AI Agent 不该遍地开花：一位实践者的选型思考

当 Agentforce、Agent Factory、watsonx Orchestrate 都在把「Agent 化企业」写进 PPT 时，几乎每家公司都会收到同一句指令：「我们的 Agent 战略呢？我要你们一次造它一打。」于是草稿 Agent、研究 Agent、QA Agent、工单分流 Agent 排满了路线图，二十个流程、二十个 Agent，一个真正的「工厂」就此开工——演示效果很漂亮，但问题也随之而来。这篇文章的核心观点是：在动手造第一个 Agent 之前，先回答三个问题——它有没有带来更多营收？有没有压住库存？有没有降低运营费用？答不上来，再多 Agent 也只是让某个工位变快，并不会让公司变好。

三十年前的工厂小说，已经预言了今天的 Agent 狂热

作者把 1984 年 Eliyahu Goldratt 的管理学小说《目标》重新翻出来读了一遍，发现它在 AI Agent 时代仍然完全适用。书里主角 Alex Rogo 的工厂里刚装了一批机器人，单个工位效率提升 36%，全厂上下都很振奋；老教授 Jonah 问的三个问题——「销量涨了吗？库存降了吗？运营费用降了吗？」——答案全是否，工厂依然离关闭只剩三个月。新技术把一个工位变快了，但企业作为一个系统并没有变健康。

作者把这段情节直接平移到今天：一个新工具出现，所有人都急着把它怼向所有任务，用「活跃度」冒充「进步」。工具每几年升级一次，陷阱却原样出厂。

真正有用的问题是：公司到底是用来做什么的

《目标》给出的回答很直白：公司存在的目的就是赚钱，每一个机器人、每一条产线、今天则是每一个 Agent，只有在推动这个数字时才有用。把「机器人」换成「Agent」，这本 1984 年的书就成了一份给企业 Agent 建设者的警告：批量制造本身正是陷阱，唯一重要的是每个 Agent 是否真的在推动业务。

文章同时提醒一个更微妙的真相：强大的工具在解决老问题的同时，往往会制造新问题。Agent 若瞄错了步骤，不是「没帮上忙」那么简单——它会安静地产出更多半成品，把负担压给下游审阅的人。而下游审阅，几乎总是今天整套流程里最慢的一环。

真正的打法：先找约束，再上 Agent

文章给出的核心结论是：工厂式批量造 Agent 不是目标，目标是通过量——真正能交付、能推动业务的活。把 Agent 堆到原本就不慢的环节上，只是把工作挪到那个真正慢的环节前面去堆积，而那个环节今天几乎一定是「人在审阅 Agent 产出的那个人」。

因此正确的动作恰好与「到处上 Agent」相反：

• 找到全流程中唯一的约束点。
• 把下一个 Agent 精准指向它。
• 让其他所有步骤的节奏去匹配这个约束点的速度。

一个不太乐观的行业预判

文章引述了 Gartner 的预测：到 2027 年底，超过 40% 的 Agentic AI 项目将被取消，原因为成本失控与商业价值不清。这个数字与 Jonah 三十多年前对那批工厂机器人的判决如出一辙，只是对象从机器换成了 Agent。

作者建议把 Jonah 的三个问题贴在显示器边上，用来审视每一轮 Agent 上线：

• 有没有多交付公司真正需要的东西？
• 有没有压住库存——这里指的是所有待审、待对、待回滚的半成品？
• 有没有压低端到端运营成本？

文章最后表示，后续会用四篇文章分别拆解「陷阱」「瓶颈」「原则」「动手做」四个主题，但就这一篇传递的方法论而言，核心只有一句话：一个看上去很忙的 Agent 战略，和一个真正在推动数字的 Agent 战略，差别不在数量，在瞄准。