AI Agent 元年:从＂会聊天＂到＂会干活＂,企业还差哪几步

开篇：连造词的人都在改口

2025 年 2 月，Andrej Karpathy 提出 Vibe Coding——用自然语言向 AI 提需求，全盘接受它的产出。这个词火了一年，成了柯林斯词典年度热词。

一年之后，Karpathy 自己改了口。他开始反复讲另一个词：Agentic Engineering（智能体工程），并且把"监督、审查、工程纪律"挂在嘴边。从"跟着感觉走"到"带着纪律干"，造词的人往回收了半步。

同一时间，产业界在往前冲：几乎所有大厂都发布了自己的 Agent 产品，企业里的 Agent 项目像雨后春笋一样立项。一边是全行业all in，一边是发起人自己强调纪律——这个反差，就是 2026 年 AI Agent 元年的真实表情。

 三句话读完本文

1Agent 的采用已经是常态：过半大型企业在部署，但没有哪个业务职能的规模化使用超过 10%——广种薄收，是元年的真实产量。

2Gartner 预测：到 2027 年底，超过 40% 的 agentic AI 项目会被取消，原因是成本失控、价值不清、风控不足。取消潮和采用潮是同一波。

3"会聊天"和"会干活"之间隔着三个前置条件：需求说得清、数据接得上、结果验得了。第一条，正是优创平台五步链路在解决的问题。

这篇文章想说清楚三件事：Agent 元年的数据真相是什么、项目取消潮会取消掉什么样的项目、以及企业把 Agent 真正用起来的正确顺序。

一、2026，人人都在部署 Agent？先看数据怎么说

关于 Agent 的采用率，市面上有两组看起来矛盾的数字。把它们放在一起，才能看清真实情况。

第一组，热火朝天：

第二组，冷水浇头：

两组数字都真，因为它们测的不是一回事。第一组测的是"开始"，第二组测的是"活下来"。合起来的结论只有一句：

Agent 元年，广种薄收。 人人都在播种，出苗率还没人敢报。

二、取消潮已经排上日程

播种的人多了，Gartner 把收割的时间表也写好了：到 2027 年底，超过 40% 的 agentic AI 项目将被取消。 取消理由写得明明白白：成本失控（escalating costs）、商业价值不清（unclear business value）、风险控制不足（inadequate risk controls）。

这三条，每一条都能在数据里找到注脚：

成本失控：Agent 和聊天机器人的成本结构完全不同。聊天机器人一问一答，成本可预估；Agent 连续执行、循环调用、自主决策，一个任务跑下来消耗多少 token，很多团队自己也算不清。没有"单任务成本"这个数，规模化就是烧钱的黑洞。

价值不清：Deloitte 的调查里，只有 21% 的公司有成熟的 Agent 治理模型。治理缺位的直接后果是——项目上线了，但没人能回答"它到底替我们省了什么、赚了什么"。回答不了这个问题的项目，就是下一轮预算评审里被砍的那个。

风控不足：Gartner 明确提醒，完全自主的智能体尚无法满足大多数企业用例的需求，人工监督不可或缺，企业应该按"半自主部署模式"做规划。翻译一下：现阶段把方向盘完全交给 Agent 的项目，都在裸奔。

还有一个更隐蔽的坑，Gartner 起了个名字：Agent Washing（伪智能体包装）。成千上万家自称"agentic AI 提供商"的厂商里，Gartner 估计只有约 130 家具备真正的智能体能力，其余的多数是把传统自动化和 RPA 换了个新包装。Gartner 甚至预测：到 2029 年，超过 70% 的企业 agentic AI 项目会因为买到了"伪智能体"而失败。

对企业来说，这意味着选型阶段就要多问一句：你说的 Agent，是能自主规划、调用工具、连续执行的，还是一个换了名字的 if-else 脚本？

三、"会聊天"和"会干活"，差的到底是什么

回到 Karpathy 改口的那半步。从 Vibe Coding 到 Agentic Engineering，变的不是模型能力，是 AI 和真实世界的接触面。

聊天式 AI 只动嘴：产出是文字，说错了，改一句话重问就行，代价趋近于零。

干活的 Agent 要动手：它读你的数据库、调你的接口、走你的审批流、改你的工单状态。动手的 AI 一旦出错，代价结构完全变了——发错的邮件收不回来，改错的订单要人工回滚，写脏的数据会污染下游所有报表。

所以"会干活"比"会聊天"多出来三样东西，恰好就是三个前置条件：

第一，需求说得清。 Agent 执行的指令，必须是结构化的规范，不能是口头禅。"帮我把报修流程自动化"这句话，人会追问十几轮，Agent 只会按它的理解直接开干——然后你收获一个跑得很欢但方向全错的流程。更麻烦的是，Agent 会持续执行：人写错代码改一次就行，Agent 拿着错误规范跑一个月，就是一个月的错误数据。垃圾进垃圾出，在 Agent 时代被按下了循环播放键。

第二，数据接得上。 Agent 干活靠的是企业的真实数据：存量系统、接口、权限体系。McKinsey 对跑得最好的企业 Agent 项目的总结里有一条：赢家是把 Agent 连接到受治理的数据和可度量的流程上的团队。数据没治理好的企业，Agent 接上去只会把脏数据搅得更快。

第三，结果验得了。 那些最强的企业 Agent 项目，共同做法是：从一个可度量的流程起步，设置明确的人工审批点，核算每个完成任务的成本，用业务结果而不是"上了几个 Agent"来评估成败。半自主不是过渡方案，是现阶段的正确答案。

四、优创的位置：把第一个前置条件做成主链路

三个前置条件里，数据和验证靠企业自己的家底，需求这一条，恰好是优创平台从第一天就在做的事。

优创平台五步链路 自然语言输入需求 → AI 生成需求文档 → 提交生成 PRD → 提交生成方案文档 → 导出方案，配合平台 skill 在本地生成代码

上一篇（《Vibe Coding 撞上"三个月之墙"》）我们讲过，这条链路和 SDD（规范驱动开发）天然同构：规范是唯一事实源，代码是规范的派生产物。 在 Agent 时代，这个设计多了一层意义：

写给人的文档，同时也是写给 Agent 的操作说明书。

需求文档里的角色、场景、功能边界、验收标准，PRD 里的模块拆解，方案文档里的技术设计——这些结构化产出，就是 Agent 干活时最可靠的上游输入。给 Agent 一份确认过的规范，它是在执行任务；给 Agent 一段聊天记录，它是在猜谜。the spec is the prompt，这句话在 Agent 时代比在 Vibe Coding 时代更成立。

而且这条链路的每一步产出都可编辑、可确认、可级联更新：业务变了，改需求文档，PRD 和方案文档跟着更新，变更对比让你看清动了哪里——Agent 拿到的说明书永远是最新版，而不是三个月前某次对话的残影。

这不是纸面推演。某升压站智能化温场监测预警系统——12 个刀闸、分钟级数据采集、分级预警加智能分析——从一句话需求到系统上线用了 18 天，全过程的规范文档都沉淀在这条链路里。这些文档，就是那套系统未来接入更多 Agent 能力时的地基。

写在最后

Agent 元年的真实图景，是两股潮水同时上涨：采用的潮水和取消的潮水。它们冲的是同一批项目，区别只在于项目底下有没有地基。

这个地基不在模型侧。模型能力是买得到的商品，人人都一样。真正的竞争在于：谁的业务被整理成了机器能读懂的规范。 整理过的企业，Agent 是员工；没整理的企业，Agent 是事故。

优创平台做的，就是陪企业把业务一份一份整理成规范——先让软件从规范里长出来，再让 Agent 在规范上跑起来。

优创平台｜AI 驱动的"需求到代码"一体化开发平台

想弄清楚"为什么全世界都在改口先写文档"，看上一篇《Vibe Coding 撞上"三个月之墙"》。下一篇，我们把镜头转向中小企业：没有开发团队的你，2026 年怎么拥有自己的软件。

信源：Gartner 新闻稿及《三大热门技术成熟度曲线》（2025-2026）、McKinsey《State of AI》全球调研（2025 年 11 月）、KPMG AI Quarterly Pulse Survey（2026 年 Q2/Q3）、Deloitte Agentic AI Transformation Survey（2026 年 8 月）、Google Cloud《The ROI of AI》高管调研、Andrej Karpathy 关于 Vibe Coding 与 Agentic Engineering 的公开表述。均为外部公开口径，仅用于说明行业趋势。