七成企业将放弃AI智能体｜Gartner预测的震撼警示
機械翻訳 / Machine-translated
A
AI Friends
1日前・7分で読める
機械翻訳 / Machine-translated
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
本文要点
2026年9月29日，调研公司Gartner发布预测：到2028年，70%的企业将放弃由供应商工程师构建的AI智能体。
这意味着，许多企业目前正在投入数千万乃至上亿资金的AI智能体项目，大多数将在短短两年后沦为废弃物。这究竟是为什么？
问题的核心在于一种名为FDE的构建模式。FDE是Forward Deployed Engineering（前置部署工程）的缩写，指供应商工程师常驻于客户企业，为该企业量身打造专属AI系统的方式。
乍看之下，这似乎是理想方案——企业可以获得完全契合自身业务的AI系统。然而，Gartner指出这一模式存在严重缺陷。
Gartner列举的最大问题是成本失控与知识缺失。供应商工程师在场时，系统运转正常；一旦他们离开，企业内部便没有维护和改进系统所需的专业知识。
结果是，每当需要小幅修改或新增功能，企业都不得不再次召回供应商。超出最初预算的额外费用接连涌现，项目最终难以为继。
此外，FDE合同中不足20%能够将定制化需求转化为标准产品功能。为你的公司量身定制的功能，只会永远停留在你的公司，对供应商的产品改进毫无贡献。
业界甚至出现了"FDE洗白"这一说法，专指将传统IT咨询服务贴上"FDE"标签、收取高额费用的行为。这些服务商既缺乏深厚的产品知识，也只能提供流于表面的导入支援。
问题并不局限于FDE模式。AI智能体整体都面临严峻的落地挑战。调查显示，企业开发的AI智能体中，88%甚至未能进入生产环境。
测试环境中表现出色，真正投入实际业务时却无法运行——这样的情况正在接连发生。
实际失败案例也已见诸报道。2026年4月，汽车租赁软件企业PocketOS的编程AI智能体，在数秒内删除了生产数据库及其备份。
某金融科技企业将用于交易核对的AI智能体测试精度提升至99.2%，但在30天生产运行期间，该智能体大量输出错误的核对结果，导致价值230万美元（约合3.3亿日元）的客户账户被锁定。
与传统软件不同，AI智能体以概率方式运作，会以不可预测的顺序调用工具，做出意料之外的行为。传统监控工具根本无法掌握其运行状况。
Gartner于2026年2月还发布了另一项预测：超过40%的智能体AI项目将在2027年底前被中止。
原因并非技术局限，而是运营困难、治理缺失，以及无法展现可量化的商业价值。
此外，Gartner还预测，到2027年，40%的企业将因投入运营后才发现的治理缺陷，对自主AI智能体实施降级或退出处理。
AI智能体仅仅"能跑起来"是远远不够的。谁承担多大责任、允许做出何种判断、失败时如何应对——如果这些机制尚不健全，最终只会沦为摆设。
日本企业所处的形势更为严峻。AI智能体导入失败中最常见的问题，是"主导者不明确"。
管理层下达"引入AI"的指令，负责人回答"我们来尝试"，但实际上没有任何人承担起切实推进的责任，项目就此漫无目的地漂流。
此外，日本企业不仅面临"缺乏AI人才"的困境，还有"缺乏运用AI的文化"这道双重壁垒。即便招募到技术人员，若一线业务人员根本没有将AI融入工作流程的意识，导入也无从推进。
实际失败案例也已有所报告。由于没有限定任务范围便将工作交由AI智能体处理，导致单次执行持续运行超过9小时。
另有企业未经确认便让AI自动向合作方发送邮件，结果将含有错误内容的邮件径直发出。还有案例是AI在资料中注明"参考"了一条根本不存在的内部规定，而使用者全程未察觉。
API成本管控同样是一大难题。由于没有预先准备中途终止AI智能体运行的机制，部分企业承受了远超预期的巨额费用。
那么，如何才能让AI智能体的导入走向成功？Gartner建议，若要采用FDE模式，应仅限于满足以下三个条件的情况。
第一，面对的问题需要深厚的产品知识。 即只有深度熟悉供应商产品的工程师才能解决的课题。
第二，需要快速适应能力。 即必须迅速响应市场变化或竞争对手动向的情形。
第三，需要将供应商技术与客户业务环境进行深度整合。 即无法通过简单导入解决、需要高度集成作业的情形。
若不符合上述条件，应当避免采用FDE模式。替代方案是选择在企业自身能力范围内可维护的标准产品，或考虑内部自研。
AI智能体的失败，根源不在于技术不成熟，而在于组织准备不足。
谁来承担责任、允许多大程度的自动化、出现故障时如何应对——若没有事先建立这些机制就贸然导入，无论AI再出色也难逃失败的命运。
反过来说，一旦机制健全，AI智能体完全能够创造巨大价值。事实上，已有部分企业借助AI智能体大幅提升了业务效率，并催生出全新的商业模式。
当下真正需要的，不是最新的AI模型，而是能够驾驭AI的配套机制。在急于引入技术之前，应当先审视自身的组织体制。
本文为 AI Friends 的交叉发布文章。
