今天我看到一条消息：74%的公司部署AI代理后又撤回了。显然，我们并没有从新闻中听到这一点。

今天我看到，74%部署了AI代理到生产环境的公司又将其撤回。不是试点，不是测试，而是实际运行的系统被关闭了。这项研究调查了10个国家的2500多名高级决策者。这些不是小型实验——这些组织大多数都有专门的AI团队和真正的预算。但真正让我注意的是：在AI治理最成熟的公司中，回滚率高达81%。那些在所有方面都做得正确的公司，反而比那些随意应付的公司失败得更明显。事实证明，更好的治理并不能防止失败，它只是让你更快地发现问题，并且有流程来关闭系统。这实际上是目标所在，但没人这么表述。我认为真正出问题的不是模型，而是它们背后的基础设施。代理在生产环境中产生幻觉，是因为它们没有干净、结构化的上下文可供参考。旧的数据库，互不关联的工具，数据散落在周五有人通过邮件发送的电子表格里。AI本身不是问题，AI需要处理的一切才是问题。我在为自家运营构建代理时亲眼目睹了这一点。那些保留下来的代理并非技术最令人印象深刻的，而是那些连接到干净、有序上下文的。那些我们很快放弃的，是指向混乱、不一致的信息然后指望最好的结果。文章得出的结论是：“企业AI的下一波浪潮将不由你运行哪个模型来定义，而是由你的基础是否能支撑它来决定。”对于AI代理在生产中为何失败，你有什么想法？