The agent evaluation gap: Enterprise AI organizations have a reality-alignment problem, not a coverage problem — and most are shipping to production anyway

AI 摘要

一句话摘要: 企业AI代理自主性增长远超评测信任度，半数代理上线后在生产环境失败，评测与现实脱节成核心问题。 关键事实: 50%企业过去一年部署的代理通过内部评测后仍导致客户故障，仅5%完全信任自动化评测，66%企业已允许或正推进零人工干预的自动化部署。 涉及主体: VentureBeat Pulse Research, 157家受访企业 可能影响: 企业需重构AI代理评测体系以对齐真实业务场景，否则自动化部署将放大生产风险，推动评测工具市场向实时生产监控方向演进。 是否值得继续跟踪: 是，评测缺口是AI代理规模化落地的关键瓶颈，后续评测工具创新和行业标准制定值得关注。 噪音/炒作风险: 低，基于157家企业实证调查，数据具体且样本具采购决策权，非概念炒作。