每年都有人说今年是 Agent 之年，但一份访问了 95 位生产环境 Agent 工程负责人的调查结论相当冷静。MIT 调查 1837 家企业，只有 95 家真正跑在生产环境，其余 95% 卡在实验和试点；落地的 5% 里，受监管行业 70% 每三个月就要重建技术栈。

每年都有人说“今年是Agent之年”，2025年喊过，2026年接着喊。

可一份2025年8月完成的调查，访问了95位已经在生产环境跑AI Agent的工程负责人，结论相当冷静：就算在这批“跑通了”的人里，Agent也远没有成熟。

今年，大概率仍不是Agent之年。

01 95%的项目没落地，落地的5%也不轻松

MIT调查了1837家企业，只有95家让AI Agent真正跑在生产环境，其余95%都卡在实验和试点。

落地的这5%也没好到哪去：受监管行业70%的企业每3个月就要重建一次技术栈，只有5%把“准确调用工具”列为头号技术难题，63%承认连Agent干得好不好都看不清。

结论：大多数公司还没走到“能用”这一步。

02 AI技术栈像流沙，昨天能用的今天就得重写

受监管行业里，70%的企业每季度换一次技术栈，不受监管的也有41%这么干。有受访者两个月内从一套框架换到另一套，刚换完又开始琢磨要不要换回去。

模型、框架、编排层迭代太快，试点能跑的东西一到生产就过时。内部自建AI工具失败率是外部合作的两倍，根源就是技术栈换得太快，自建团队追不上。

结论：不是大家不想稳定，是底座一直在晃。

03 生产里的agent，大多在干”打杂”

落地最多的场景：文档处理76%、文档分析74%、回答FAQ和技术文档70%、数据提取66%、数据分析64%，还有一半在给人工客服打下手。

这些活的共同点：重复、量大、回报好算。只有5%的工程负责人把“工具调用准确”当头号难题，恰恰说明多数Agent还在拼表面回复，没到拼深度推理和精准控制的阶段。

结论：Agent还处在“能干活”，远没到“能扛事”。

04 评估靠自建，可观测性是最弱一环

技术栈各环节里，满意度最低的是可观测性和评估，不到三分之一的团队满意，近一半在找替代方案。79%的公司用内部自建的办法评估Agent准不准，只有21%用第三方工具。

内部方法可控，但覆盖不全、难以规模化，Agent一面向更多用户，盲区就露出来。构建方式上，22%纯自建、10%纯外部，剩下68%都是混合路线。

结论：看不见Agent在干什么，就谈不上信任它。

05 规模一大，问题全变

交互量小的Agent，头号挑战是成本，占37%到40%；交互量超过1万次的Agent，延迟立刻顶上来，占比35%，可靠性也成了主角。

小规模跑得好，不代表放量后还跑得动。所以未来一年，62%的团队把头号投资放在可观测性和评估上，57%打算微调定制模型，56%要压幻觉。

结论：Agent越深入业务，地基越拖后腿。

06 出路不在更强的模型，在人

调查给出的方向很朴素：让Agent变好，跟带人是一个道理，靠反馈、纠错和问责，而不是每几个月推翻重训。

受监管行业42%的企业计划给Agent加审批、复核、审查行为这类管理功能，不受监管的只有16%。

当Agent开始扛更多责任，把人的审批嵌进流程不是退步，是它安全长大的前提。

结论：人和流程，才是Agent能不能成事的答案。

07 变化速度

有人会说，这是2025年8月的调查，2026年AI变化这么快，结论还成立吗？

一句话：变化越快，底座越晃——技术栈每季度重建、评估靠自建、可观测性缺失，这些结构性问题一年时间改变不了，只会随迭代加速更突出，Agent离成熟只会更远。

08 国内的情况怎样？

虽然调查数据都来自海外，但国内情况只能说更不乐观。因为压根还没想到这些评价标准，就不要提改进了。

轰轰烈烈的agent demo，只能说明与事实完全相反。

写在最后

押注今年就是Agent元年，大概率押错了。明年、后年是不是，现在也看不出来。

2026年不会以“Agent之年”被记住。95%的项目还在试错，落地的5%还在频繁换底座、补可观测性、建审批流程。

判断Agent成没成年，不看谁喊得响，看它能不能在真实业务里稳定、可控、透明地跑起来。

这一年，是打地基的一年，不是狂欢的一年。