Gartner 在 2025 年 6 月丟出一個數字：到 2027 年底，超過四成的 agentic AI 專案會被取消。他們問了三千四百多家正在投資這件事的企業。被砍的原因寫得很不浪漫：成本失控、講不清楚商業價值、風險控管不足。

同一份報告還講了一件更難堪的事：市面上幾千家號稱做 AI agent 的廠商，Gartner 認為真的算數的大概只有 130 家。其他的是把原本的 chatbot、RPA、助理換個名字重新包裝。這個行為他們給了一個名字，叫 agent washing。

我在賣 Martech 的公司上班。這句話我不能裝作沒看到。

但我想講的不是廠商，是專案。

過去一年我自己動手做了幾個小東西：把續約資料從一個系統同步到另一個、每週五自動產出業績週報、獎金制度改版時的試算工具、工時對應損益的儀表板。這些到今天都還在跑。

也有沒活下來的。我認真評估過要不要自己寫一套系統，取代公司在用、租金不便宜的某個平台。算完就停了，一行程式沒寫。

回頭看，活下來的跟沒動工的，差別不在技術難度。反而是那個沒做的最難、也最值錢。

差別在四件事：

一、它解決的是我自己每週真的會痛一次的問題。 不是「我們應該要有 AI」，是「我每週五都要花兩小時做同一件事」。痛是具體的、重複的、有頻率的。

二、失敗成本低。 週報壞掉，我手動做一次就好。但如果我自己寫的東西取代了公司的核心資料，然後壞了，那就不是我一個人的下午。

三、資料本來就在手上。 不需要先做三個月的資料工程才能開始。這也是很多 agentic 專案真正卡住的地方：不是模型不夠聰明，是資料太碎。

四、我自己就是使用者。 不用開會說服別人用，不用做教育訓練，不用擔心上線三個月後沒人打開。

這四件事有個共通點：都跟 AI 沒關係。

寫這篇的今天還發生一件小事。我想讓一個排程每週自動幫我掃產業趨勢，結果發現那台電腦少裝一個東西，跑不起來。構想很漂亮，卡在一個純粹的環境問題。

那四成被砍掉的專案，我猜很多也是這樣死的。不是模型不行，是有人在投影片上畫了一個很合理的流程，而那個流程的第三步，現實裡沒有人做得到。

所以下次有人問我某個 AI 專案該不該做，我大概會先問三個問題：這個痛多久發生一次？做壞了誰收拾？資料現在在哪裡？

三題都答得出來，再談模型。