2026年6月，Forrester Research发布了一份措辞格外冷静的报告。

标题叫做《The State of Agentic AI in 2026: Companies Are Chasing, Few Are Catching》——《2026年Agentic AI现状：追赶者众，成功者寡》。

这不是一份鼓吹AI前景的分析报告，也不是一份危言耸听的风险报告。它是一份来自战场的真实记录：AI技术本身到达了，企业准备好了吗？

答案很清楚：还没有。

75%的幻象

报告的开篇数据是这样的：四分之三的企业领导者表示他们正在采用Agentic AI。

这是一个让人感觉AI已经无处不在的数字。但Forrester研究人员立刻在下一段话里戳破了它：只有极少数企业真正在有意义的生产规模下运行Agent系统，完整的多Agent协同系统更是凤毛麟角。

这个落差，就是Forrester报告所称的”追赶与被追赶之间的鸿沟”。它既是今年AI行业的核心故事，也是几乎所有企业AI负责人私下里承认的真相。

理解这个落差，需要先理解Agentic AI与普通AI聊天工具的本质区别。

这不只是技术能力的升级，而是一种系统属性的根本性变化。

长时程Agent不是更强的聊天机器人

Forrester报告用了很多篇幅强调一个经常被忽视的区分：长时程Agent（long-horizon agent）与聊天机器人（chatbot）在本质上是两种截然不同的系统。

聊天机器人是同步的、单次的、有人在旁边监督的。你问它，它回答，你满意就用，不满意就重试。整个交互过程是单向的、即时的、人类全程可控的。

而Agent是不同的。一个真正的Agentic系统可以运行数小时、数天甚至数个月，自主地调用工具、访问外部数据、协调其他Agent、触发真实世界的操作（发邮件、修改数据库、部署代码）。它更像是一个分布式系统，而不是一个会话界面。

这个区别带来了根本性的基础设施要求：编排（orchestration）、身份（identity）和上下文管理（context discipline）——而这些，是大多数企业从未构建过的能力。

Forrester给出了一个精准的诊断：当你把12个孤立的Agent拼在一起，没有共享的注册表（registry），没有标准化的任务交接模式（hand-off patterns），结果就是协调混乱——重复执行、任务漂移、错误蔓延。这不是Agent能力不够强，而是企业没有为Agent基础设施做好准备。

Forrester研究员在报告中直接写道：”规模失败的原因是任务复杂度，而不是Agent数量。大多数团队根本没有在管理这种复杂性。”

这是一个让很多AI项目负责人看了会冒冷汗的判断。因为他们部署的那些”AI Agent”，很多时候不过是把旧有工作流中加了一个”有AI参与的步骤”，并不是真正的自主多Agent系统。

三重障碍：ROI不确定性、治理缺口、平台困惑

Forrester报告将企业难以跑通Agentic AI的障碍归纳为三个来源，它们相互叠加、互相强化。

第一重：ROI不确定性将企业锁在试点模式

大多数公司无法证明在窄效率收益之外还存在其他价值，因此无法为生产部署辩护。试点可以批准，因为试点失败代价有限；生产部署需要对ROI做出承诺，而当前的方法论无法可靠地预测多Agent系统在真实复杂工作流中的收益。

这是一个结构性的陷阱：你只有在规模下运行才能证明ROI，但你需要先证明ROI才能获得规模部署的批准。

第二重：治理缺口导致Agent蔓延（agentic sprawl）

超过半数企业报告出现了治理失控问题——即使他们已经采用了NIST AI RMF（美国国家标准与技术研究院AI风险管理框架）。

这个数据尤其值得注意。NIST RMF是目前最被广泛采用的AI治理框架之一。但Forrester的研究发现，一份写在纸上的治理政策，无法控制一个能自主调用工具、自主扩展权限的Agent系统。Forrester报告用了一个尖锐的说法：”政策文件无法控制一个自主的、调用工具的系统。”

当Agent可以伪装成彼此、自主提升权限时，传统的安全模型就失效了。Forrester Security Survey 2026显示，49%的安全决策者已经将Agentic AI列为核心安全关切——这个比例在12个月内大幅上升。

第三重：平台选择困惑冻结了承诺

SaaS Agent（买现成的）、系统集成商构建的定制Agent（委外开发）、还是自研构建——这三种路线各有拥护者，各有数据说话，也各有坑。

当技术选型团队还在内部争论这三条路哪条更安全的时候，实际的Agent部署项目就陷入了等待。Platform confusion不只是技术选型问题，它是一种组织决策瘫痪的症状。

先行者的真实经验：BNY的故事

在报告中，Forrester特别点名了Bank of New York（BNY，纽约梅隆银行）作为”行业领先水平”的案例。

这个选择本身就很有意思：一家传统的、被重度监管的金融机构，为什么会是Agentic AI落地的标杆？

Forrester的分析给出了答案：BNY的优势不是它的技术能力，也不是它的预算规模，而是它的劳动力准备度（workforce readiness）——”员工真正准备好了在严格受监管的业务环境中管理高度自主的Agent。”

这是一个让人深思的结论。我们通常认为，大公司的AI成功主要取决于：计算资源、工程人才、数据质量。但Forrester的案例研究提示了一个被长期低估的因素：人，是否真正准备好了与AI Agent协作？

不是接受培训、了解工具那种”准备好”，而是心理预期、工作流再设计、对AI决策的信任度都调整到位的那种深层准备。BNY花了很多年在这种文化层面做准备，而不只是买了最新的AI工具就认为自己就绪了。

即便如此，Forrester也承认：BNY”仍然没有实现Agentic承诺的完整价值”。这是一个让人清醒的注脚——即使是行业最领先的组织，在2026年中期也没有宣称”我们已经完全实现了Agentic AI的潜力”。

技术就绪 vs 企业就绪：永远的追赶游戏

Forrester报告的核心框架是一个关于速度的悖论：技术的到达速度，永远快于组织的消化速度。

这不是今天才有的现象。ERP在1990年代到达，但企业花了10年才真正把它嵌入业务流程；云计算在2010年代到达，大型企业的迁移过程延续至今；移动端开发工具在2008年爆发，企业的移动化改造花了整整一代人的时间。

Agentic AI也在走同一条路，只是速度更快，反差更剧烈。

OpenAI的内部数据已经说明技术就绪的程度：其软件开发工作流已经在最小化人工干预的情况下运行了数月。Cursor部署了长时程编码Agent，Anthropic演示了能持续工作多天的研究Agent。技术层面的证明已经存在。

但企业侧，情况完全不同。大多数组织缺乏：

  • 编排层：能协调多个Agent、管理它们之间的任务交接和权限边界的基础设施
  • Agent身份管理：给每个Agent唯一凭证、最小权限、完整日志和命名责任人（named owner）
  • 可信任度构建：每一个自主操作都必须可审计、可解释，对审计师可答疑

这些要求不是新概念，但在传统IT治理框架下，它们从未被设计用于管理自主、持续运行的Agent。

Forrester的结论是：领先的公司不是Agent最多的公司，而是”铺轨道”铺得最好的公司——建立好编排层的基础设施，让Agent和传统系统能以标准化方式协同，然后再一步步扩展自主权。

第三层洞察：非对称优势——治理鸿沟如何放大结果差距

第一层看法：Agentic AI落地慢，问题在技术成熟度不够。

第二层看法：技术够了，问题在企业流程再造和人才培训。

第三层，是Forrester报告字里行间透出的真正洞察，但需要我们在数据背后追问才能看清楚：当所有大企业都能访问同样强大的AI工具，差距为什么还会越来越大？

答案是非对称放大效应（Asymmetric Amplification）。

在AI工具均等化的时代，每家企业都能调用Claude、GPT、Gemini；都能在SaaS市场买到”企业AI Agent”解决方案；都能通过AWS/Azure/GCP访问顶级计算资源。技术层面的起跑线，比以往任何时代都更接近平等。

但Agentic AI的特性，使得执行层面的差距被非线性放大。一个治理良好的多Agent系统，每次成功执行都在积累组织的”Agent运营经验”——哪些任务适合自主化、哪些边界必须保留人工审核、哪些失败模式需要预防。这种经验不能通过购买更好的工具获得，只能通过在真实业务环境中运行并持续优化来积累。

而治理能力落后的组织，每次Agent失败都在消耗信任资本，把整个组织推向更严格的人工审核——正好与扩展自主性的目标相反。

这是一种能力的正向飞轮 vs 恐惧的负向螺旋的对立。有治理基础的企业越跑越快，没有治理基础的企业越跑越慢——即使他们购买的工具完全相同。

BNY的优势，不是它有更好的AI工具，而是它通过多年的监管合规文化，培育了组织级别的”自主系统管理能力”。这种能力，是竞争护城河，因为它无法被快速复制，也无法被金钱直接购买。

公平地说：Forrester也可能过于悲观

当然，并非没有反对的声音值得倾听。

有些AI领域的从业者认为Forrester低估了企业追赶速度。他们的论据是：过去18个月里，从”AI试验”到”AI生产部署”的时间，已经从行业平均的18-24个月压缩到了6-9个月。以Open AI内部的例子为证——今天的生产部署，比研究者自己两年前预测的要早得多。

这个反驳有其道理。技术曲线在某些关键节点会出现”准备度跨越”——一旦某类企业的部署案例变得足够可参考、失败模式足够被文档化、集成工具足够成熟，后来者的学习曲线会急剧缩短。

但这个反驳并不推翻Forrester的基本判断，而是补充了一个时间维度：问题不是追不追得上，而是快的那批企业会获得多大的先发优势，以及这个窗口期还有多长。

如果3年内企业准备度会大规模追上技术，那Forrester的”幻灭之谷”只是短暂的过渡；如果组织改造的速度根本性地慢于技术迭代，那差距会持续扩大。这是未来最值得观察的变量。

参考资料

  1. Forrester Research, “The State Of Agentic AI In 2026: Companies Are Chasing, Few Are Catching” (2026-06-09)
    https://www.forrester.com/blogs/the-state-of-agentic-ai-in-2026-companies-are-chasing-few-are-catching/
    Full report: https://www.forrester.com/report/the-state-of-agentic-ai-2026/RES196198

  2. Forrester Research, “Forrester Security Survey, 2026” — referenced in the Agentic AI report
    https://www.forrester.com/data-and-insights/tools/data/200000138