自約有十分之一的受訪者說使用受到成本限制。我覺得最有訊息的是哪些公司撞到這條線:高績效者說 coding agent 的使用受成本限制,頻率約是其他人的三倍。而他們擴大 coding agent 的可能性是其他人的兩倍,擴大其他 agentic AI 是 2.7 倍,在調查涵蓋的多數業務職能擴大 agent 則是三倍以上。成本那個數字只涉及 coding agent,而且是相關性。我對它的解讀是,成本是走得夠遠的公司才會有的問題。

Gartner 在 2025 年 6 月說過類似的話。它的分析師認為多數 agentic 專案是「主要由炒作驅動」的概念驗證,會讓組織看不見把 agent 規模化運行的真實成本與複雜度,專案因此停在進生產之前。McKinsey 兩位作者在調查旁的評論框裡,把解法說成是把營運成本當設計約束而不是事後補上,並指出每個 token 的價格在降,消耗與產生的 token 數量卻漲得更快。

停在這裡的試行,不是模型拖累了它。在我看過的案例裡,它是按月或按座位估的成本,然後遇到了按件算的現實。如果你不知道上個月一件驗收過的任務花了多少,你還沒走到這一步。會走到的。

模型在決定該由規則決定的事

第三個停點比前兩個安靜。agent 驗收過了,成本撐得住,被放在一個它在做本來不該由它做的決定的位置。

我另一次測試讓本機模型為六個合成案例起草客服回覆,每題跑一次。其中三題,它在還沒拿到決定政策所需的資訊時就選了政策。那三題裡有兩題後來在同一份輸出裡自我更正,或改成條件句。三題中有兩題取決於收件日期這類欄位,幾行普通程式碼就能檢查,缺欄位時直接拒答。

六個案例說不了市場,但說得了放置的位置。模型拿到一個由日期決定的決策,三題裡有兩題是在沒有日期的情況下做了決定。Gartner 的新聞稿指向類似的方向:「今天許多被定位成 agentic 的用例,不需要 agentic 的實作。」它建議的對應是,需要做決定的地方用 agent,例行流程用自動化,單純查資料用助理。

這個停點是我手上沒有調查數據的一個,只有自己的經驗。在那些經驗裡,停在這裡的試行看起來是健康的。產出多數時候沒問題,成本沒問題,失敗少到可以一次解釋掉一個。它停下來,是因為流程的負責人出於沒人寫下來的原因不再信它,工作繞過它走了。

沒有人決定接下來怎樣

第四個停點背後的公開數字最多,也最弱。2025 年 6 月,Gartner 預測超過四成的 agentic AI 專案會在 2027 年底前被取消,「因為成本不斷攀升、商業價值不明,或風險控制不足」。那是預測,不是計數。同一份新聞稿裡的調查,是 2025 年 1 月一場 Gartner 網路研討會的 3,412 位與會者,其中 19% 說組織對 agentic AI 有「顯著」投資,42% 保守投資,8% 沒有,31% 觀望或不確定。網路研討會的與會者不是企業的樣本,把它當一屋子人的情緒讀,不要當市場的量測。

我從那三個理由讀到的,這是我的解讀而不是 Gartner 的,是三個都可以在試行開始前就決定,而且通常沒有決定。成本攀升是第二個停點少了每件任務的成本。商業價值不明是第一個停點少了驗收標準。風險控制不足是第三個停點少了哪些決定歸模型的清單。三樣都沒寫下來的試行不會失敗。它會拖著,然後在某一輪預算會議上被取消,理由聽起來三樣都像。

缺的是一個終局。一個試行應該帶著一個條件,滿足時它變成某個人的生產流程,有指名的負責人、一條預算、一個關掉它的方法;也帶著另一個條件,滿足時它被停掉。McKinsey 的調查裡,80% 的受訪者說 AI 提高了自己的生產力,37% 說 AI 對 EBIT 有任何貢獻,和去年相同。這是兩個不同的問題,問的是 AI 整體,不是 agent 或試行。我對這個落差的解讀,也只是解讀:它描述的是很多幫到用它的人、但沒改變組織怎麼運作的工具。沒有終局的試行就是其中一種。

你在哪一步

四個問題,一個停點一個。回答時針對一個試行,不要針對整個計畫。

停點	問題	如果答案是否
1	除了 agent 自己,有沒有人用「讀一遍」以外的方法,驗收過它的某一個結果是對的?	你有的是一個 demo。先為一件任務定義什麼叫完成,其他都在後面。
2	你知道上個月一件驗收過的任務花了多少嗎,token 和人力都算進去?	你還沒遇到帳單。擴大之前先拿到這個數字。
3	你能列出 agent 被允許做的決定,並對每一個說出為什麼它需要語言而不是一次查表嗎?	模型坐在規則該坐的位置。把查表的部分搬出模型。
4	有沒有寫下來的條件,滿足時這個試行變成某個人的流程,另一個條件滿足時它被停掉?	它會被別人替你結束,在某一輪預算會議上,理由沒人追得到。

月初那篇有七個問題,是 agent 進流程之前問的。這四個是進去之後問的,用來定位問題,不是修它。每一個的修法在上面對應的那一節,而且都不需要一個平台。

如果你的試行停在這四個停點之一,或者停在我沒列到的地方,我想聽聽是哪個,以及你接下來做了什麼。