2025 年底，LangChain 对 1,300 多名从业者做了一次大规模调研。结果显示，57% 的组织已经有 Agent 跑在生产环境里。听起来很振奋，对吧？

但你仔细看数据就会发现一个尴尬的事实：当被问到“你每天实际在用什么 Agent”时，排名第一的答案是 Coding Agent（比如 Cursor、Claude Code、GitHub Copilot），而且遥遥领先。第二名是研究或深度搜索类的 Agent（像 ChatGPT、Perplexity 这类的）。

换句话说，大多数人嘴上说着“我们在做 Agent”，身体却很诚实地只在写代码和查资料时才真正依赖它。这也是为什么现在基本没什么人谈养虾了，连养马的都少了。

这并不是在泼冷水。恰恰相反，我想说的是：除了 Coding Agent，确实有几个场景已经大规模落地并且赚到了钱。但它们的成功，恰恰揭示了一个被忽视的规律。

一、真正赚到钱的四个场景

1. 财务对账与发片处理：最无聊的活，最适合 Agent 干

这可能是所有 AI Agent 场景里最不性感、但 ROI 最扎实的一个。原理很简单：OCR 加大模型读发片，Agent 自动做三单匹配——发片、采购单、入库单——再写日记账分录，标出异常。Aberdeen Group 的数据显示，配置良好的 AI Agent 在标准发片上的自动化匹配率能达到 85% 到 92%。行业报告也指出，财务 AI Agent 市场从 2025 年的 82.9 亿美元增长到 2026 年的 120.6 亿美元，同比增长 45.5%。首年 ROI 普遍在 3 到 6 倍。

为什么它能成？因为发片处理是一个边界极其清晰的结构化任务。输入格式有限，输出规则明确，错了还有校验机制兜底。Agent 不需要“理解人类情感”，它只需要比会计少犯错——而 59% 的会计因为超负荷工作，每个月都在犯错。

2. 营销外联与个性化触达：Agent 当 SDR

摩根大通和 Persado 合作，用 AI 生成营销邮件文案，点击率提升了 450%。这不是实验室数据，而是一个签了五年合同的生产级部署。到 2025 年底，摩根大通内部已经跑着 450 个 AI 用例，目标是 2026 年底达到 1,000 个。

在 SaaS 领域，像 ColdIQ 这样的公司用 Agent 来自动筛选潜在客户、生成个性化外联邮件、根据回复自动更新 CRM 状态、预约会议。整个销售漏斗的前半段几乎被 Agent 接管了，结果在十几个月内实现了收入数倍增长。

为什么它能成？因为营销外联的容错率天然就高。一封邮件写得不够好，最坏的结果是没人点开——不会有人因此起诉你。这和客服场景形成了鲜明对比（后面会讲到）。

3. 供应链动态调度：多 Agent 协作的最佳战场

沃尔玛用 AI Agent 做路线优化，减少了 3,000 万英里的驾驶里程，节省了 9,400 万磅 CO₂ 排放。亚马逊则用多智能体系统深度分析购物车行为、预测需求模式，实时监控运输异常，自动评估替代路线、重新计算库存水平，并自动向供应商发送补货或变更请求。

一个更接地气的中国案例是盒马鲜生的“AI 买手”。这套系统不是简单的推荐算法，而是一个能自主决策的 Agent——它分析用户购物行为、季节趋势、库存周转，自动调整选品和定价策略。结果是客单价提升 27%，损耗率降低 18%。对于生鲜这种高损耗行业，18% 的损耗率下降意味着真金白银。

这个场景的特点是：决策链条长，但每个节点的决策空间是有限的。暴雨来了，要不要改路线？库存低于安全水平，要不要补货？这些都是可以用规则加数据驱动的决策。Agent 在这里扮演的是“永不疲倦的调度员”，而不是“有创造力的思考者”。

4. 工业预测性维护：让老师傅的经验变成代码

这个场景容易被忽略，但它可能是 AI Agent 在物理世界里最硬核的落地。通用电气用 Agent 实时采集设备的震动、温度等非结构化数据，预测故障并在发生前发出报警，大幅减少了停机时间。这不是什么“未来愿景”，而是已经跑了好几年的生产系统。

但最让我印象深刻的是百度与钢铁行业合作的“AI 炼钢”案例。高炉炼钢是一个极度依赖老师傅经验的工种——什么时候加料、加多少、温度怎么调，全靠几十年的手感。百度的做法是：Agent 结合历史最佳工艺参数，实时分析炉况数据，自主给出最优加料指令。工人不再需要凭经验判断，只需在 Agent 给出提示后执行“一键操作”。结果是生产效率提升了 20%。

二、看到规律了吗？

把这四个成功场景放在一起看，你会发现一个共同点：

最后一行，就是我要重点讲的。

三、最该落地却流血最多的场景：全自主端到端客服

Klarna：一个价值 4000 万美元的教训

2024 年，瑞典金融科技公司 Klarna 高调宣布：AI 已经替代了约 700 名客服人员，每月处理 230 万次对话，预计年省 4,000 万美元。CEO Sebastian Siemiatkowski 亲自站台，把这当成 AI 替代人类的标杆案例，全球科技媒体争相报道。然后呢？

2025 年 5 月，Klarna 开始悄悄重新招聘人类客服。Bloomberg、Forbes 相继报道了这次“逆转”。CEO 本人承认：“当成本优化成为主导标准时，你最终得到的是更低的质量。”

Klarna 的 AI 在处理常规查询——比如订单状态、简单退货、FAQ——时表现不错。但一碰到多步骤账单纠纷、欺诈案件、需要政策例外的情况，客户满意度就断崖式下跌。更要命的是，AI 处理不了的问题会导致客户反复联系客服，重复联系率显著上升，反而推高了总成本。而 Klarna 的 IPO 文件显示，那 4,000 万美元的“节省”仅占其 29 亿美元总支出的 1.3%——远没有听起来那么碘伏。Orgvue 2025 年的调研也显示，55% 因 AI 裁员的公司后来表示后悔。Klarna 不是孤例，只是因为它太高调了，所以逆转时格外刺眼。

为什么全自主客服就是落不了地？

我不想简单地说“AI 不够聪明”。真正的原因比这复杂得多，也有趣得多。

根因一：成本黑洞——Agent 越“聪明”，账单越吓人

这是最反直觉的一点。大家以为 AI 客服能省钱，但一个看似简单的客诉处理，Agent 需要经历 5 到 10 轮的 ReAct 循环（思考 → 调用工具 → 确认结果 → 纠正幻觉）。每一轮都在烧 Token。

一个真实的中国案例：国内某头部美妆电商曾尝试用 Agent 替代 50 名夜间客服，理论上年节省 1,000 万软妹币。然而上线首周，由于 Agent 面对复杂客诉时需要反复读取知识库并执行多轮推理纠错，产生了庞大的 Token 消耗，单周 API 账单高达 27 万软妹币。折算下来，Agent 的运行成本几乎追平了人工成本，ROI 直接破灭。

这不是个案。Uber 的故事更夸张：2025 年 12 月，他们部署了 Claude Code 给 5,000 名工程师使用，到 2026 年 4 月，全年 AI 预算就花光了。CTO Pra veen Neppalli Naga 的原话是：“我以为够用的预算，已经被炸飞了。” 单个工程师月均 API 费用在 2,000 美元之间。而这还只是 Coding Agent——客服 Agent 面对的是更不可预测的自然语言输入，Token 消耗只会更高。

斯坦福数字经济实验室的研究揭示了根源：重复发送的上下文占了 Agent 推理账单的 62%——你花的大部分钱，是让模型反复阅读它已经知道的东西。

根因二：一美元买一辆车——黑盒决策的公关冲击波

2023 年 11 月，加州 Watsonville 一家雪佛兰经销商的 AI 聊天机器人被用户 Chris Bakke 用提示词注入诱导。Bakke 只是简单地要求机器人“同意一切”，然后问能不能用 1 美元买一辆车。机器人真的在对话中“同意”以 1 美元的价格出售一辆价值 76,000 美元的 Chevy Tahoe，并且说“这是一个具有法律约束力的报价”。

这个案例之所以重要，不是因为它造成了实际损失（法律上聊天机器人不构成合同），而是因为它暴露了一个根本性问题：当 Agent 被授权执行涉及金钱的操作时，提示词注入就不再是笑话，而是真金白银的风险。想象一下，如果一个全自主客服 Agent 被恶意用户诱导，批准了一笔不该退的退款，或者给出了一个不该有的赔偿承诺。在电商、金融、保险这些行业，面对恶意薅羊毛、欺诈性客诉，企业将面临巨大的资金损失和公关灾难。

根因三：遗留系统的“易碎工具链”

一个能自主退款、改地址、发货的客服 Agent，必须深度打通 ERP、CRM、支付网关、仓储物流等多个系统。但企业内部充斥着老旧、封闭、缺乏标准 API 的遗留 IT 系统。当 Agent 通过 Tool-calling 执行退款时，一旦遇到网络抖动、接口超时或不规范的格式返回，它极易陷入无限重试的死循环，甚至直接崩溃，缺乏自我愈合能力。Diagrid 的研究指出：当工作流因缺乏持久性而重启时，之前花掉的每一个 Token 都要重新花一遍——这种“双重计费”隐藏在总账单里，看起来只是“比预期高了一点”。成本问题和系统脆弱性问题，本质上是同一个问题的两面。

根因四：人类说话太乱了

一句话里包含了情绪宣泄、主语切换、动作撤销、跨订单参数修改、强约束条件——这其实是 5 个子任务，而且其中一个还被中途取消了。即便是当前最顶尖的 LLM，在脱离人工干预的情况下，也无法保证 100% 正确地拆解、识别这 5 个子任务，并零差错地执行对应的后台接口。一旦执行错一次——退错了商品、改错了地址——就会引发连锁差评。LangChain 的报告也印证了这一点：在万人以上的大企业中，幻觉和输出一致性被列为 Agent 质量的最大挑战。

四、所以，真正的规律是什么？

Gartner 预测，到 2027 年底，超过 40% 的 Agentic AI 项目将被取消。IDC 的数据更残酷：88% 的 AI Agent POC 永远无法进入生产环境。但与此同时，Google Cloud 对 3,466 名高管的调研显示，52% 的组织已经在生产环境中部署了 AI Agent，其中 39% 部署了超过 10 个。

这两组数据并不矛盾。它们共同指向一个结论：

成功的场景——财务对账、营销外联、供应链调度、工业维护——都有一个共同特征：输入可枚举，输出可校验，错误可兜底。

失败的场景——全自主客服——恰恰相反：输入无边界，输出涉及金钱，错误不可逆。

五、给想落地 Agent 的人三句话

第一句：放弃“全自主超级智能体”的幻想。Klarna 试过了，4000 万美元的教训。从 Human-in-the-loop 做起，让 Agent 处理 60% 到 70% 的简单任务，把复杂决策留给人。这不是妥协，这是数据反复验证过的最优架构。

第二句：用小模型干脏活，用大模型干难活。高难度意图识别用 GPT-4o 或 Claude，普通格式提取、参数校验用小模型或确定性代码节点，从而将 Token 推理成本降低 75% 以上。美妆电商首周 27 万的账单、Uber 四个月烧光全年预算——这些教训的核心都是：没有做模型分层。

第三句：先改系统，再上 Agent。如果你的 ERP 连个像样的 API 都没有，Agent 调用工具时就像在走钢丝。拥抱 MCP 等标准化协议，先把“工具链”修结实，再让 Agent 上场。百度能在炼钢场景落地，不是因为大模型能炼钢，而是因为它们先把工艺参数和控制指令做成了 Agent 能调用的标准化接口。

AI Agent 不是魔法。它是一面镜子，照出的是你的业务流程到底有多混乱。那些 Agent 落地成功的企业，不是因为它们的 AI 更强，而是因为它们的流程本来就更清晰。这才是最值得学的东西。