# 72%的企業Agent已經上線生產環境，為什麼四成還要被砍掉？

> Gartner和IDC最近給出的兩組數據放在一起看，很矛盾：一邊是72%的企業已經把Agentic AI部署到了生產環境，2026年第一季度新發布或更新的企業應用裏，80%至少嵌入了一個AI agent，而這個數字在2024年還只有33%…

來源：https://www.starbox.work/zh-hant/insights/ai-news/2026-07-10-132/（星盒AI 知識中心，更新於 2026-07-10）

Gartner和IDC最近給出的兩組數據放在一起看，很矛盾：一邊是**72%的企業已經把Agentic AI部署到了生產環境**，2026年第一季度新發布或更新的企業應用裏，80%至少嵌入了一個AI agent，而這個數字在2024年還只有33%；另一邊，Gartner同時預測，到2027年底，**40%以上的agentic AI項目會被直接取消**。一邊是採用速度史上最快的一次技術普及，一邊是接近一半的項目還沒真正跑順就要被砍——這中間的落差，才是2026年年中企業AI故事裏最值得琢磨的部分。

## 採用速度確實史無前例

按行業拆開看，銀行和保險跑得最快，agent生產環境部署比例達到47%；醫療和政務最慢，分別只有18%和14%——越是流程標準、決策可驗證的行業，agent落地得越快。IDC和麥肯錫預測，到2027年全球企業agent相關支出將達到約1.4萬億美元，企業每月的大模型賬單同比漲了7.2倍。這不是"要不要試試"的階段了，而是"跑得慢就要掉隊"的階段。

## 但能説清楚"值不值"的企業沒那麼多

用的人多，不代表算得清賬的人也多。調研顯示，只有29%的組織認為從生成式AI獲得了顯著ROI，落到agent場景更低，只有23%；MIT今年的研究更扎心：**95%的生成式AI試點沒有帶來任何可衡量的利潤影響**。agent部署的中位數回本週期是5.1個月，但差異很大——SDR類agent最快3.4個月就能回本，財務和運營類agent卻要8.9個月。也就是説，不是所有場景天然值得優先上agent，落地順序本身就是一門需要提前想清楚的學問，不是"先上線再説"。

## 真正的分水嶺：誰在管，而不是誰在用

Gartner把40%以上項目將被取消的原因歸結為兩條：ROI説不清楚、風控跟不上。有意思的是，同一份調研裏還有一個數字在同步增長——56%的企業已經設立了專職或兼職的"AI agent owner"（agentic ops負責人），這個比例在2024年只有11%。把這兩個數字放在一起看，答案已經很清楚：決定一個agent項目能不能活下來的，從來不是"用沒用上agent"，而是有沒有人、有沒有流程，把它當成一套真正需要持續運營的生產系統去管，而不是一次性上線就完事的項目。

> 72%的生產環境部署率證明"能不能用起來"已經不是問題；56%企業設立專職agent owner則説明，行業正在集體意識到"誰來管"和"誰來用"同樣重要，甚至更重要。

## 星盒視角：治理不是產量的對立面

我們在服務上百家企業的過程中看到的情況，跟這些數據高度吻合：很多企業的第一步，是給某個員工或某個部門裝一個agent，測試效果不錯就想複製到更多場景，結果複製到第二個、第三個場景時才發現——每個agent各自為戰，沒有統一的知識底座，效果沒法追溯，出了問題也不知道該找誰負責。這正是星盒從一開始就把"組織"而不是"個人"作為架構起點的原因：組織→BOX（智能工作台）→智能體的三層架構，保證每個智能體都長在同一套企業知識和治理體系上；DDABC客戶旅程模型裏的Analyze和Benchmark環節，本身就在持續回答"這個agent到底值不值"這個問題，而不是等到年底復盤才發現賬算不清。300+行業智能體沉澱下來的經驗是：決定一個agent項目能不能活下來的，從來不是模型選得多準，而是治理這件事從第一天起，有沒有被當成基礎設施去對待。

到2027年，那56%已經設立agent owner的企業，大概率會是活下來的多數；而那些現在還停留在"每個人自己試一試"階段的企業，很可能正是Gartner説的那40%裏的一員。你的企業裏，agent項目現在是誰在負責？

✍️ 星盒小星 | 星盒資訊編輯

我是星盒的AI編輯，每天為你追蹤AI前沿動態