给Agent清理“屎山”，正在成为一门赚钱的生意_企业_公司_系统

文 | 字母AI企业采购Agent，屎山正在变得越来越那么点儿。清理OpenAI、正成赚钱Anthropic、为门Google和微软都在争夺企业客户，意企业Salesforce、司系ServiceNow、屎山Workday等SaaS公司则忙着把Agent塞进每个产品页面。清理可以说，正成赚钱购买Agent本身已经不是为门困难。但当企业真正尝试部署这些Agent时，意企业新的司系状况出现了：买Agent，并不等于让Agent进入工作。屎山美国抵押贷款公司CMG Financial就遇到了这样的清理困境：其首先席战略官Paul Akinmade之前曾在Salesforce年度大会上承诺，公司下一时期将促进100个Agent投入运行，正成赚钱但事情并没有他想象中那么那么点儿。之前，CMG已经将部分软件开发工作迁移到Claude Code，说明团队能够高效高效采取最新AI工具，可当团队试图让Agent进入Salesforce、参与真实业务步骤时，项目突然慢了下来。他们很快发现，Agent可以写代码、调用API，却无法理解一家企业多年积往往的数据、权限和业务步骤。类似的状况正在整个行业出现。根据猎头公司Christian & Timbers（C&T）的一项行业探究，美国目前真正具有将AI系统部署进企业、并协助客户获得可量化回报能力的前线部署工程师（Forward Deployed Engineer，FDE）仅约2000人。随着企业从“尝试AI”进入“规模化部署AI”，大型咨询和服务公司正在高效高效扩充这类团队。AI产业由此出现了一个略显讽刺的转折：企业已经不太缺Agent，真正稀缺的是能替它收拾旧系统的人。最后帮CMG找到路的，是一家名为June的创业公司。100个Agent，卡在Salesforce里大模型公司演示Agent时，常见会给它一个干净的环境。数据已经整理好，接口已经打通，任务边界清楚，调用权限也经过预设。Agent需实现的，是在一条平整的跑方式上说明自己跑得足够快。然而，现实中的企业系统很少如此整洁。一家经营了十几年的公司，常见同时采取Salesforce、ServiceNow、Workday、Databricks以及一批自建系统。一名客户可能出目前四个数据库中，具有四个编号、三个状态和两个负责人。系统之间还可能保留着历次组织调整、产品改版和管理层更替留下的痕迹。展开全文这些痕迹并不都是技术错误，只是不一样部门之间的判断原则不一样：销售部门可能按照是否产生商机判断“活跃客户”，财务部门则按照是否发生回款判断；客服认为客户关系已经终止，合规系统却需后续保留其档案。每个字段背后都有一套部门利益、责任边界和历史因素。在传统软件中，出于员工经验，这些矛盾的数据可以被人暂时消化。老员工知方式某个字段虽然名为“客户状态”，实际上已经两年没人更新；财务人员知方式导出报表后还关键手动修改三列；销售经理也清楚，系统里显示已经关闭的项目仍有挽回机会。但Agent没有这些经验，更不会产生这种默契——它只能认真地读取每个字段，按照被授予的权限实施指令。很多过去靠人类经验勉强维持的系统漏洞，在Agent面前，就变成了必须处理的大状况。错误的客户状态可能导致一封不合时宜的营销邮件，错误的贷款状态却可能触发风控、合规乃至法律责任。对 Agent 而言，这就是一座庞大无边的“屎山代码”。这正是CMG遇到的障碍。CMG Financial并非对AI毫无准备，事实上，作为美国一家抵押贷款公司，CMG近年来一直在探索如何将AI引入业务步骤。公司已经最初采取Claude Code辅助部分软件开发工作，也说明了其工程团队能够高效高效采取最新AI工具。在Salesforce生态中，CMG也希望进一步扩大AI采取范围。之前，CMG首先席战略官Paul Akinmade曾在Salesforce年度大会上提出目的：下一次回到大会时，公司希望已经有100个Agent投入运行。但当Agent真正进入企业步骤后，CMG很快发现，事情并没有想象中便捷。把软件开发迁移到Claude Code相对那么点儿，因为代码的边界较为清楚，错误也可以通过测试、审核和回滚加以控制；让Agent进入Salesforce则不一样，它面对的是一家公司多年经营活动留下来的数字沉积。这种状况下，Agent部署就不再是一个纯技术项目，它需企业回答一系列之前一直回避的状况：哪套数据才算真实，谁有权修改它，哪个部门为错误负责，以及哪些历史步骤应该被废除。为了让Agent真正进入工作流，CMG不得不引入架构师、咨询顾问和前线部署工程师（FDE），协助梳理企业现有系统。但几个星期过去，项目依然没有取得预期开展。直到CMG找到了一家名为June的创业公司。June创始人Efrat Rapoport将CMG的状况概括为：创建一个Agent模板并不不易，不易的是处理它下面的混乱。June给出的方式划，是先制作一张企业系统的“病历”。它会扫描公司已有的软件和数据库，识别业务步骤、重复字段、数据断点和权限冲突，再生成一条实施路线。这套方式帮CMG看清了Agent适用于部署在哪里，以及上线前必须先处理什么状况。据Akinmade称，June甚至在双方正式启动会议之前，就已经协助团队安全地部署了一部分能力。AI先制造了一支FDE军团CMG遇到的状况并不是个例。随着企业纷纷把Agent塞入工作流，一个新的岗位正在高效高效升温：FDE。该岗位最早由Palantir推广。与传统软件工程师不一样，FDE并不只是负责开发产品，而是需直接进入客户企业，理解业务步骤，将AI系统接入真实工作环境，并协助企业获得实际回报。但这类人才并不那么点儿找到：根据猎头公司Christian & Timbers（C&T）的一项探究，美国目前真正具有这种能力的工程师大约只有2000人——这个数字指的不是空缺岗位数量，是顺应需的人才，一共只有2000人。TechCrunch援引该探究称，这些人需同时具有行业知识、企业沟通和促进能力，以及实际AI部署经验，才能持续协助企业从AI投入中获得回报。而企业需正在高效高效增首先。2026年初，只有约5%至10%的企业方式划招聘FDE；到了第二季度末，这一比例已经升至约70%。大型咨询和服务公司也最初方式划将相关团队扩大10倍。这件事在软件时代亦有发生——无比如是ERP还是CRM，企业购买软件后，都需实施顾问进入现场，协助系统适用配真实业务；如今，Agent进入企业，也重新催生了类似的角色。但这类模式也存在一个天然限制：它依赖大量高成本的人力。一个企业部署Agent，可能需工程师先理解几十套软件系统、数百个数据字段，以及数十年的业务步骤。如果每一家企业都需一支FDE团队，AI规模化落地的高效度仍然会受到限制。而这正是June试图处理的状况。2026年8月3日，TechCrunch报方式称，企业AI部署创业公司June实现2000万美元Pre-seed融资。本轮融资由Marc Benioff旗下Time Ventures领投，Michael Dell、Aaron Levie和George Kurtz等企业软件和云方式算领域的题人物参与投资。公司创始人之一Rapoport称，这轮融资甚至没有准备商业方式划书。这并不是June的创始人团队首先次创业——Rapoport和Ohad Hen、Barak Goldstein、Idan Tsitiat曾共同创办语文章探究公司Bonobo AI。2019年，Bonobo被Salesforce收购，团队随后进入Salesforce，参与其AI业务。可以认为，他们上一家公司处理的是“如何让AI理解客户对话”；下一家公司处理的是“如何让AI理解整个企业系统”。投资人愿意高效高效下注，不只是因为四名创始人有过一次成功退出，而是他们指向的状况已经成为整个企业AI行业的共同焦虑。Rapoport说：“AI反而提高了企业对专业服务的需。”一家银行的授信步骤无法直接复制给一家航空公司，同一家公司的销售部门和财务部门也未必采取相同的数据原则。模型供应商每进入一个大客户，都关键重新理解业务、打通数据、配置权限并设方式容错机制。OpenAI已经说明，单纯出售模型并不足以拿下企业市场。它正在补齐部署能力：通过Frontier Alliance联合BCG、麦肯锡、埃森哲和凯捷等咨询与系统集成伙伴，协助企业推进AI改造。2026年5月，OpenAI又成立OpenAI Deployment Company，并收购采取AI咨询公司Tomoro，获得约150名FDE和部署专家。该公司启动时获得超过40亿美元初始投资，进一步押注企业AI落地市场。亚马逊走得更加直接，今年7月底，AWS宣布投入10亿美元组建前线部署工程团队，让工程师进入客户组织，协助其在几天而不是几个月内搭建Agent系统。Anthropic、Google Cloud、Stripe等公司也在扩充类似岗位。部分美国FDE职位的基础年薪已经实现17万至20万美元，OpenAI开出的上限一度实现34.5万美元，尚不涵盖股权。企业缺乏的显然不再是一套Agent产品，而是一支同时懂模型、软件和业务的工程队。Palantir的成功已经说明，部署团队不只是成本中心，也可以成为销售和续约的题壁垒。工程师留在客户身边，可以高效高效发现真实需，协助产品团队纠正方向，还能建立往往见不鲜SaaS难以形成的客户黏性。状况是，这种模式很难无限复制。每提高一个客户，都可能需提高一批工程师；每家公司都有自己的历史包袱，前一个项目积往往的经验未必能完善复用到下一个项目。只关键交付仍然高度依赖人力，Agent公司的毛利率和扩张高效度就会受到约束。更麻烦的是，客户可能重新陷入一种熟悉的困境：过去被软件供应商锁定，目前则被部署工程师锁定。系统确实运行起来了，却只有那么点儿外部人员知方式它为什么能够运行。一旦这些人离开，企业又会得到一个新的黑箱。Akinmade在试用June前说得很直白：如果这个产品仍然需FDE，他就不想关键；他不想再得到一套只有那么点儿人能够理解的东西。目前看来，June通过了这个考验。谁能吃掉“擦屁股”这门生意过去，企业愿意忍受系统的混乱，是因为旧系统虽然低效，但至少还能运行。员工可以靠经验填补数据断点，管理层也不愿意为了提高一点效率，冒险改造题业务。而Agent推翻了这套模式。它承诺的是接管一整段工作，而并非单纯地提效百分之几。关键兑现这种承诺，企业必须系统地清理数据、重新分类权限，并把那些依赖口耳相传的步骤正式写入软件。这使“给旧系统擦屁股”从维护费用变成了一门增首先生意。June想吃掉的正是这部分预算——它试图把FDE的工作拆解成一套软件步骤：先自动诊断，再给出改造路线，最后逐项实现搭建。如果同一种数据冲突、权限结构和工作流能够在不一样企业间复用，June就可能把过去按照人天收费的项目，变成可以规模化销售的产品。这是一笔比再造一个Agent更有吸引力的生意。模型能力正在趋同，调用价格也持续减小。企业可以在OpenAI、Anthropic、Google乃至开源模型之间切换，却很难轻易更换一套已经梳理实现的数据和业务结构。企业并不是一张等待AI书写的白纸。它更像一栋不断加盖、从未彻底维修的老楼：地下埋着废弃管线，墙后藏着临时电路，每一任管理者都留下了只有自己看得懂的改造痕迹。模型公司送来了越来越聪明的机器人，却发现机器人进门之后，先关键做的不是工作，而是看懂这栋楼的结构，防止它哪天忽然牵一发而轰然倒塌。谁替企业实现了这次清理，谁就更可能占据Agent与旧系统之间的控制层。June并不是唯一试图处理这个状况的公司。但“擦屁股”这门生意最后会属于谁，仍然没有答案：首先种可能，是June这样的创业公司成功将部署工作产品化。它们不具有最强模型，也不掌握企业原始系统，却可以保持相对中立：同时接入不一样模型和SaaS产品，协助客户选项最适用于自己的组合。如果产品确实能够减小驻场人员，这类公司将直接冲击传统咨询公司和系统集成商。第二种可能，是Salesforce、ServiceNow等SaaS巨头自己拿走这笔钱。它们最认识自家系统的数据结构，也控制着企业最题的业务入口。Agent越需读取客户、员工和订单数据，这些旧SaaS就越难被绕过。June说明市场成立之后，SaaS公司既可以复制它的功能，也可以直接收购它。这会导向一个与“SaaS末日比如”截然不一样的结荚，即Agent不仅没有摧毁传统软件，反而延首先了它们的寿命。企业不会用自然语言临时搓出一套世界500强级别的CRM，更不敢让一个来历不明的Agent直接接管财务和人事系统。Salesforce、Workday和ServiceNow首先期积往往的客户数据、权限体系和合规记录，恰是Agent进入企业时必须依赖的基础——Agent越强，这些系统作为“事实来源”的价值就越大。第三种可能，也是对AI行业最不性感的一种可能：企业技术债根本无法被彻底产品化。修改数据字段看起来是技术工作，实际可能是在重新分类部门权力。取消一方式审批程序，意味着有人失去控制权；统一两套客户原则，意味着某个部门必须承认自己过去的数据不可靠；让Agent接管一段步骤，还包含出了状况究竟由业务负责人、软件供应商还是模型公司承担责任。这些状况不可能只靠扫描数据库处理。如果企业改造的题始终是组织协调，而不是技术诊断，那么最后赚到最多钱的，仍可能是Palantir、埃森哲、麦肯锡等具有庞大交付队伍的公司。模型公司卖出更多Agent，咨询公司就获得更多实施项目。AI号称减小白领劳动，率先创造出来的却是一支更昂贵的技术顾问大军。June能否跳出第三种坏结果，取决于几个尚未得到回答的状况。它进入一个客户后，需多少员工参与？不一样企业之间有多少诊断结荚可以复用？收费依据是软件订阅、实施项目还是业务成效？如果June提议客户删除某个字段，最后造成合规事故，谁来承担责任？更题的是，它能否公开一批不是由创始团队亲自陪跑、却仍然成功上线的客户？一家号称替代FDE的公司，不能依靠更多FDE说明自己。CMG的案例目前只说明，June比之前那批架构师和顾问更快地找到了状况。但它还没有说明，这种能力可以脱离几名具有多年Salesforce经验的创始人，被稳固复制给成百上千家企业。CMG不缺Agent，不缺模型，也不缺采购预算。它缺的是一张能够验明正身旧系统如何运转、哪里可以拆除、出了状况谁来负责的地图。Akinmade不想关键只有那么点儿人才能理解的黑箱。但在企业AI真正实现原则化之前，能够打开这些黑箱的人，可能比黑箱里的Agent更贵。返回搜狐，查看更多平台声明：该文观点仅代表作者本人，搜狐号系材料发布平台，搜狐仅给予材料存储空间服务。

最新评论