快八成公司都说自己上了 AI Agent（AI 智能体），但真正每天在干活、还能算清楚赚没赚钱的，没几个。
这话不是唱衰 AI。我这两年钻进过不少企业的 AI 项目，财务、客服、采购都碰过。台面上全是热闹，PPT 上写满”数字员工""降本增效”。可真钻进系统翻日志，很多 Agent 一周被人用到的次数，一只手数得过来。
不聊风口，说点冷的：这波热闹到底虚在哪，钱花哪儿去了，什么场景才真值得上。
预算在猛涨，回报在装死
先看两组数。
普华永道（PwC，全球四大会计师事务所之一）的一份 AI Agent 调研说，近八成公司称自己已经在用 Agent，八成八的公司还打算继续加 AI 预算。麦肯锡的年度调查也讲，78% 的组织已经在某个业务环节用上了 AI。
数字很漂亮。问题是下一组。
麻省理工的 MIT NANDA 报告泼了盆冷水：约 95% 的企业生成式 AI 试点，没带来任何能算出来的回报。波士顿咨询（BCG，一家老牌管理咨询公司）更早也说过，真正把 AI 从”试试看”做成”看得见的价值”的公司，只有大约四分之一。
一边是快八成公司都上了车，一边是九成多的试点连油钱都没赚回来。这就是 2026 年企业 Agent 的真实体温。
得说句公道话：普华永道问的是”用没用”，MIT NANDA 报告问的是”赚没赚”，口径不一样，可方向一致——部署很热，回报很冷。
预算表在涨，效果表在装死。中间那条缝，就是这件皇帝新衣的破口。
预算年年加，回报却一条平线——这就是企业 Agent 的真实体温。
“接个 Agent 就有数字员工”，这话是谁编的
先把词说清楚，不然容易被忽悠。
AI Agent，说白了就是一段会自己拆任务、自己调工具、连着干好几步的程序。你给它一个目标，比如”把这个月的报销对一遍”，它能自己查库、比对、出结果，中间不用你一步步喂。这比只会聊天的机器人，确实进了一大步。
但它不是员工。
员工出了错知道认，知道找谁，知道下回改。Agent 不知道。它只会照着概率往下猜，猜错了脸不红。你把它当”数字员工”招进来，第一天就错了。它是台自动化的机器，不是个会负责的人。
很多公司买的不是 Agent，是”数字员工”这四个字带来的安全感。
这四个字是谁编的？是急着卖单的厂商，和急着交差的甲方，一起编的。厂商要故事拉估值，甲方要政绩发新闻。至于系统里那个 Agent 一天被叫几次，没人想翻。
“数字员工”卖的不是能力，是四个字给的安全感。
热闹背后，Agent 到底卡在哪
我把踩过的坑收一收，就五道坎。每一道都不新鲜，可每一道都能把项目卡死。
第一道，数据打不通。 Agent 要干活，得能看见你公司的数据。可财务在一个系统，库存在另一个，客户资料还在第三个，彼此互相不认。你先花半年打通数据，Agent 还没上场，预算先烧一半。
第二道，权限管不住。 你敢不敢让一个会自己调工具的程序，动你的付款系统？让它查工资表？权限给大了怕闯祸，给小了它啥也干不成。多数公司卡在这，干脆只让它写写文案。
第三道，出了事谁负责。 Agent 自动把合同价填错了，多打了一笔款，算谁的？算它？它不会认。算写它的人，还是算点确认的人？这条线划不清，没人敢让它碰真业务。
第四道，效果说不明白。 老板问你，上了这个 Agent 到底省了多少钱。你答不上来。省下的那点人力很难单独量出来，而 Agent 每调用一次都在烧钱。账算不清，第二年的预算就悬了。
第五道，钱怎么收。 就算你是做 Agent 的厂商，也头疼。按次收，客户嫌贵。按人头收，它又不是人。这套怎么定价，整个行业还在瞎摸。
五道坎，随便卡一道，你的”数字员工”就变成 PPT 里的摆设。
数据、权限、责任、效果、收费——五道坎，随便一道就卡死项目。
2027 年那把刀已经悬着了
高德纳（Gartner，一家专门研究 IT 行业的机构）放过一句狠话：到 2027 年底，超过 40% 的 AI Agent 项目会被砍掉。原因就三个——成本越滚越高、说不清到底值不值、风险管不住。
它还造了个词，叫”agent washing”，翻成人话就是给老软件套个”智能体”的壳，贴张新标签，接着卖。市面上打着 Agent 旗号的东西，不少就是换了层皮的老自动化脚本。
这把刀不是吓人的。一个项目连续两年算不出回报，管钱那位的耐心是有限的。今天热热闹闹上的这批，两年后大概率有四成以上，接近一半，要在预算会上被砍掉。
风口会奖励第一批冲进去的人，也会惩罚只带着 PPT 冲进去的人。
那到底什么场景值得上 Agent
拆完台，也得说点实在的。Agent 不是没用，是常被用错地方。
我的判断很简单：任务越重复、规则越清楚、错了越好查，就越值得上 Agent；反过来，越要拍板、越要担责、越模糊，就越别碰。
举两个我见过真跑起来的例子：一家公司把财务月结的对账周期压掉大半，因为对账这活儿规则死、量又大，正好喂给 Agent；还有把招投标的商机筛选交给 Agent，据项目方说，有效商机明显翻了番，因为筛信息这事枯燥、标准又明确。
共同点只有一个：这些活儿本来就该自动化，只是以前的工具不够聪明。Agent 补上了那一截。它不是替了人，是把人从苦力里捞出来。
反过来，那些要谈判、要判断、要对结果负责的活儿——定价、招人、签大单——你现在交给 Agent，就是给自己埋雷。
一句话收：别买”数字员工”，去买”能自动跑的重复活儿”。前者是故事，后者是生意。
上不上 Agent，不看它多火，看你手里有没有那种规则清楚、量又大、错了好查的活儿。有，就上，能省是真省。没有，那件皇帝新衣，先别急着往身上套。
规则死、量又大、错了好查的活儿，才是 Agent 真能省钱的地方。
数据来源：麦肯锡《人工智能现状》年度调查，78% 的组织已在至少一个业务环节使用 AI。麻省理工的 MIT NANDA 报告（2025 年），约 95% 的企业生成式 AI 试点未产生可衡量回报。波士顿咨询（BCG）研究，仅约四分之一的公司真正从 AI 中做出可见价值。普华永道（PwC）AI Agent 调研，近八成公司已采用 AI Agent、八成八计划继续增加 AI 预算。高德纳（Gartner）预测，到 2027 年底超过 40% 的 AI Agent 项目将因成本高企、价值不清或风险失控被取消。