企业采购AI Agent正变得触手可及。OpenAI、Anthropic、Google和微软都在争夺企业客户，Salesforce、ServiceNow、Workday等SaaS巨头则忙着将Agent塞进每个产品页面。可以说，购买Agent本身已不再是难题，但当企业真正尝试部署这些智能体时，新的挑战随之而来：购买Agent，并不意味着Agent就能顺利进入工作流。
美国抵押贷款公司CMG Financial就陷入了这样的困境。其首席战略官Paul Akinmade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，但现实远比想象艰难。虽然CMG此前已将部分软件开发工作迁移至Claude Code，证明了团队快速采用最新AI工具的能力，但当团队试图让Agent进入Salesforce并参与真实业务流程时，项目进度突然停滞。他们很快发现，Agent虽然能写代码、调用API，却无法理解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蔓延。根据猎头公司Christian & Timbers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（FDE）仅约2000人。随着企业从“尝试AI”转向“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。
大模型公司在演示Agent时，通常会给它一个干净的环境：数据已整理，接口已打通，任务边界清晰，调用权限也已预设。Agent只需在一条平整的跑道上证明自己跑得够快。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。这些痕迹并非全是技术错误，只是不同部门的判断标准不同。销售部门可能按是否产生商机判断“活跃客户”，财务部门则按是否回款判断；客服认为客户关系已终止，合规系统却要求保留档案。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，这些矛盾的数据可以靠员工经验暂时消化。老员工知道某个字段名为“客户状态”却多年未更新；财务人员知道导出报表后需手动修改三列；销售经理也清楚系统里显示已关闭的项目仍有挽回机会。但Agent没有这些经验，它只能认真读取每个字段，按权限执行指令。许多过去靠人类经验勉强维持的系统漏洞，在Agent面前变成了必须解决的大问题。错误的客户状态可能导致不合时宜的营销邮件，错误的贷款状态可能触发风控和法律风险。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并非对AI毫无准备，公司已经开始使用Claude Code辅助软件开发，也证明了工程团队的快速适应能力。在Salesforce生态中，CMG也希望扩大AI应用范围，Paul Akinmade曾承诺在下次大会上展示100个Agent的运行成果。但Agent真正进入企业流程后，CMG发现事情远非简单。软件开发迁移到Claude Code相对容易，因为代码边界清晰，错误可通过测试、审核和回滚控制；让Agent进入Salesforce则不同，它面对的是公司多年经营活动留下的数字沉积。部署不再是纯技术项目，而是要求企业回答一系列回避已久的问题：哪套数据才算真实，谁有权修改，哪个部门为错误负责，哪些历史流程应被废除。为了推进，CMG不得不引入架构师、咨询顾问和FDE来梳理系统，但数周过去，项目进展甚微。直到CMG找到了名为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模板不难，难的是处理它下面的混乱。June的方案是先制作企业系统的“病历”：扫描现有软件和数据库，识别业务流程、重复字段、数据断点和权限冲突，再生成实施路线。这套方法帮CMG看清了Agent适合部署的位置及上线前需解决的问题。据Akinmade称，June甚至在双方正式启动会议前，就帮助团队安全部署了一部分能力。
CMG遇到的问题并非个例。随着企业将Agent塞入工作流，FDE这一岗位正在快速升温。该岗位最早由Palantir推广，与传统软件工程师不同，FDE不仅负责开发，还需深入客户企业，理解业务流程，将AI系统接入真实环境，帮助企业获得实际回报。但这类人才稀缺：根据Christian & Timbers的研究，美国真正具备这种能力的工程师约2000人。这些人需同时具备行业知识、企业沟通和推动能力，以及实际AI部署经验。企业需求正快速增长：2026年初，仅约5%至10%的企业计划招聘FDE；到第二季度末，比例已升至约70%。大型咨询公司也开始计划将相关团队扩大10倍。这类似于软件时代——购买ERP或CRM后，企业需要实施顾问进入现场，帮助系统适配真实业务。如今，Agent进入企业也催生了类似角色。但这种模式存在天然限制：依赖大量高成本人力。一个企业部署Agent，可能需要工程师理解几十套系统、数百个字段及数十年流程。如果每家企业都需要一支FDE团队，AI规模化落地的速度仍受限制。
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。创始人Rapoport称，这轮融资甚至没有准备商业计划书。Rapoport和Ohad Hen、Barak Goldstein、Idan Tsitiat曾共同创办语音分析公司Bonobo AI，2019年被Salesforce收购，团队随后进入Salesforce参与其AI业务。可以说，上一家公司解决“如何让AI理解客户对话”，下一家则解决“如何让AI理解整个企业系统”。投资人迅速下注，不仅因为团队有过成功退出，更因为他们指向的问题是整个企业AI行业的共同焦虑。Rapoport表示：“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航空公司，同一家公司的销售和财务部门也不一定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已证明单纯出售模型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成立OpenAI Deployment Company，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。亚马逊更为直接，今年7月底宣布投入10亿美元组建前线部署工程团队，让工程师进入客户组织，帮助其在几天而非几个月内搭建Agent系统。Anthropic、Google Cloud、Stripe等公司也在扩充类似岗位。部分美国FDE职位的基本年薪已达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，前一个项目的经验未必能完整复用到下一个项目。只要交付仍高度依赖人力，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。系统确实运行了，却只有少数外部人员知道它为何能运行。一旦这些人离开，企业又会得到一个新的黑箱。Akinmade在试用June前直言：如果产品仍需FDE，他就不想要。他不想得到一套只有少数人能理解的东西。目前看来，June通过了这个考验。
过去，企业愿意忍受系统的混乱，因为旧系统虽然低效，但至少还能运行。员工可凭经验填补数据断点，管理层也不愿为提高一点效率而冒险改造核心业务。而Agent推翻了这套模式，它承诺接管整段工作，而非单纯提效。要兑现承诺，企业必须系统清理数据、重新划分权限，把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在不同企业间复用，June就可能把过去按人天收费的项目，变成可规模化销售的产品。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，调用价格持续下降。企业可以在OpenAI、Anthropic、Google乃至开源模型间切换，却很难轻易更换一套已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，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。谁能替企业完成这次清理，谁就更可能占据Agent与旧系统之间的控制层。June并非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证明市场成立后，SaaS公司既可以复制其功能，也可以直接收购它。这将导向一个与“SaaS末日论”截然不同的结果：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，也不敢让来历不明的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。修改数据字段看似技术工作，实际可能是重新划分部门权力。取消一道审批程序，意味着有人失去控制权；统一两套客户标准，意味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，而非技术诊断，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。