夜雨聆风
免责声明：本文为行业趋势分析，不构成任何投资建议。文中涉及的企业案例和技术判断基于 2026 年 5 月公开信息，各公司产品策略可能变化。作者与文中提及的公司无利益关系。
2025 年秋天，MIT 发了一份报告，数据很刺眼：95% 的企业 AI 项目失败了。
同一年，硅谷的 AI 创业者们在 YC 的播客里笑出了声："好消息是，大公司做 AI 真的不行。"
这两个信息放在一起，有一个很容易被忽略的奇怪之处：AI 明明在加速——模型越来越强，token 越来越便宜，一个人加 AI 能干以前一个团队的活——为什么一进企业就倒闭？
Box 的 CEO Aaron Levie 在 a16z 的对话里给了一个很精确的诊断。他说，企业一直在犯同一个错误：把 AI 当成软件来集成。
这句话听着简单，背后的代价是整个企业 IT 架构的设计前提在崩塌。
一、软件的逻辑 vs 用户的逻辑
过去四十年，企业 IT 的集成方式是标准化的：软件通过 API 接入，用户通过 SSO 登录，权限通过 RBAC 管理。一个软件就是一组确定性的输入和输出——调用这个接口，返回那个结果，稳定、可预测、可审计。
这个体系是为"软件"设计的。但现在你面前的东西不是软件。
一个 AI agent。它能自己读文档、自己做决策、自己调用工具、自己试错、自己在多个系统之间来回横跳。它不是一个等着被调用的 API 端点，它是一个需要被接入工作环境的新同事。
软件的逻辑是"你怎么调用我"。用户的逻辑是"我怎么登录、我能看到什么、我能碰什么、我需要什么上下文才能开始工作"。
把 AI agent 当成软件，就是给它一个 API key 然后期望它自动理解一切。结果当然是灾难。
把 AI agent 当用户，就要回答一组完全不同的问题：它需要什么权限？它去哪读文档？它的"工位"在哪个系统里？它做完事情之后，结果交给谁 review？它出错了谁来纠正？
不是软件怎么集成。是用户怎么入职。
二、95% 失败率的根因
那 MIT 的 95% 失败率到底是因为什么？
坊间流传的版本是"AI 不够好"或者"数据不够干净"。但 Box CEO 和 a16z 的 Martin Casado 拆开来看，真正卡死的是三层东西。
第一层：权限。 AI agent 需要访问多个系统才能完成一个完整的任务——读邮件、看 CRM、改代码仓库、跑 CI。但企业里每个系统都有自己的权限体系，agent 没有统一的身份。它要么没有权限什么也做不了，要么权限太大安全团队不让过。
第二层：上下文。 你给一个新员工入职，不会只给他一个 Jira 链接。你会告诉他：这是团队规范、这是代码库的结构、这是这个季度最重要的三个目标、这是上次搞砸的历史教训。AI agent 也一样。但企业现有架构里，没有一个"给 agent 读入职文档"的标准流程。
第三层：反馈。 软件不需要反馈。调 API 返回 200 就是成功，返回 500 就是失败。但 agent 不一样。它的输出有时候是对的，有时候是"看起来对但本质上偏了"，有时候是"方向对了但漏了边界条件"。没有人在循环里给它反馈，它就会在错误的方向上越跑越远——就是之前聊过的"勤奋地跑偏"。
这三层加起来，不是技术问题，是架构范式问题。企业的整个 IT 堆栈是为"可预测的软件调用"设计的，但 AI agent 是"不可预测的智能行为"。用控制软件的逻辑去管理 agent，就像用交通信号灯管理野马群。
三、Salesforce 无头化：SaaS 护城河的第一道裂缝
Box CEO 在对话里提到了一个特别有意思的信号：Salesforce 正在"无头化"。
什么叫无头化？传统的 SaaS 产品有三层：数据层、逻辑层、界面层。Salesforce 的核心护城河不只是 CRM 数据，还有几十万销售人员每天打开的那个界面——那个界面就是用户习惯、用户黏性、用户切换成本。
但现在 AI agent 不需要界面。它不需要点开一个网页，找到正确的字段，填进去。它直接通过 API 操作数据。Salesforce 如果不想被绕过，就得主动拆掉自己的界面护城河，把底层能力暴露给 agent。
这叫"无头化"。同一个趋势在 Box 自己身上也在发生——用户不需要打开 Box 的网页来管理文件，agent 直接在后台读写。
这对 SaaS 意味着什么？SaaS 的商业模式建立在"用户坐在界面前面"的前提上。按席位收费、按功能模块收费、在界面上做 upsell——这都是界面经济的产物。如果 agent 绕过界面直接操作数据，SaaS 公司的定价模型要被推翻重来。
Salesforce 选择了主动拆墙。但更多 SaaS 公司没准备好迎接这个现实：你的真正用户不再是人，是 agent。但你的整个产品、定价、集成架构，都是为人设计的。
四、组织上最痛苦的问题：AI agent 的"岗位"是什么
到这里，问题从技术变成了组织。
如果 agent 不是软件而是用户，那么它应该被分配什么角色？
Keith Rabois 最近说得更直接："PM 这个角色在 AI 时代没有意义。现在最核心的技能是 CEO 的技能——我们到底要做什么，为什么要做。"
这句话不是针对产品经理这个岗位的攻击。他说的是一种更根本的职能压缩：当 agent 能同时做研究、执行、测试、分析，传统的分工结构就不再是效率工具，而是瓶颈。你不需要把工作拆成 5 个岗位然后派给 5 个 agent。你把工作描述清楚，一个 agent 做完。
但这引出了一个管理上最难回答的问题：agent 到底归谁管？
它不属于工程部——它干的活涵盖了产品、设计、运维、数据。它不应该只对 CTO 汇报——实际上 Rabois 观察到的现象是，在最好的 AI 原生组织里，CMO 是 token 消耗量的第一名。 营销负责人直接调度 agent，跨过了层层副手。
那报告线怎么画？考核怎么定？agent 犯的错算谁的？
这些问题企业今天回答不了。但再不回答，五年之后的企业组织图会和今天完全不同。
五、怎么正确"入职"一个 AI agent
所以，如果你是一个正在把 AI 引入团队的负责人，具体该怎么做？
第一步：把 agent 当新员工，不当新工具。
给它分配一个身份——统一的 SSO 账号，跨系统的权限配置。这不是 over-engineering。这是 agent 能在多个系统之间完成完整任务的前提。
第二步：写一份 Agent Onboarding Doc。
一个人类新员工的入职文档包括：团队使命、当前目标、代码库地图、沟通规范、决策权限边界。AI agent 需要的东西一模一样。不同的是：agent 真的会读这份文档，而且每一轮推理都会参考它。
第三步：建立反馈循环，不只是测试覆盖率。
测试能告诉你 agent 的输出有没有错。但不能告诉你方向有没有偏。Agent 需要人类在日常工作中持续给出反馈——"这个方向对了""这个设计决策需要重新考虑""这个边界条件你没考虑到"。不是 code review，是 behavior review。
第四步：重新思考 SaaS 采购策略。
当你评估一个新的 SaaS 工具时，过去的标准是"好不好用"——指人类好不好用。现在的标准多了一条："Agent 能不能用？" 它有没有 API-first 设计？它的权限模型支不支持给 agent 分配独立身份？它的功能能不能被 agent 调用而不需要人类点开界面？
第五步：准备好组织结构会变。
当 CMO 成了公司最大的 token 消费者，当一个人 + agent 能完成以前一个部门的活，层级就会开始压缩。这不是裁员——是岗位本身的定义在变。早一点意识到这一点，会比被迫反应好得多。
六、回到本质
整篇文章其实在说一件事。
"软件集成"这个词本身就有问题。它默认了被集成的对象是一个可预测的、确定性的、被动的工具。
但 AI agent 不是。它是主动的、会探索的、会犯错的、需要上下文才能做出正确判断的。
用软件的逻辑去"集成"agent，就像用遥控器控制一个人——你可以给他发指令，但你管不了他怎么执行。而且你会发现，当他的能力越强，你的遥控器就越没用。
正确的方式不是把他当机器遥控。是把他当人入职。
不是 API integration。是 Agent onboarding。
这才是 95% 失败率的那个根。不是 AI 不够好。是企业还没学会当一个 AI 的老板。
参考来源：
- Box CEO on AI Agents & Why Enterprise Can't Keep Up | a16z
— Aaron Levie (Box CEO), Steven Sinofsky (a16z), Martin Casado (a16z) 对话，2026 年 4 月。核心观点：企业 AI 失败的根本原因在于把 AI 当成软件而非用户来集成，"Salesforce 无头化"信号。 - MIT State of AI in Business Report
— 95% 企业 AI 项目失败的原始数据来源，2025 年秋季发布。在 YC Lightcone 播客 "Good News For Startups: Enterprise Is Bad At AI" 中被详细讨论。 - Hard truths about building in the AI era | Keith Rabois (Khosla Ventures)
— Lenny's Podcast，2026 年 4 月。核心观点：PM 角色在 AI 时代无意义，CMO 成为公司最大 token 消费者。 - The AI era has made distribution the most important moat | Evan Spiegel (Snapchat CEO)
— Lenny's Podcast，2026 年 4 月。核心观点：纯软件不再构成护城河，分发是 AI 时代唯一持久壁垒。 - The Kleenex Phenomenon: Why Speed to Default Is the New Moat in AI | Jennifer Li (a16z)
— GTMnow 播客，2026 年 4 月。a16z Fund 5 中 $1.7B 专投 AI 基础设施，"默认首选速度" = 新护城河。
KenDAO —AI+Web3驱动商业进化的智库。
AI 重构生产力，Web3 重构生产关系。
