企业采购Agent，如今变得轻而易举了。
OpenAI、Anthropic、Google和微软纷纷瞄准企业客户展开争夺，Salesforce、ServiceNow、Workday等SaaS公司也急于将Agent嵌入各自产品。
可以说，买进Agent已经不是什么难事了。但在企业真正着手部署这些Agent时，新的挑战浮现出来：
买来的Agent，并不等于它就能进入工作状态。
美国抵押贷款公司CMG Financial就碰到了这样的难题：其首席战略官Paul Akinmade曾在Salesforce年度大会上立下承诺，表示公司下一阶段将推动100个Agent投入实际应用，但进展比他预想的要慢得多。
此前，CMG已经将部分软件开发业务迁移到Claude Code上，这证明团队能够迅速接纳最新的AI工具。可当团队试图让Agent融入Salesforce并参与实际业务时，项目进度明显放缓。
他们很快意识到，Agent虽然能写代码、调用API，却无法理解企业多年积累的数据、权限及业务流程。
类似情况在整个行业普遍存在。猎头公司Christian & Timbers（C&T）的一项行业研究报告显示，在美国，真正能将AI系统部署进企业，并为客户带来可量化回报的前线部署工程师（FDE）数量仅有约2000人。
随着企业从“尝试AI”迈向“规模化部署AI”，大型咨询和服务公司正迅速扩大这类团队的规模。
AI产业在此处出现了颇具讽刺意味的状况：企业不再缺少Agent，真正紧缺的是懂得改造旧系统的人。
最终帮助CMG破解困局的，是一家名为June的创业公司。
100个Agent，陷在Salesforce里
大模型公司在向客户展示Agent功能时，通常会提供一个精心准备的环境。
数据已经整理就绪，接口已经开通，任务范围明确，调用权限也预先设定好。Agent只需在这条平坦的跑道上，证明自己足够快。
然而，现实中的企业系统往往远未如此井然有序。
一家运营十几年的公司，通常同时运转着Salesforce、ServiceNow、Workday、Databricks以及众多自建系统。同一名客户可能在四个数据库中留下记录，拥有不同的编号、状态和负责人。系统之间还遗留着历次组织架构调整、产品迭代和管理层更替的印记。
这些印记并非全是技术失误，更多是由于不同部门间标准不一所致：销售部门依据是否产生商机判断“活跃客户”，财务部门则看是否发生回款；客服可能认为客户关系已经解除，合规系统却要求继续保留其档案。
每个字段背后都关联着部门利益、责任范围和历史成因。
在传统软件环境中，这些矛盾的数据尚可由经验丰富的员工勉强处理。老员工清楚某个字段虽标示为“客户状态”，但实际上已经两年未曾更新；财务人员明白导出报表后还需手动修正三列；销售经理也知晓系统里看似关闭的项目仍存在挽回可能。
但Agent缺少这种经验和默契——它只能严格读取每个字段，在授予的权限范围内执行指令。
许多过去依靠人类经验勉强掩盖的系统缺陷，在Agent面前，便转变成了亟待解决的严峻问题。错误的客户状态可能导致发送时不合时宜的营销邮件，错误的贷款状态却能引发风控、合规甚至法律层面的责任。对Agent而言，这就是一座庞大而棘手的“屎山代码”。
这正是CMG Financial所面临的困境。
CMG Financial并非对AI一无所知，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技术应用于业务流程。公司已经借助Claude Code辅助部分软件开发工作，并证明其工程团队能够快速掌握最新的AI工具。
网友评论