G2 2025年AI代理洞察报告：和MIT报告相反的关于AI代理的5个惊人发现

G2公司简介

G2 是全球领先的企业软件评测与采购平台，类似于“软件界的TripAdvisor”。主要为企业用户和采购决策者提供真实、透明的软件产品评价与市场趋势分析。G2聚合了数百万用户的反馈，覆盖数千种企业级工具，包括AI、CRM、ERP、数据分析等主流技术领域。 G2的评测数据被众多企业、投资机构、媒体引用，是IT采购和技术选型的权威参考。几乎所有主流SaaS厂商（如Salesforce、Microsoft、Oracle、SAP等）都积极参与G2平台，争取好评和曝光。G2报告和榜单常常直接影响企业的采购决策，甚至成为软件供应商的市场营销“必争资源”。 G2不仅评测产品，还持续发布行业洞察报告（比如解读的这份AI Agents 2025报告），为企业决策者提供前瞻性趋势分析。其数据驱动的报告常被投资人、CIO、技术主管用于判断行业方向和创新机会。

简介：超越炒作，探寻真相

近一年来，关于 AI 代理（AI Agents）的讨论热度空前，它们被描绘成即将颠覆一切的自动化力量。人们普遍认为，代理将引发大规模的失业恐慌，其高昂的风险也会让企业望而却步。但现实果真如此吗？G2 最新发布的《2025 年AI代理洞察报告》揭示了一些出乎意料甚至与直觉相悖的真相。这份报告基于对超过1000名B2B软件买家的深度调研，它超越了理论辩论，揭示了如今的组织实际上是如何部署、管理并从代理技术中获益的。本文将深入解读报告中五个最具冲击力的发现，带你拨开炒作的迷雾，看清 AI 代理的真实面貌。如果你读过麻省理工学院的《生成式人工智能鸿沟》The GenAI Divide）,就会发现这个报告所持观点不同。

1. 洞见一：AI 代理正在打破“帕金森定律”的魔咒

“帕金森定律”（Parkinson’s Law）是一个经典的组织行为学理论，它指出：“工作总会膨胀，直到填满所有可用的时间”。这精准地解释了为何传统生成式 AI 工具带来的个人效率提升，并未完全转化为组织层面的产出增加——节省下来的时间往往被分心、拖延或不必要的完善所消耗，形成了“生产力泄漏”。

然而，AI 代理正在从根本上打破这一定律。报告指出，代理拥有持续工作的特性，它们不会因为刷 TikTok 或被 Slack 消息分心而中断任务，更不需要休息。这意味着什么？从战略层面看，这创造了一种全新的竞争杠杆：“无限制的响应能力和指数级提升的速度”。当代理技术迭代使其速度提升时，这种提升会直接、无损地转化为更快的交付速度和更强的组织响应能力，通过“无限的数字劳动力池”为企业带来压倒性的优势。

“如今，不再是大鱼吃小鱼……而是快鱼吃慢鱼！” — 研究员兼作家 Jason Jennings

2. 洞见二：事故频发，但信任度与自主权不降反升

这是一个令人惊讶的矛盾。一方面，报告显示 AI 代理在过去一年中确实引发了严重事故，包括安全事件和合规问题，其中数据泄露事件被评为“严重”级别的占比高达 48%。另一方面，近 80% 的受访者计划在未来一年中扩大代理的自主权。

这种反直觉的现象并非非理性决策，而是指向一个更深层次的战略考量。这与本世纪初云计算兴起时所见的**“信任差距”**如出一辙。当时，许多企业领导者对其安全性、可用性持怀疑态度，但最终，其巨大的经济价值推动了大规模采用。如今，历史正在重演。报告明确指出，“代理在经济和运营上的巨大前景，促使企业领导者在恐惧之下依然选择给予信任”。这种“向前看”的心态，正如报告中引用的 Ethan Mollick 的观点所言：“我们今天使用的代理，是我们将遇到的最差的代理。它们每一天都在进步。”

报告数据补充道，尽管存在风险，但企业领导者为了追求极致的效率和竞争优势，依然选择逐步授予代理更多自主权，尤其是在近50% 的受访者表示愿意授予完全自主权的低风险工作流中。

3. 洞见三：员工非但没有恐慌，满意度反而飙升

“AI 将导致大规模失业和员工恐慌”是媒体报道中的主流论调，但这与部署了 AI 代理的企业所观察到的现实大相径庭。报告的关键数据显示：在部署了 AI 代理的部门中，近 90% (87%) 的受访者报告员工满意度有所提升。这一数据揭示了 AI 代理在组织内部的真实角色。它们并非员工的“敌人”，反而更像是“援军”。它们接管了大量重复、繁琐的工作，将员工从无尽的事务性任务中解放出来，极大地缓解了工作倦怠感。员工因此能将更多精力投入到更具创造性和战略性的工作中，其价值和满意度自然随之提升。

4. 洞见四：“完全放手”并非最优解，人机协作才是效率之王

在如何监管 AI 代理的问题上，企业主要采取两种模式：“代理优先（人类知情）”和“人类门控（人类批准）”。前者让代理先行，人类事后审查；后者则要求代理在关键节点等待人类批准。

一个有趣的发现是：虽然“代理优先”模式在行动质量和用户满意度上略高一筹，但在关键的商业成果上，“人类门控”模式却表现更优。报告用具体数据支撑了这一观点：在成本节约方面，“人类门控”方法实现75% 或更高节省的可能性是前者的两倍；在周期时间缩短方面，“人类门控”工作流的净结果要好20%。

为什么更审慎的方法反而能带来更好的净成果？报告揭示了其背后的核心逻辑：“人类的监督建立了组织大规模部署代理所需的信任，而正是在规模化应用时，最大化的节约才得以实现。” 换言之，略慢一步的人类审批流程，通过建立信任，为更广泛、更自信的部署铺平了道路，从而在整体上创造了更卓越的商业价值。

5. 洞见五：未来不是“代理吞噬软件”，而是“代理与软件共舞”

业界一直流传着“代理将吞噬 SaaS”的预测，认为代理将彻底取代现有的软件应用。然而，报告的预测数据描绘了一幅截然不同的未来图景。

近半数 (47%) 的受访者预测，到 2030 年，AI 代理将与现有 SaaS 系统协同工作，在现有软件之上进行编排，而不是完全取代它们。这个比例远高于认为世界将是“代理优先”的 28%。报告用形象的类比帮助我们理解这种共存关系：移动钱包并没有取代银行卡系统，而是构建在其之上；智能手机的出现也没有消灭个人电脑，两者至今仍在并存。

这种共存关系也延伸到了就业前景上。45% 的受访者认为到2028 年，代理将带来净就业增长或人才的重新部署。报告引用了 ATM 机取代银行出纳员日常工作的历史案例：ATM 普及后，银行运营成本降低，反而开设了更多分支机构，出纳员的角色转变为销售和服务专家，最终岗位数量不降反增。这表明，技术进步往往是转变角色，而非消灭岗位。

结语：重新定义我们的工作

G2 的报告清晰地描绘了一幅图景：AI 代理并非未来的威胁，而是当下拉动运营变革的催化剂。从在预测员工恐惧的地方提升了士气，到在自动化时代证明了人类监督的卓越投资回报率，这些发现揭示了 AI 代理的真实影响远比表面看起来更加复杂且积极。成功的关键不在于盲目自动化，而在于深思熟虑的人机协作——在这种协作中，信任得以建立，员工潜力得以释放，而速度，则是最终的通行证。

随着 AI 代理变得越来越强大，真正的问题或许不是“它们是否会取代我们”，而是“我们将如何重新定义与它们并肩作战的工作方式？”。如果可以，你明天最想把哪一项重复性工作交给 AI 代理来完成？

附录：报告中统计的数据

这是一个罗列报告中提及的各种统计数据、它们所描述的情景以及基于来源得出的可能的发现的表格。

统计数据（Percentage/Median/Ratio）	描述/情景	可能发现/解释
四分之三 (75%) 的公司在过去一年中投资了 AI 代理。	衡量 AI 代理的采用率。	代理正在赢得各种规模的公司青睐，在 2025 年实现了重大飞跃。
超过一半 (50%+) 的公司极有可能在未来 12 个月内扩大代理的范围和预算。	衡量未来投资意愿。	尽管存在可靠性问题，但企业对代理仍有强劲信心和扩大规模的意愿。
40% 的公司拥有 100 万美元的代理年度预算。	衡量企业对 AI 代理的投资规模。	对 AI 代理技术的企业投资并非微不足道。
四分之一 (25%) 的大型企业预算超过 500 万美元。	衡量大型企业的投资规模。	这一投资速度超过了过去几年生成式 AI 试点项目的投资。
57% 的 B2B 公司目前已将 AI 代理投入生产； 22% 处于试点阶段。	衡量代理的采用状态。	代理从测试到规模化的周期非常短。与 GenAI 相比，超过一半的试点项目已进入全面生产，失败率很低。
在最成熟的工作流程中，受访者报告的单位成本节约中位数为 40%。	衡量代理带来的财务成果。	这一节省幅度超过了大多数针对生成式 AI 或传统机器学习的生产力提升估算。
客户服务事件的中位数处理率达到 80%。	衡量客户服务用例中的效率。	代理的处理率高于呼叫中心（约 70%）和 GenAI 聊天机器人（约 50%），提供了明显的降低成本的机会。
销售开发中，每项成果（如潜在客户开发）的成本中位数节省了 20%。	衡量销售开发用例的成本效率。	考虑到许多解决方案采用即用即付模式，这正迅速成为销售团队的“必选方案”。
最成熟工作流程的速度中位数提升了 23%。	衡量代理带来的流程速度提升。	代理的效率与响应能力和上市速度呈统计学相关性，速度在大多数行业中至关重要。
超过三分之一 (33%+) 的公司报告软件开发速度提升了 50% 以上。	衡量软件开发中的速度增益。	这推动了在竞争市场中更快的更新周期和产品发布。
在流程自动化中，10 个审阅者中有 8 个报告周期时间至少加快了 25%。	衡量跨法律、人力资源等部门的流程自动化效率。	这是自十多年前 RPA 兴起以来，对企业运营杠杆最大的推动力。
超过 25% 的受访者在部署后的 3 个月或更短时间内看到了第一个有意义的成果。	衡量实现价值所需的时间（Time-to-Value）。	这一速度匹配或甚至超过了此前的 AI 项目。
83% 的买家对代理性能表示满意。	衡量代理部署后的整体满意度。	这种高满意度预示着代理投资的低流失率或放弃率。
近 90% (87%) 的受访者报告部署代理的部门员工满意度更高。	衡量代理对员工敬业度和工作量的影响。	代理通过减轻重复性工作，缓解了员工职业倦怠，而非引发工作恐慌。
近三分之二 (63%) 的受访者报告代理需要比预期更多的人类监督。	衡量当前对代理的实际信任水平。	原因包括缺乏良好结构化的数据、编程学习曲线陡峭以及对技术缺乏信任。
在过去一年中，数据泄露 (48%)、安全事件 (26%) 和合规问题 (26%) 等事件有超过四分之一 (25%+) 达到了主要严重程度。	衡量不信任的现实依据。	数据泄露带来的影响最大。尽管存在这些风险，但代理的经济前景推动企业领导者延伸信任。
近一半 (47%) 的经过验证的代理买家将他们的组织定位在 Level 3：护栏式自主权。	衡量企业目前的自主权级别。	大多数买家仍采用在关键时刻暂停以待人工批准的“护栏式”方法。
54% 的组织对“自动阻止可疑 IP”和“失败部署回滚”赋予高自主权（Level 4-5）。	衡量授予高自主权的用例。	安全和 DevOps 领域的代理行动在获得高自主权方面处于领先地位。
几乎 80% 的受访者计划在明年扩大代理的自主权。	衡量未来扩大自主权的趋势。	尽管存在事故报告，但企业仍在积极扩大代理的“牵引绳”。
55% 的 AI 资金来自中央 IT 预算。	衡量 AI 购买的资金来源。	AI 已从实验性项目转变为嵌入式运营技术，IT 部门在 AI 采购决策中的影响力正在上升。
十分之九 (90%) 的买家要求拥有单一、可信的客户数据来源，然后才授予代理自主权。	衡量数据协调和信任要求。	数据是推出代理解决方案的门控因素。
46% 的受访者采取混合（RPA + Agents）自动化方法。	衡量企业采用代理的堆栈策略。	这是将代理集成到现有自动化堆栈中的主导战略。
66% 采用“代理优先”自动化堆栈的受访者对行动质量非常满意。	衡量不同自动化堆栈的满意度。	代理优先的方法提供了最高的行动质量满意度，并且在准确性方面领先 30 个百分点。
采用人工把关（Human-gated）方法的组织，交付 75% 或更多成本节省的可能性是代理优先方法的两倍。	衡量监督模型对成本效益的影响。	人工监督建立了信任，而信任是组织扩大部署规模、实现最大节省所需的前提。
人工把关工作流在周期时间提速方面交付了 20% 更好的净结果。	衡量监督模型对净速度增益的影响。	这表明在衡量成果时，受访者考虑了修正后的净结果；在 2025 年，为了实现最佳结果，仍然需要人类参与。
只有 48% 的买家信任代理供应商在能力和可靠性方面的信息传递。	衡量供应商信息的可信度。	超过 70% 的受访者认为公共叙事被过度炒作。供应商必须检查夸大其词的说法，并提供透明的当前可靠性指标。
可解释性（技术如何运作）是买家最看重的信任信号。	衡量建立信任的技术要求。	如果买家能够一步步理解代理系统的运作方式，他们将更愿意授予其自主权。
72% 的 “代理构建者”（Agent builders）愿意更换 SaaS 供应商以获取代理功能。	衡量具有一线经验用户的需求和忠诚度。	这些用户比其他类型的受访者更有可能更换供应商，表明他们对代理功能有迫切需求。
IT 运营在代理采用方面以 75% 的比例领先于所有部门。	衡量代理采用的部门分布。	IT 运营是代理的滩头阵地（beachhead），是供应商应重点关注的买家群体。
几乎一半 (49%) 的买家认为可变定价（基于消耗、行动或结果）是代理最公平的定价模式。	衡量代理的定价偏好。	可变定价类似于云计算的即用即付模式，是吸引非采用者和留住客户的关键。
45% 的受访者预测，到 2028 年，AI 代理将带来净就业增长或人才重新部署到更高价值的工作。	衡量代理对未来劳动力的净影响。	这与关于工作岗位减少的担忧形成了不同的叙事。
几乎一半 (47%) 的受访者预测，到 2030 年，代理将通过 SaaS 进行编排。	衡量代理与现有软件的关系.	代理和 SaaS 将共存并形成互补关系，而不是代理将“吃掉”SaaS。

参考

G2 Insight Report: AI Agents in 2025