給Agent清理“屎山”，正在成為一門賺錢的生意

企業採購AI Agent的門檻正在快速降低，OpenAI、Anthropic、Google與微軟等大廠積極搶攻企業客戶，Salesforce、ServiceNow、Workday等SaaS巨頭也忙著將Agent嵌入自家產品。然而，當企業真正嘗試把這些Agent投入實際工作流程時，一個新的難題浮上檯面：買回來的Agent，並不等於能直接上線工作。 美國抵押貸款公司CMG Financial就親身經歷了這道坎。其首席戰略官Paul Akinmade曾在Salesforce年度大會上發下豪語，宣稱公司下一階段要推動100個Agent投入運行，但實際執行時卻卡關連連。CMG先前已將部分軟體開發工作遷移到Claude Code，證明團隊有能力快速採用最新的AI工具，但當他們試圖讓Agent進入Salesforce、參與真實業務流程時，專案進度卻突然慢了下來。團隊很快發現，Agent雖然能寫程式、呼叫API，卻無法理解一家企業多年累積下來的數據、權限與業務流程。 這樣的困境正在整個產業蔓延。根據獵頭公司Christian & Timbers（C&T）的行業研究，美國目前真正具備將AI系統部署進企業、並協助客戶獲得可量化回報能力的前線部署工程師（Forward Deployed Engineer，FDE）僅約2000人。隨著企業從「嘗試AI」邁入「規模化部署AI」，大型顧問與服務公司正快速擴充這類團隊。AI產業因此出現一個略顯諷刺的轉折：企業已經不太缺Agent，真正稀缺的是能替它收拾舊系統的人。 大模型公司展示Agent時，通常會給它一個乾淨的環境，數據整理妥當、介面已經打通、任務邊界清晰、調用權限也預先設定好，Agent只需要在一條平整的跑道上證明自己跑得夠快。然而，現實中的企業系統很少如此整潔。一家經營十幾年的公司，通常同時使用Salesforce、ServiceNow、Workday、Databricks以及一批自建系統，一名客戶可能出現在四個資料庫中，擁有四個編號、三個狀態和兩個負責人。系統之間還保留著歷次組織調整、產品改版和管理層更替留下的痕跡。 這些痕跡不盡然是技術錯誤，更多是不同部門之間的判斷標準不一致。銷售部門可能按照是否產生商機判斷「活躍客戶」，財務部門則按照是否發生回款判斷；客服認為客戶關係已經終止，合規系統卻要求繼續保留其檔案。每個欄位背後都有一套部門利益、責任邊界和歷史原因。在傳統軟體環境中，這些矛盾數據可以靠員工經驗暫時消化，老員工知道某個欄位雖然名為「客戶狀態」，實際上已經兩年沒人更新；財務人員知道導出報表後還要手動修改三列；銷售經理也清楚系統裡顯示已關閉的專案仍有挽回機會。 但Agent沒有這些經驗，更不會產生這種默契，它只能認真讀取每個欄位，按照被授予的權限執行指令。過去靠人類經驗勉強維持的系統漏洞，在Agent面前就變成必須解決的大問題。錯誤的客戶狀態可能導致一封不合時宜的行銷郵件，錯誤的貸款狀態卻可能觸發風控、合規乃至法律責任。對Agent而言，這就是一座龐大無邊的「屎山代碼」。 CMG Financial正是卡在這裡。把軟體開發遷移到Claude Code相對容易，因為程式碼的邊界較為清晰，錯誤可以透過測試、審核和回滾加以控制；讓Agent進入Salesforce則完全不同，它面對的是一家公司多年經營活動留下來的數字沉積。Agent部署不再是一個純技術專案，它要求企業回答一系列過去一直迴避的問題：哪套數據才算真實，誰有權修改它，哪個部門為錯誤負責，以及哪些歷史流程應該被廢除。為了讓Agent真正進入工作流，CMG不得不引入架構師、顧問和FDE協助梳理現有系統，但幾個星期過去，專案依然沒有取得預期進展。 直到CMG找上一家名為June的新創公司。June創辦人Efrat Rapoport將CMG的問題概括為：創建一個Agent模板並不困難，困難的是處理它下面的混亂。June提出的方案是先製作一張企業系統的「病歷」，掃描公司既有的軟體和資料庫，識別業務流程、重複欄位、數據斷點和權限衝突，再生成一條實施路線。這套方法幫助CMG看清Agent適合部署在哪裡，以及上線前必須先解決什麼問題。據Akinmade透露，June甚至在雙方正式啟動會議之前，就已經協助團隊安全地部署了一部分能力。 CMG遇到的問題並非個案，隨著企業紛紛把Agent塞入工作流，FDE這個崗位正在快速升溫。該職位最早由Palantir推廣，與傳統軟體工程師不同，FDE不只是負責開發產品，而是需要直接進入客戶企業，理解業務流程，將AI系統接入真實工作環境，並幫助企業獲得實際回報。但這類人才並不容易找到，根據C&T的研究，美國目前真正具備這種能力的工程師大約只有2000人，而且需求正在快速增長。2026年初，只有約5%至10%的企業計劃招聘FDE，到了第二季末，這一比例已經升至約70%，大型顧問和服務公司也開始計劃將相關團隊擴大10倍。 這種模式存在一個天然限制：它依賴大量高成本的人力。一個企業部署Agent，可能需要工程師先理解幾十套軟體系統、數百個數據欄位，以及數十年的業務流程。如果每一家企業都需要一支FDE團隊，AI規模化落地的速度仍會受到限制。而這正是June試圖解決的問題。2026年8月3日，TechCrunch報導June完成2000萬美元Pre-seed融資，由Marc Benioff旗下Time Ventures領投，Michael Dell、Aaron Levie和George Kurtz等企業軟體和雲端運算領域的重要人物參與投資。公司創辦人之一Rapoport稱，這輪融資甚至沒有準備商業計劃書。 June的創辦人團隊並非第一次創業，Rapoport和Ohad Hen、Barak Goldstein、Idan Tsitiat曾共同創辦語音分析公司Bonobo AI，2019年被Salesforce收購，團隊隨後進入Salesforce參與其AI業務。投資人願意迅速下注，不只是因為四位創辦人有過一次成功退出，而是他們指向的問題已經成為整個企業AI行業的共同焦慮。Rapoport直言：「AI反而增加了企業對專業服務的需求。」一家銀行的授信流程無法直接複製給一家航空公司，同一家公司的銷售部門和財務部門也未必使用相同的數據標準，模型供應商每進入一個大客戶，都要重新理解業務、打通數據、配置權限並設計容錯機制。 OpenAI已經證明單純出售模型並不足以拿下企業市場，它正在補齊部署能力，透過Frontier Alliance聯合BCG、麥肯錫、埃森哲和凱捷等諮詢與系統整合夥伴，幫助企業推進AI改造。2026年5月，OpenAI又成立OpenAI Deployment Company，並收購應用AI諮詢公司Tomoro，獲得約150名FDE和部署專家，啟動時獲得超過40億美元初始投資。亞馬遜走得更直接，今年7月底，AWS宣佈投入10億美元組建前線部署工程團隊，讓工程師進入客戶組織，幫助其在幾天而不是幾個月內搭建Agent系統。Anthropic、Google Cloud、Stripe等公司也在擴充類似崗位，部分美國FDE職位的基本年薪已經達到17萬至20萬美元，OpenAI開出的上限一度達到34.5萬美元，尚不包括股權。 Palantir的成功已經證明，部署團隊不只是成本中心，也可以成為銷售和續約的核心壁壘。工程師留在客戶身邊，可以迅速發現真實需求，幫助產品團隊糾正方向，還能建立普通SaaS難以形成的客戶黏性。問題是這種模式很難無限複製，每增加一個客戶，都可能需要增加一批工程師；每家公司都有自己的歷史包袱，前一個專案累積的經驗未必能完整複用到下一個專案。只要交付仍然高度依賴人力，Agent公司的毛利率和擴張速度就會受到約束。更麻煩的是，客戶可能重新陷入一種熟悉的困境：過去被軟體供應商鎖定，現在則被部署工程師鎖定。系統確實運行起來了，卻只有少數外部人員知道它為什麼能夠運行，一旦這些人離開，企業又會得到一個新的黑箱。Akinmade在試用June前說得很直白：如果這個產品仍然需要FDE，他就不想要，他不想再得到一套只有少數人能夠理解的東西。 過去企業願意忍受系統的混亂，是因為舊系統雖然低效，但至少還能運行，員工可以靠經驗填補數據斷點，管理層也不願意為了提高一點效率冒險改造核心業務。而Agent推翻了這套模式，它承諾的是接管一整段工作，而非單純提效百分之幾。要兌現這種承諾，企業必須系統地清理數據、重新劃分權限，並把那些依賴口耳相傳的流程正式寫入軟體。這使「給舊系統擦屁股」從維護費用變成了一門增長生意。June想吃掉的正是這部分預算，它試圖把FDE的工作拆解成一套軟體流程：先自動診斷，再給出改造路線，最後逐項完成搭建。如果同一種數據衝突、權限結構和工作流能夠在不同企業間複用，June就可能把過去按照人天收費的專案，變成可以規模化銷售的產品。 這是一筆比再造一個Agent更有吸引力的生意。模型能力正在趨同，調用價格也持續下降，企業可以在OpenAI、Anthropic、Google乃至開源模型之間切換，卻很難輕易更換一套已經梳理完成的數據和業務結構。企業並不是一張等待AI書寫的白紙，它更像一棟不斷加蓋、從未徹底維修的老樓：地下埋著廢棄管線，牆後藏著臨時電路，每一任管理者都留下了只有自己看得懂的改造痕跡。模型公司送來了越來越聰明的機器人，卻發現機器人進門之後，首先要做的不是工作，而是看懂這棟樓的結構，防止它哪天忽然牽一髮而轟然倒塌。誰替企業完成了這次清理，誰就更可能佔據Agent與舊系統之間的控制層。 June並不是唯一試圖解決這個問題的公司，但「擦屁股」這門生意最終會屬於誰，仍然沒有答案。第一種可能是June這樣的創業公司成功將部署工作產品化，它們不擁有最強模型，也不掌握企業原始系統，卻可以保持相對中立，同時接入不同模型和SaaS產品，幫助客戶選擇最適合自己的組合。如果產品確實能夠減少駐場人員，這類公司將直接衝擊傳統顧問公司和系統整合商。第二種可能是Salesforce、ServiceNow等SaaS巨頭自己拿走這筆錢，它們最瞭解自家系統的數據結構，也控制著企業最重要的業務入口，Agent越需要讀取客戶、員工和訂單數據，這些舊SaaS就越難被繞過。June證明市場成立之後，SaaS公司既可以複製它的功能，也可以直接收購它。這會導向一個與「SaaS末日論」截然不同的結果，即Agent不僅沒有摧毀傳統軟體，反而延長了她們的壽命。企業不會用自然語言臨時搓出一套世界500強級別的CRM，更不敢讓一個來歷不明的Agent直接接管財務和人事系統，Salesforce、Workday和ServiceNow長期累積的客戶數據、權限體系和合規記錄，恰是Agent進入企業時必須依賴的基礎——Agent越強，這些系統作為「事實來源」的價值就越大。 第三種可能，也是對AI行業最不性感的一種可能：企業技術債根本無法被徹底產品化。修改數據欄位看起來是技術工作，實際可能是在重新劃分部門權力。取消一道審批程序，意味著有人失去控制權；統一兩套客戶標準，意味著某個部門必須承認自己過去的數據不可靠；讓Agent接管一段流程，還涉及出了問題究竟由業務負責人、軟體供應商還是模型公司承擔責任。這些問題不可能只靠掃描資料庫解決。如果企業改造的核心始終是組織協調，而不是技術診斷，那麼最終賺到最多錢的，仍可能是Palantir、埃森哲、麥肯錫等擁有龐大交付隊伍的公司。模型公司賣出更多Agent，顧問公司就獲得更多實施專案，AI號稱減少白領勞動，率先創造出來的卻是一支更昂貴的技術顧問大軍。 June能否跳出第三種壞結局，取決於幾個尚未得到回答的問題：它進入一個客戶後，需要多少員工參與？不同企業之間有多少診斷結果可以複用？收費依據是軟體訂閱、實施專案還是業務效果？如果June建議客戶刪除某個欄位，最終造成合規事故，誰來承擔責任？更關鍵的是，它能否公開一批不是由創辦人團隊親自陪跑、卻仍然成功上線的客戶？一家號稱替代FDE的公司，不能依靠更多FDE證明自己。CMG的案例目前只證明June比此前那批架構師和顧問更快地找到了問題，但它還沒有證明這種能力可以脫離幾名擁有多年Salesforce經驗的創辦人，被穩定複製給成百上千家企業。CMG不缺Agent，不缺模型，也不缺採購預算，它缺的是一張能夠說明舊系統如何運轉、哪裡可以拆除、出了問題誰來負責的地圖。Akinmade不想要只有少數人才能理解的黑箱，但在企業AI真正實現標準化之前，能夠打開這些黑箱的人，可能比黑箱裡的Agent更貴。