# AI 代理即将陷入混乱，能救场的是数据，不是模型

> 原标题：The era of agentic chaos and how data will save us

- 来源：MIT Technology Review · AI
- 发布时间：2026-01-20T15:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/3875
- 原文：https://www.technologyreview.com/2026/01/20/1130911/the-era-of-agentic-chaos-and-how-data-will-save-us/

## 摘要

一家中型公司跑 4000 个 AI 代理（让模型进业务流程干活的程序）是迟早的事，但大部分企业的数据基础根本接不住。BCG 的调查说，60% 的公司砸了大钱做 AI，收入却没怎么涨；而做得好的那批，收入增长是别人的 5 倍，成本多砍了 3 倍。差距不在模型多强，在于数据地基有没有打好。文章把代理出错的坑分成四块：模型本身、调用的工具、做决策需要的上下文...

## 推荐理由

这篇文章不是空谈，有 BCG 的调研数据撑腰，把 Agent 规模化后的混乱讲得很具体。我会先打个折：正文没披露 4000 个 Agent 这个数字是怎么算出来的，但四象限可靠性和数据债的论点对正在踩坑的 AI 团队有参考价值，所以推荐给关注企业级 Agent 落地的人看。

## 锐评

这篇文章把AI代理（让模型进业务流程干活的程序）出错的锅，从模型身上挪到了数据地基上。它引了BCG的调查：60%的公司砸了大钱做AI，收入却没怎么涨；而做得好的那批，收入增长是别人的5倍，成本多砍了3倍。差距不在模型多强，在于数据有没有统一、可信、带足上下文。文章把故障点拆成四块：模型本身、调用的工具、做决策需要的上下文，以及事后检查的治理机制。这个框架挺直观，但正文没给出任何一家公司跑4000个代理的具体案例或数据来源，更像是一个推演数字。另外，文章由数据管理公司Reltio赞助，判断时需要打个折——它天然会把问题往“数据治理”上引。还缺的东西很关键：没讲清楚“统一数据”具体要花多少钱、多久能落地，也没对比模型能力提升和数据治理各自能解决多大比例的故障。如果是真的，那说明现在很多公司连AI代理的“说明书”都没准备好，就急着让它上路了。