기업 AI 에이전트 평가에는 '현실 정렬' 격차가 있습니다: 절반의 조직이 내부 테스트를 통과한 에이전트를 프로덕션 환경에 배포해 고객 실패를 초래했습니다

一项覆盖157家企业的调查显示，50%的组织曾在过去一年将通过内部评估的AI智能体或大语言模型功能投入生产，随后出现客户故障，反映内部测试结果与真实环境表现存在偏差。

调查中仅5%的企业表示完全信任自动化评估，29%将评估与现实结果对齐不佳视为最大局限。与此同时，66%的企业已允许或计划在12个月内对低风险智能体实行全自动、无人工干预部署。

Aioga判断，材料呈现的核心矛盾并非企业是否开展评估，而是评估结果能否代表生产环境。自动化评估信任度有限与自动部署推进并存，值得关注其风险识别和上线决策是否充分衔接。

这可能意味着，仅以内部评估通过作为部署依据，仍不足以排除客户侧故障。随着低风险智能体自动部署扩大，企业可能需要更谨慎地界定“低风险”，并持续核对评估结果与现实表现。 值得关注企业是否补充生产环境反馈、客户故障记录及人工复核机制，并明确自动部署的适用范围。后续报道还应核查调查对象构成、评估标准和“客户故障”的具体定义。