给Agent清理“屎山”，正在成为一门赚钱的生意

文 | 字母AI 企业采购Agent，正在变得越来越容易。 OpenAI、Anthropic、Google和微软都在争夺企业客户，Salesforce、ServiceNow、Workday等SaaS公司则忙着把Agent塞进每个产品页面。 可以说，购买Agent本身已经不是难题。但当企业真正尝试部署这些Agent时，新的问题出现了： 买Agent，并不等于让Agent进入工作。 美国抵押贷款公司CMG Financial就遇到了这样的困境：其首席战略官Paul Akinmade此前曾在Salesforce年度大会上承诺，公司下一阶段将推动100个Agent投入运行，但事情并没有他想象中那么容易。 此前，CMG已经将部分软件开发工作迁移到Claude Code，证明团队能够快速采用最新AI工具，可当团队试图让Agent进入Salesforce、参与真实业务流程时，项目突然慢了下来。 他们很快发现， Agent可以写代码、调用API，却无法理解一家企业多年积累的数据、权限和业务流程。 类似的问题正在整个行业出现。根据猎头公司Christian & Timbers（C&T）的一项行业研究，美国目前真正具备将AI系统部署进企业、并帮助客户获得可量化回报能力的前线部署工程师（Forward Deployed Engineer，FDE）仅约2000人。 随着企业从“尝试AI”进入“规模化部署AI”，大型咨询和服务公司正在快速扩充这类团队。 AI产业由此出现了一个略显讽刺的转折：企业已经不太缺Agent，真正稀缺的是能替它收拾旧系统的人。 最后帮CMG找到路的，是一家名为June的创业公司。 100个Agent，卡在Salesforce里 大模型公司演示Agent时，通常会给它一个干净的环境。 数据已经整理好，接口已经打通，任务边界清晰，调用权限也经过预设。Agent需要完成的，是在一条平整的跑道上证明自己跑得足够快。 然而，现实中的企业系统很少如此整洁。 一家经营了十几年的公司，通常同时使用Salesforce、ServiceNow、Workday、Databricks以及一批自建系统。一名客户可能出现在四个数据库中，拥有四个编号、三个状态和两个负责人。系统之间还可能保留着历次组织调整、产品改版和管理层更替留下的痕迹。 这些痕迹并不都是技术错误，只是不同部门之间的判断标准不同：销售部门可能按照是否产生商机判断“活跃客户”，财务部门则按照是否发生回款判断；客服认为客户关系已经终止，合规系统却要求继续保留其档案。 每个字段背后都有一套部门利益、责任边界和历史原因。 在传统软件中，出于员工经验，这些矛盾的数据可以被人暂时消化。老员工知道某个字段虽然名为“客户状态”，实际上已经两年没人更新；财务人员知道导出报表后还要手动修改三列；销售经理也清楚，系统里显示已经关闭的项目仍有挽回机会。 但Agent没有这些经验，更不会产生这种默契——它只能认真地读取每个字段，按照被授予的权限执行指令。 很多过去靠人类经验勉强维持的系统漏洞，在Agent面前，就变成了必须解决的大问题。错误的客户状态可能导致一封不合时宜的营销邮件，错误的贷款状态却可能触发风控、合规乃至法律责任。对 Agent 而言，这就是一座庞大无边的“屎山代码”。 这正是CMG遇到的障碍。 CMG Financial并非对AI毫无准备，事实上，作为美国一家抵押贷款公司，CMG近年来一直在探索如何将AI引入业务流程。公司已经开始使用Claude Code辅助部分软件开发工作，也证明了其工程团队能够快速采用最新AI工具。 在Salesforce生态中，CMG也希望进一步扩大AI应用范围。 此前，CMG首席战略官Paul Akinmade曾在Salesforce年度大会上提出目标：下一次回到大会时，公司希望已经有100个Agent投入运行。 但当Agent真正进入企业流程后，CMG很快发现，事情并没有想象中简单。 把软件开发迁移到Claude Code相对容易，因为代码的边界较为清晰，错误也可以通过测试、审核和回滚加以控制；让Agent进入Salesforce则不同，它面对的是一家公司多年经营活动留下来的数字沉积。 这种情况下，Agent部署就不再是一个纯技术项目，它要求企业回答一系列此前一直回避的问题：哪套数据才算真实，谁有权修改它，哪个部门为错误负责，以及哪些历史流程应该被废除。 为了让Agent真正进入工作流，CMG不得不引入架构师、咨询顾问和前线部署工程师（FDE），帮助梳理企业现有系统。 但几个星期过去，项目依然没有取得预期进展。 直到CMG找到了一家名为June的创业公司。 June创始人Efrat Rapoport将CMG的问题概括为： 创建一个Agent模板并不困难，困难的是处理它下面的混乱。 June给出的方案，是先制作一张企业系统的“病历”。它会扫描公司已有的软件和数据库，识别业务流程、重复字段、数据断点和权限冲突，再生成一条实施路线。 这套方法帮CMG看清了Agent适合部署在哪里，以及上线前必须先解决什么问题。 据Akinmade称，June甚至在双方正式启动会议之前，就已经帮助团队安全地部署了一部分能力。 AI先制造了一支FDE军团 CMG遇到的问题并不是个例。随着企业纷纷把Agent塞入工作流，一个新的岗位正在快速升温：FDE。 该岗位最早由Palantir推广。与传统软件工程师不同，FDE并不只是负责开发产品，而是需要直接进入客户企业，理解业务流程，将AI系统接入真实工作环境，并帮助企业获得实际回报。 但这类人才并不容易找到：根据猎头公司Christian & Timbers（C&T）的一项研究，美国目前真正具备这种能力的工程师大约只有2000人——这个数字指的不是空缺岗位数量，是符合要求的人才，一共只有2000人。 TechCrunch援引该研究称，这些人需要同时具备行业知识、企业沟通和推动能力，以及实际AI部署经验，才能持续帮助企业从AI投入中获得回报。 而企业需求正在快速增长。 2026年初，只有约5%至10%的企业计划招聘FDE；到了第二季度末，这一比例已经升至约70%。大型咨询和服务公司也开始计划将相关团队扩大10倍。 这件事在软件时代亦有发生——无论是ERP还是CRM，企业购买软件后，都需要实施顾问进入现场，帮助系统适配真实业务；如今，Agent进入企业，也重新催生了类似的角色。 但这类模式也存在一个天然限制：它依赖大量高成本的人力。 一个企业部署Agent，可能需要工程师先理解几十套软件系统、数百个数据字段，以及数十年的业务流程。 如果每一家企业都需要一支FDE团队，AI规模化落地的速度仍然会受到限制。 而这正是June试图解决的问题。 2026年8月3日，TechCrunch报道称，企业AI部署创业公司June完成2000万美元Pre-seed融资。 本轮融资由Marc Benioff旗下Time Ventures领投，Michael Dell、Aaron Levie和George Kurtz等企业软件和云计算领域的重要人物参与投资。 公司创始人之一Rapoport称，这轮融资甚至没有准备商业计划书。 这并不是June