AI 智能体上了生产，45% 的收益被"信任税"吃掉四分之一
一句话结论：AI 智能体已经从试点走进生产——66% 的采购方已有智能体在跑。但真正的成本项不是软件费，是人盯机器的工时：45% 的企业说监管和返工吃掉了四分之一以上的预期收益。所以算智能体项目的账时，必须把"监管工时"写进成本，否则算出来的是虚的 ROI。
发生了什么
2026 年 10 月 14 日，B2B 软件评测机构 G2 发布年度报告《2026 AI Agents Report：Crossing the Agentic Chasm》。报告基于 2026 年 7 月对 1,019 位 B2B 采购决策者的调研（覆盖北美、欧洲中东非洲、亚太），三条事实最值得关注：
第一，采购和部署的比例都上去了。 过去一年买过智能体软件或服务的采购方占 86%（同比从 69% 升至 86%，+25%）；66% 的企业已有智能体在有限范围或规模化生产环境运行（同比 +18%）。"要不要做"这个问题，在采购侧基本已经有答案了。
第二，多出一个成本项：信任税。 G2 把它定义为"在不完全信任的前提下运行智能体所付出的代价"，四个数字：
| 现象 | 数据 |
|---|---|
| 人盯机器的工时 | 31% 的企业每周花 6 小时以上监督智能体（报告用了 "bot-sitting"＝盯机器人） |
| 预期收益被吃掉 | 45% 表示监管与返工消耗了四分之一以上的预期生产力收益 |
| 成本超预期 | 46% 表示智能体运营成本高于预期（含人工复核，不只是算力） |
| 安全问题 | 36% 过去一年发生过与智能体相关的安全事件 |
报告还指出，企业规模越大"信任税"越重：大型企业里 27% 需要显著更多监督，接近中小企业（15%）的两倍。
第三，治理跟不上部署。 38% 的生产组织同时运行 100 个以上智能体，但只有 27% 有中央智能体台账、18% 做自动化发现（含员工私开的）、14% 具备对异常行为与成本的实时可观测能力；47% 仍是"非正式或部门各自管"，真正中央治理的只有 23%。报告称这类失控的智能体是新版"影子 IT"。
数据说明：以上均来自 G2《2026 AI Agents Report》（2026-10-14 发布，调研时间 2026 年 7 月，样本 1,019 位 B2B 采购决策者），经 PR Newswire 官方新闻稿与 G2 官网报告页核实。不同机构对"落地"的定义差异较大，请以原始报告为准。
先绕开一个坑："落地率"数字互相打架，是口径问题
最近几份报告给出的智能体落地率差异很大，不少解读直接拿来互相比较，其实是问的不是同一件事：
| 报告 | 数字 | 它实际问的问题 |
|---|---|---|
| G2（2026-10-14） | 66% | 采购方中，有多少把智能体放进了生产环境 |
| MIT Technology Review Insights（2026-10-05，300 位高管） | 34% | 智能体项目中，进入生产的比例 |
| SailPoint（2026-10-06，年度身份安全报告） | 79% | 组织中，有多少至少有一个智能体在运行 |
一个问"企业"、一个问"项目"、一个问"有没有"。看到这类数字先问一句"分母是什么"，比记住具体百分比有用得多。
对企业意味着什么
三点，按重要性排序：
- 门槛从"有没有做"变成"盯不盯得动"。 试点拼的是能不能跑通，生产拼的是规模上去之后不失控。45% 的收益被监管吃掉，说明项目效果打折往往不是技术不行，而是没提前设计好谁来兜底、哪几类动作必须人工放行。
- 减员不是主要结果，转岗才是。 报告显示 83% 的采购方认为智能体改善了员工满意度，35% 把人转到更高价值岗位，只有 14% 报告减员。老板该算的不是"省几个人"，而是"人均产出能提高多少"。
- 治理缺口是真金白银。 47% 非正式管理加上只有 14% 可观测，意味着多数企业说不清自己有多少个智能体在跑、归谁负责、能碰哪些数据。36% 出过安全事件已经说明了后果。
建议动作
| 优先级 | 动作 | 判断标准 |
|---|---|---|
| 高 | 把"监管工时"计入 ROI 测算 | 每周复核纠错的小时数 × 人工单价，作为独立成本行列进表 |
| 高 | 建一张智能体台账 | 一页能列出：跑了哪些、归属哪个部门、能读能写哪些系统、出事找谁 |
| 中 | 定人工复核边界 | 明确哪几类动作必须人工放行（涉及金额、对外承诺、客户数据导出） |
| 中 | 计价按用量谈，别按席位 | 只有 9% 的采购方认为按席位收费最公平，按用量或按完成动作付费已从 38% 升到 57% |
| 中 | 保留行为日志 | 能复盘"它当时为什么这么判"——这是把信任从口头保证变成可验证的唯一办法 |
mermaid
flowchart TB
A["智能体进入生产环境"] --> B["不确定它判得对不对"]
B --> C["人工前置复核 + 事后返工"]
C --> D["每周 6 小时以上盯机器"]
D --> E["预期收益被吃掉 1/4 以上"]
E --> F["降低信任税：台账 + 权限边界<br/>行为日志 + 复核规则"]
F --> BFAQ
Q1：为什么各家报告说的"落地率"差这么多，34% 和 79% 到底该信哪个？
都可信，但要看清分母。34% 是"项目口径"（智能体项目中进入生产的比例），66% 是"企业口径"（采购方已有智能体在生产），79% 是"存在性口径"（至少有一个在跑）。三个数字不矛盾，但不能相互替代。做内部汇报时，先想清楚你要回答的是哪一个问题，再挑对应的数字。
Q2：中小企业要不要担心"信任税"？
规模小反而负担轻。报告里大企业需显著更多监督的比例是 27%，中小企业只有 15%——中小企业流程短、决策链少，一个人就能盯住几个智能体。但有个前提：台账和复核规则要从第一天就建，等到跑了二十个智能体再补，补的成本会高得多。
Q3：只有 14% 的企业减员，是不是说明 AI 省不了人？
不能这么读。14% 是"报告减员的企业比例"，不是"被替代的岗位比例"。同一份报告里还有 35% 的企业把人转到了更高价值岗位、83% 认为员工满意度改善。更准确的说法是：目前多数企业用智能体提升人均产出，而不是直接砍编制。真想靠它降本，前提是流程先标准化——这部分工作通常比买软件更花时间。
相关方案
想知道自家业务里哪些环节适合先上智能体、监管成本大概多少？联系我们，可以免费出一份诊断结论。