企業 AI 團隊看起來正在就其代理人系統將運行在哪裡做出戰略決策：越來越多是大型模型供應商的平台上。但一組新的 VentureBeat Pulse Research 調查指出，更難的問題已不再是選擇平台，而是讓真正的代理人部署、控制與營運紀律，跟上原本的雄心。

在 VentureBeat AI 於 2026 年 6 月發佈的四波調查中，受訪者描述了一個正圍繞 Anthropic、OpenAI、Microsoft 與 Google 等公司的 provider-native 堆疊快速標準化的市場，同時仍在苦苦應付讓自主軟體能在生產環境中可用的基礎問題。這些弱點在編排、檢索、評估與安全性上都看得到。

最尖銳的發現來自編排調查：71% 的企業表示，他們已部署的「代理人」中，四分之一或更少其實是真正多步驟編排的工作流程，而不是單純的聊天機器人外殼。這很重要，因為同一批受訪者表示，他們衡量編排成功與否的標準是可靠的任務完成與多步驟工作流程管理，而不是聊天機器人的使用體驗。換句話說，很多團隊在多數生產環境中的東西還沒完全算得上代理人時，就已經在採購與規劃代理式系統。

綜合這四項調查，可以看出一個廣泛的企業模式。團隊對採用前沿模型平台附帶的整合控制與基礎設施感到自在，但在身分識別、上下文治理、真實世界評估與成本執行上仍遠不成熟。對建構者與採購者而言，訊息很明確：下一個競爭優勢，可能不再來自另一個編排框架，而是來自證明代理人可以被信任、被衡量、並被約束。

四層堆疊中的同一個故事

編排報告涵蓋了 101 家員工超過 100 人的企業，結果顯示 Anthropic 的 Claude 是 40% 受訪者的主要編排平台，領先 Microsoft 的 18% 與 OpenAI 的 13%。VentureBeat 明確提醒，這些數字不是市占率，應視為自我選擇樣本的方向性快照，而非按支出加權的產業普查。

即便如此，這個模式仍與另外三項調查一致。在檢索與上下文基礎設施方面，OpenAI 檔案搜尋與 Google Vertex AI Search 的實際生產使用領先專門向量資料庫。在安全性方面，OpenAI 的 guardrails 以及 Google 和 Microsoft 的控制主導了當前部署。在評估方面，OpenAI 的原生 evals 與 traces 領先全場，與表示完全沒有使用專用評估工具的受訪者打平。

這種一致性很重要。它顯示企業團隊預設會選擇最接近其既有基礎模型與雲端堆疊的工具。VentureBeat 將此稱為編排中的「模型重力」，以及其他層中的 provider-native 預設。實務上的解讀更簡單：買家想要更少的移動零件、更快的部署與更緊密的整合，至少在第一波生產系統上是如此。

但這些團隊並沒有顯示出深層的長期忠誠。調查發現，68% 計畫在一年內採用、增加或替換編排平台，57% 計畫更換或新增檢索供應商，64% 預期評測工具會有變動，59% 則計畫調整代理人安全工具。標準化正在發生，但堆疊仍然流動。

「聊天機器人」標籤已經超前了軟體現實

編排資料提供了行銷語言與營運現實之間落差最清楚的例子。根據調查，只有 10% 的企業表示，他們部署的「代理人」中超過一半是真正多步驟編排的工作流程。大多數人承認，整體組合仍由單一提示的助理主導。

這項發現出現在「AI 代理人」已成為廣泛產品的預設標籤之際。VentureBeat 的資料暗示，許多企業部署，與其說是能在多個步驟中協調工具、記憶與政策的自主系統，不如說是帶有企業連接器的進階聊天機器人。

這個區別並不是語意上的吹毛求疵。它會影響架構、測試、安全與預算。聊天機器人外殼可能只需要好的提示、grounding 與 UX 修飾；真正的多步驟代理人則需要執行期權限、回滾路徑、可追蹤性、支出控制、持久狀態、與任務結果對齊的評估，以及通常位於任何單一模型供應商之上的混合控制平面。

受訪者似乎理解這個差距。到 2026 年底，51% 表示預期會有一個結合供應商原生系統與外部編排的混合控制平面。只有 6% 預期會完全依賴供應商管理的服務。根據調查，主要原因是供應商鎖定；35% 認為如果控制權留在模型供應商平台內，這是最大的風險。

所以，這個故事並不只是「供應商正在贏」。他們贏得了當前部署的預設值，但企業同時也在建立退出機制。

安全、上下文與評估仍落後於部署

三項配套調查顯示，編排落差只是更廣泛部署成熟度問題的一部分。

在安全性方面，VentureBeat 對 107 家企業的調查發現，54% 回報了已確認的 AI 代理人安全事件或險些發生的事件。只有 32% 表示每個代理人都有自己的範圍化身分，而 69% 回報整個機群中某處存在憑證共享。僅 30% 會把風險最高的代理人隔離在沙箱中。該刊指出，範圍化身分與較低事故率之間的關聯具有啟發性，但並不能證明因果，特別是在樣本規模不大且自我選擇的情況下。

在上下文基礎設施方面，另一項針對 101 家企業的調查發現，57% 曾看過代理人產生自信但錯誤的答案，且可追溯到缺失或不一致的業務上下文。檢索增強生成是 38% 受訪者的主要上下文來源，而 provider-native 工具主導了實際使用。同時，58% 表示他們正在運作或建構一個受治理的語意層，這意味著許多組織如今認為，沒有更強的業務定義層，單純檢索是不夠的。

在評估方面，警訊同樣直接。157 家受訪企業中，有一半表示曾發佈一個通過內部評估、但在客戶面前失敗的代理人或 LLM 功能。只有 5% 表示他們如今完全信任自動化評估。然而，66% 已經允許，或正在朝向零人介入的低風險代理人部署邁進。

這個組合大概是整個群組中最重要的訊號。企業並不是在等完美保證才自動化更多決策；他們是在提高自主性的同時承認，證明這種自主性的控制措施仍不完整。

證據證明了什麼，沒有證明什麼

這四項來源都來自 VentureBeat AI 自家的 Pulse Research 計畫，而非公司申報、產品文件或廣泛的獨立市場資料。這使得這個群組適合作為當前買家行為的方向性指標，但不適合作為最終市場測量。

VentureBeat 本身一再說明限制：樣本為自我選擇，部分調查偏向中型組織，而且都來自 2026 年 6 月的單一波次，而不是匯總的長期面板。在編排調查中，受訪者也被要求選出單一主要平台，因此呈現的是當前偏好快照，而不是多層使用或支出的全貌。

這表示，對 Claude、OpenAI、Microsoft、Google、Vertex AI Search 或 LangChain/LangGraph 的平台別數字必須謹慎看待。它們顯示的是這群受訪者說自己把主要押注放在哪裡，而不是整個產業的完整排行。

儘管如此，更廣泛的模式仍難以忽視，因為它們在四項調查中反覆出現。provider-native 工具似乎在編排、檢索、安全與評估中領先。企業回報了相當高的事故與失敗率。而且大多數人計畫在一年內重新檢視自己的堆疊。單一百分比可能會隨不同樣本而變動；但結構性故事看起來更穩健。

這對建構者與企業買家意味著什麼

對正在打造代理人系統的產品團隊來說，這個群組顯示編排正變成一個控制平面問題，而不只是框架選擇。採用 Claude、OpenAI 或 Microsoft 可能會加速初期部署，但並不能消除受治理上下文、執行期身分、正式生產評估與成本上限的需求。

對基礎設施新創來說，機會可能比「取代平台」更窄，但也比乍看之下更大。調查顯示，專門供應商目前滲透有限，但企業強烈想增加 native 堆疊無法完全解決的層。這對非人類身分、語意治理、即時品質監控與支出管理尤其相關。

對 企業 AI 買家而言，訊息是要檢視內部的「代理人」組合究竟是不是真正的自主工作流程，還是主要只是輔助式聊天介面。如果是後者，下一筆正確投資可能不是另一個編排抽象層，而是讓工作流程在真正自主時依然可信的營運紀律。

這些調查也顯示，許多組織仍然是先為便利而買，之後才監控正確性。這種順序在實驗階段可以運作；一旦代理人可以跨內部系統行動，或在沒有人工核准的情況下發布變更，風險就會升高。

接下來要觀察什麼

最清楚的後續訊號，是 provider-native 主導是否會進一步鞏固，還是停在原地。如果 OpenAI、Anthropic、Microsoft 與 Google 持續把編排、檢索、評估與安全性整併到同一個堆疊中，企業可能會接受比現在所說更高的鎖定風險。

第二個訊號，是混合控制平面是否會從表態意圖走向已部署的架構。如果 LangChain/LangGraph、自訂編排與身分控制周邊的外部層獲得真正的生產占比，這將證實買家想要供應商提供模型存取，但不想把完整控制權也交出去。

第三，要觀察企業預算是否會從工作流程工具，轉向調查所指向的那些不那麼顯眼的層：語意治理、範圍化身分、即時輸出監控，以及程式化的成本執行。這些不是頭條功能，但卻是與受訪者回報的失敗最直接相關的能力。

最後，最大的營運考驗是定義問題。當企業把更多系統推向生產環境時，市場需要更清楚地區分聊天機器人介面、使用工具的助理，以及完全編排的 AI 代理人。現在，標籤已經跑在實作前面。

Creati.ai 觀點

這則故事最值得注意的部分是，企業似乎並不混淆好代理人應該做什麼。他們說自己想要可靠的多步驟執行、受控權限、精確上下文，以及能預測真實結果的評估。差距在於，他們當前的部署往往達不到這個標準，即便採購與平台選擇正快速前進。

所以，這看起來與其說是一場平台戰爭，不如說是一場營運上的清算。模型供應商正在贏得成為預設起點的權利，但更難的商業問題仍未解決：把 LLM 驅動的工作流程變成可靠的軟體系統。最先填補這個落差的團隊，可能不是靠更好的 demo，而是靠更好的控制與更清楚的定義。