一句话看懂：AWS 负责 agentic AI 的副总裁 Swami Sivasubramanian 在阿姆斯特丹 HumanX 大会上披露，亚马逊两年前构建的 AI agent 原型有近 90% 从未进入生产环境。他同时给出了失败的五类根因，以及亚马逊自己跑通的一条路径。
事件核心：发生了什么
这场演讲发生在 2026 年 9 月 23 日的 HumanX 阿姆斯特丹站。Sivasubramanian 引用分析师数据称，目前只有 17% 的组织成功部署了 AI agent，而能衡量投资回报的仅有 7%。他转述客户的抱怨：“同一个方向我做了 15 个原型，不知道该押哪一个。”AWS 的前置工程师团队用六个月时间追踪失败项目，归纳出五个原因：做错了问题、无法衡量是否有效、治理被当成事后补丁、决策者在错失恐惧与投入恐惧之间摇摆、没有人围绕 AI 重构组织。OpenAI 的 Colin Jarvis 在同一场会议上也表达了类似判断：企业 AI 卡在部署，而不是模型。
为什么重要
这组数据戳破了 agent 热潮中的一个普遍错觉——原型跑通不等于能上生产。缺的不是模型能力，而是业务目标定义、评估体系、权限治理和组织配套。亚马逊自身的应对方式是“让一千朵花开放，再测量哪朵活着”：内部超 10 万名工程师使用 agentic 编码工具 Kiro。一位工程师周末做出的助理项目在内部 Slack 扩散后，与 Kiro 团队正在原型化的常驻 agent、持久记忆、多 agent 协作合流，成为开源项目 Kiro Crew，内部上线 30 天内约 3.9 万名亚马逊员工基于它开发，外部贡献者约 500 人。基础设施层面，亚马逊把 agent 收敛到 Bedrock 做推理、AgentCore 做托管，开源框架 Strands 引入一个确定性的“盒子”层，限制 agent 可调用的工具范围，随其表现逐步放宽。
对用户/开发者/创作者的影响
对开发者而言，这提示 agent 项目的瓶颈通常不在模型选型。上生产前应先回答两个问题：它连接到什么业务结果，以及每一层是否在复利式积累。对采用方而言，AWS 给出的操作性建议是把高模糊度项目交给极小团队起步——Bedrock 需求爆发时，六名开发者用 76 天完成重构，其后团队才扩展到 35 人。确定性护栏的引入也意味着，企业可以在不牺牲可控性的前提下逐步放开 agent 权限，这对安全与合规敏感的采购决策尤其相关。
值得关注的后续
其一，Strands 的“盒子”机制能否成为 agent 权限治理的事实标准，谷歌 DeepMind 方面已提出类似的“围栏”思路。其二，Kiro Crew 的外部生态会否从 500 名贡献者继续扩大，形成可复用的企业 agent 模板。其三，17% 部署率与 7% ROI 可测量率这两个数字在未来一年是否出现实质变化——这比任何新模型的发布都更能说明 agent 是否真正落地。
来源：The Next Web
