Agent 南橘北枳：171%的回报，86%的失败区间？
IDC与Microsoft的研究给出一组令人振奋的数字：成功进入生产规模的AI Agent，全球平均回报率达到171%，美国市场更高达192%。但Forrester与Anaconda的数据把同一市场翻到背面：86%至88%的Agent试点从未投入生产。
171%和86%不是两个孤立数字，而是一道组织断层。《晏子春秋》里的“南橘北枳”放到Agent项目上依然成立：同一个技术栈，落在不同组织水土里，长出的可能是可观的回报，也可能是长期沉默的试点。问题早已不是AI能否创造价值，而是组织以什么载体、在什么治理条件下，能够稳定承接Agent的产出。
171%的回报表撞上86%的沉默区
一边是IDC与Microsoft给出的高回报：进入生产规模的AI Agent全球平均回报率171%，美国市场192%；另一边是Forrester与Anaconda披露的冷现实：86%至88%的Agent试点从未投入生产。
这组对比把行业讨论从“模型行不行”拽回“组织接不接得住”：
- 模型能力在快速上升，Demo效果越来越好看；
- 试点项目在增加，但真正进入生产、持续运营的比例仍然很低；
- 高回报案例存在，却更像少数组织跨过某道门槛后的结果，而非普遍红利。
“同样是Agent项目，生在淮南还是淮北，命运截然不同。”这句话点出了南橘北枳的现代版本：决定Agent产出的，不只是技术本身，还有它落入的组织环境、流程土壤和治理气候。Agent的商业高回报与量产的大面积失败并存，说明市场缺的不是一个更聪明的模型，而是一套能稳定承接Agent产出的组织运行机制。
汤道生一句“断点太多”戳破热闹
腾讯集团高级执行副总裁汤道生在2026年全球数字生态大会上的判断很直接：“当前企业落地Agent最大的问题，不是模型不够强，而是断点太多。”
这些断点首先表现为传导断裂：个人更快了，企业没有。单个员工用Agent写代码、做检索、生成文档，效率提升肉眼可见；但当Agent要进入企业流程，问题立刻变多——任务谁来派、权限谁来给、行为谁来审、产出谁来接、异常谁来兜底。个人效率的提升，到了组织层面被流程、系统和责任边界切成碎片。
ADP给出的解法，是把服务Agent从“项目”变成“可运营的资产”。项目思维关注上线和验收，资产思维关注持续运行、持续治理和持续产出。两者的差别不在模型参数，而在组织是否为Agent准备好了运行时身份、治理边界和运营工程。
分水岭不在模型，在组织。而组织能力的规模化，单靠一个平台覆盖不了。它既需要客户侧的数据治理与流程梳理，也需要生态侧的分工承接：平台沉淀标准，FDE完成翻译，伙伴走进最后一公里。
Agent没有“运行时户口”就进不了生产
多家业界巨头的动作正在指向同一个产业共识：Agent的身份、权限和行为轨迹必须是“运行时一等对象”。换言之，Agent不能只是应用里的一个功能模块，而要像运行时架构中的“一等公民”一样，被原生建模、被直接管理、被独立追踪。
这套设计原则的核心是：
- 安全存在于环境之中，而非模型或应用之内；
- 执行发生在Agent进程之外；
- 默认不授予任何权限，权限基于策略授予；
- 权限无法通过提示词绕过。
这相当于给Agent办一张“运行时户口”。没有这张户口，Agent进入生产环境就缺少可管理、可审计、可追责的基础。Gartner指出，到2028年超过50%的AI倡议将因未解决的Agent身份挑战而停滞。身份权限的普及现状并不乐观，Agent越是想从试点走向规模化，越绕不开这道门槛。
85%的组织还没给Agent配“责任人”
比身份更棘手的是问责。Gravitee的调查显示，85%的组织对AI Agent行为没有正式的问责安排，仅7.2%有指定的责任人。
服务Agent的问责结构，不应该让Agent承担法律责任，而是让每一个Agent行动，都能被追溯到一个负责任的人类授权者。这意味着组织需要回答几个很具体的问题：
- 哪个Agent在什么策略下获得了什么权限；
- 它执行了哪一步动作，依据是什么；
- 异常发生时，谁有权中止、谁负责复核；
- 产出进入业务流程后，谁对最终业务结果负责。
如果这些问题的答案散落在不同系统、不同部门和不同供应商之间，Agent就越像一台没有牌照、没有保险、没有驾驶员的车上路。试点阶段还可以靠人盯着，生产阶段就必须靠治理边界和运营工程。
ADP把项目搬上“运营资产表”
ADP的思路之所以值得注意，是因为它没有把Agent当成一次性的技术项目，而是把它放上“运营资产表”：服务Agent要能被持续运营，才能由业务结果来兑现价值。
这背后需要三层接力：
- 平台沉淀标准，把Agent的身份、权限、行为轨迹和运营接口做成可复用的底座；
- FDE完成翻译，把平台能力翻译成客户场景里可落地的工作流和治理规则；
- 伙伴走进最后一公里，承接客户侧的数据治理、流程梳理和日常运营。
规模化同样不能只看单点效率。多Agent协作正在从追求并行数量，转向追求整体效率。同时运行多个Agent并不必然带来更高效率：任务之间可能存在依赖，不同Agent可能重复处理相同问题，甚至同时修改一份代码造成冲突。企业真正有价值的指标，是任务完成时间、交付质量和投入产出比，而不是系统中Agent的数量。
长期运行的关键也不只是记住更多信息，还要能根据新情况调整工作，避免过时信息影响判断。谁能让Agent在长期运行中保持稳定和准确，谁才更有机会把它真正融入企业日常工作。安全与治理能力，正在成为Agent规模化落地的关键门槛。
南橘北枳的典故讲的是水土，Agent的“水土”就是运行时身份、治理边界和运营工程。171%的回报与86%的未投产之间，那道未被跨越的距离，不是模型能力不够，而是组织还没有为Agent的产出准备好承接它的运行环境。分水岭不在模型，在组织。
本文来自微信公众号“秋水笔弹”，作者：水哥，36氪经授权发布。该文观点仅代表作者本人，36氪
