Agent 上线了，钱亏了：Forrester 揭示 22% 生产级 AI Agent 负 ROI 之谜
Forrester 最新调查揭示 22% 上线 AI Agent 在 12 个月内亏损，根因不是模型不行，而是没人定义什么叫成功。AI Agent 产业的 ROI 大考来了。
Agent 上线了，钱亏了：Forrester 揭示 22% 生产级 AI Agent 负 ROI 之谜
AI Agent 产业正在经历一场从”能不能做”到”值不值得做”的残酷转向。
Forrester 联合 Anaconda 发布的 2026 企业调查给出了一个让 CIO 和 CFO 都坐不住的数字：22% 成功上线的 AI Agent，在 12 个月后仍然亏钱。注意，这还不是那 88% 死在试点阶段的项目——这些 Agent 已经通过了内部评审，获得了高管签字，跑在了真实业务线上，却依然交不出 ROI 答卷。
更扎心的是全貌：41% 的生产级 Agent 在 12 个月内实现正回报，18% 在 6 个月内回本，22% 负 ROI，剩下约 37% 在盈亏线上挣扎。也就是说，能活着过完第一年且赚到钱的 Agent，不到一半。
不是模型不行，是没人定义”成功”
Forrester 对那 22% 负 ROI 案例做了根因拆解，结果出人意料地一致：
| 根因 | 占比 | 本质 |
|---|---|---|
| 成功标准未定义 | 41% | Agent 做了该做的事，但没人定义什么叫”值” |
| 工具/数据接入不足 | 33% | Agent 能推理但不能行动，最后一公里靠人补 |
| 评测覆盖漂移 | 26% | 上线时通过了测试，生产数据与训练分布渐行渐远 |
没有任何一条根因是”模型不够好”。
这不是 GPT vs Claude vs Gemini 的较量。这是运营模型的问题。然而大多数企业 AI 预算仍然按”选对模型就能赢”的逻辑分配——Forrester 的数据在说：选错战场了。
三组数字的共振
Forrester 的发现不是孤例。2026 年以来，多方数据正在形成一个令人不安的共振：
- WRITER 2026 企业调查（1,600 名高管）：97% 已部署 AI Agent，但仅 23% 报告显著 ROI；75% 承认自己的 AI 战略”更多是做样子”。
- MIT 2025 企业研究：95% 的生成式 AI 试点无法产生可衡量的 P&L 影响。
- Gartner 2025 预测：到 2027 年底，超过 40% 的 Agentic AI 项目将因成本失控、商业价值不清或风险管控不足而被取消。
- Morgan Stanley Q4 2025 审查：标普 500 中仅 21% 的大型公司在财报电话会议中提及可衡量的 AI 收益。
Forrester 在此前的 2026 技术预测中已预告：企业将把 25% 的计划 AI 支出推迟到 2027 年。CEO 正把 CFO 拉进 AI 决策流程，P&L 审视替代了 FOMO 驱动。
“做样子”的 Agent 长什么样
三个最常见的负 ROI 模式：
1. 指标虚荣的客服 Agent。 上线后工单处理量飙升 300%，但客户满意度没变——Agent 只是把问题分了类，最后还是人工解决。成功标准是”工单吞吐量”，不是”一次解决率”。
2. 半自动的数据分析 Agent。 能写 SQL，能画图，但无法访问生产数据库的敏感表。每次需要关键数据时，人工介入成本抵消了自动化收益。33% 的负 ROI 案例属于这类——Agent 够聪明但手不够长。
3. 评测漂移的合规 Agent。 上线时以 95% 准确率通过 UAT，三个月后监管规则微调，Agent 仍然按旧逻辑跑，但没人跑自动评测来捕捉这个偏移。26% 的负 ROI 源于此——不是 Agent 坏了，是世界变了而 Agent 不知道。
该怎么做：两条实操框架
Forrester 的分析隐含了一个关键洞察：负 ROI 的根因在立项第一天就已经种下了。以下两个框架可以在下一个 Agent 上线前介入：
框架一：ROI 先行定义（针对 41% 的”标准未定义”问题）
在写预算之前，必须回答三个问题：
- 这个 Agent 替代的是什么成本？（人力、时间、错误率——精确到数字）
- 成功的最低标准是什么？（不是”提升效率”，而是”每个工单成本从 ¥12 降到 ¥7”）
- 12 个月不达标的退出条件是什么？（提前约定止损线，避免沉没成本谬误）
框架二：生产评测管道（针对 26% 的”评测漂移”问题）
上线不是终点，是评测的起点：
- 将 UAT 评测集作为持续回归基线，每周自动运行
- 添加业务指标监控（不是模型准确率，是业务结果如转化率、解决率）
- 设定漂移告警阈值——当生产数据分布与训练分布的 KL 散度超过阈值时，自动触发人工审核
这与我们之前讨论的 Agent 全链路可观测性 一脉相承——没有可观测性，评测漂移就无从发现；没有评测管道，可观测性就只是仪表盘上的装饰。
写在最后
AI Agent 产业正从”能力竞赛”转向”价值竞赛”。Forrester 的 22% 不是在说 Agent 技术不行——它在说：如果你无法在立项第一天就把”什么叫成功”翻译成 P&L 语言，12 个月后你的 Agent 很可能变成一笔昂贵的学费。
那些能在 6 个月内回本的 18% Agent，不是模型更强，而是在第一行代码之前就把 ROI 写进了需求文档。
这不是 Agent 的寒冬，是 Agent 的成人礼。