企业采购Agent正在变得越来越容易。OpenAI、Anthropic、Google和微软都在争夺企业客户Salesforce、ServiceNow、Workday等SaaS公司则忙着把Agent塞进每个产品页面。可以说购买Agent本身已经不是难题。但当企业真正尝试部署这些Agent时新的问题出现了买Agent并不等于让Agent进入工作。美国抵押贷款公司CMG Financial就遇到了这样的困境其首席战略官Paul Akinmade此前曾在Salesforce年度大会上承诺公司下一阶段将推动100个Agent投入运行但事情并没有他想象中那么容易。此前CMG已经将部分软件开发工作迁移到Claude Code证明团队能够快速采用最新AI工具可当团队试图让Agent进入Salesforce、参与真实业务流程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累的数据、权限和业务流程。类似的问题正在整个行业出现。根据猎头公司Christian TimbersCT的一项行业研究美国目前真正具备将AI系统部署进企业、并帮助客户获得可量化回报能力的前线部署工程师Forward Deployed EngineerFDE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快速扩充这类团队。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时通常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晰调用权限也经过预设。Agent需要完成的是在一条平整的跑道上证明自己跑得足够快。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通常同时使用Salesforce、ServiceNow、Workday、Databricks以及一批自建系统。一名客户可能出现在四个数据库中拥有四个编号、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。这些痕迹并不都是技术错误只是不同部门之间的判断标准不同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要求继续保留其档案。每个字段背后都有一套部门利益、责任边界和历史原因。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。老员工知道某个字段虽然名为“客户状态”实际上已经两年没人更新财务人员知道导出报表后还要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执行指令。很多过去靠人类经验勉强维持的系统漏洞在Agent面前就变成了必须解决的大问题。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引入业务流程。公司已经开始使用Claude Code辅助部分软件开发工作也证明了其工程团队能够快速采用最新AI工具。在Salesforce生态中CMG也希望进一步扩大AI应用范围。此前CMG首席战略官Paul Akinmade曾在Salesforce年度大会上提出目标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真正进入企业流程后CMG很快发现事情并没有想象中简单。把软件开发迁移到Claude Code相对容易因为代码的边界较为清晰错误也可以通过测试、审核和回滚加以控制让Agent进入Salesforce则不同它面对的是一家公司多年经营活动留下来的数字沉积。这种情况下Agent部署就不再是一个纯技术项目它要求企业回答一系列此前一直回避的问题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流程应该被废除。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帮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进展。直到CMG找到了一家名为June的创业公司。June创始人Efrat Rapoport将CMG的问题概括为创建一个Agent模板并不困难困难的是处理它下面的混乱。June给出的方案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流程、重复字段、数据断点和权限冲突再生成一条实施路线。这套方法帮CMG看清了Agent适合部署在哪里以及上线前必须先解决什么问题。据Akinmade称June甚至在双方正式启动会议之前就已经帮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遇到的问题并不是个例。随着企业纷纷把Agent塞入工作流一个新的岗位正在快速升温FDE。该岗位最早由Palantir推广。与传统软件工程师不同FDE并不只是负责开发产品而是需要直接进入客户企业理解业务流程将AI系统接入真实工作环境并帮助企业获得实际回报。但这类人才并不容易找到根据猎头公司Christian TimbersCT的一项研究美国目前真正具备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符合要求的人才一共只有2000人。TechCrunch援引该研究称这些人需要同时具备行业知识、企业沟通和推动能力以及实际AI部署经验才能持续帮助企业从AI投入中获得回报。而企业需求正在快速增长。2026年初只有约5%至10%的企业计划招聘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开始计划将相关团队扩大10倍。这件事在软件时代亦有发生——无论是ERP还是CRM企业购买软件后都需要实施顾问进入现场帮助系统适配真实业务如今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可能需要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流程。如果每一家企业都需要一支FDE团队AI规模化落地的速度仍然会受到限制。而这正是June试图解决的问题。2026年8月3日TechCrunch报道称企业AI部署创业公司June完成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等企业软件和云计算领域的重要人物参与投资。公司创始人之一Rapoport称这轮融资甚至没有准备商业计划书。这并不是June的创始人团队第一次创业——Rapoport和Ohad Hen、Barak Goldstein、Idan Tsitiat曾共同创办语音分析公司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解决的是“如何让AI理解客户对话”下一家公司解决的是“如何让AI理解整个企业系统”。投资人愿意迅速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问题已经成为整个企业AI行业的共同焦虑。Rapoport说“AI反而增加了企业对专业服务的需求。”一家银行的授信流程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使用相同的数据标准。模型供应商每进入一个大客户都要重新理解业务、打通数据、配置权限并设计容错机制。OpenAI已经证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帮助企业推进AI改造。2026年5月OpenAI又成立OpenAI Deployment Company并收购应用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帮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职位的基本年薪已经达到17万至20万美元OpenAI开出的上限一度达到34.5万美元尚不包括股权。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的成功已经证明部署团队不只是成本中心也可以成为销售和续约的核心壁垒。工程师留在客户身边可以迅速发现真实需求帮助产品团队纠正方向还能建立普通SaaS难以形成的客户黏性。问题是这种模式很难无限复制。每增加一个客户都可能需要增加一批工程师每家公司都有自己的历史包袱前一个项目积累的经验未必能完整复用到下一个项目。只要交付仍然高度依赖人力Agent公司的毛利率和扩张速度就会受到约束。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现在则被部署工程师锁定。系统确实运行起来了却只有少数外部人员知道它为什么能够运行。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要FDE他就不想要他不想再得到一套只有少数人能够理解的东西。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核心业务。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。要兑现这种承诺企业必须系统地清理数据、重新划分权限并把那些依赖口耳相传的流程正式写入软件。这使“给旧系统擦屁股”从维护费用变成了一门增长生意。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流程先自动诊断再给出改造路线最后逐项完成搭建。如果同一种数据冲突、权限结构和工作流能够在不同企业间复用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下降。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完成的数据和业务结构。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首先要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。谁替企业完成了这次清理谁就更可能占据Agent与旧系统之间的控制层。June并不是唯一试图解决这个问题的公司。但“擦屁股”这门生意最终会属于谁仍然没有答案第一种可能是June这样的创业公司成功将部署工作产品化。它们不拥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同模型和SaaS产品帮助客户选择最适合自己的组合。如果产品确实能够减少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。它们最了解自家系统的数据结构也控制着企业最重要的业务入口。Agent越需要读取客户、员工和订单数据这些旧SaaS就越难被绕过。June证明市场成立之后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末日论”截然不同的结果即Agent不仅没有摧毁传统软件反而延长了它们的寿命。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长期积累的客户数据、权限体51Byyb.cN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划分部门权力。取消一道审批程序意味着有人失去控制权统一两套客户TCQncy.cN标准意味CNHao.cN着某个部门必须承认自己过去的数据不可靠让Agent接管一段流程还涉及出了问题究竟由业务负责人、软件供应商还是模型公司承担责任。这些问题不可能只靠扫描数据库解决。如果企业改造的核心始终是组织协调而不是技术诊断那么最终赚到最多钱的仍可能是Palantir、埃森哲、麦肯锡等拥有22Co.cN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号称减少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局取决于几个尚未得到回答的问题。它进入一个客户后需要多少员工参与不同企业之间有多少诊断结果可以复用收费依据是软件订阅、实施项目还是JINtc.cN业务效果如果June建议客户删除某个字段最终造成合规事故谁来承担责任更关键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证明自己。CMG的案例目前只证明June比此前那批架构师和顾问更快地找到了问题。但它还没有证明这种能力可以脱离几名拥有多年Salesforce经验的创始人被稳定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。它缺的是一张能够说明旧系统如何运转、哪里可以拆除、出了问题谁来负责的地图。Akinmade不想要只有少数人才能理解的黑箱。但在企业AI真正实现标准化之前能够打开这些黑箱的人可能比黑箱里的Agent更贵。