各种规模的公司都在加速采用人工智能代理，因为它们有望提高效率并降低运营成本。但这场竞赛掩盖了一个鲜为人知的风险：这些项目中相当一部分预计无法存活超过两年，白白消耗投资却无法带来预期的回报。.
这一警告得到了两家科技领域权威机构的数据支持。Gartner预测，到2026年底，40%的企业应用将配备专注于特定任务的人工智能代理，而2025年这一比例还不到5%。与此同时，Gartner预测，到2027年底，超过40%的人工智能代理项目将因成本上升、商业价值不明或风险控制不足而被取消。德勤的一项研究从另一个角度印证了这一观点：近四分之三的公司计划在未来两年内采用人工智能代理，但只有21%的公司声称拥有成熟的代理治理模型。.
系统架构专家、ArcH创始合伙人卡洛斯·皮萨尼表示，这些数据描述了一种他在实践中早已发现的模式，远早于任何报告的证实。“问题几乎从来都不在于选择的AI模型，而在于将一个自主代理放置在一个从未有过清晰技术规范或经过验证的架构的系统之上。在这个基础上添加的每一层都会增加技术债务，而不是解决任何问题。”他说道。.
皮萨尼认为，企业行为模式的转变尚未体现在软件开发方式上。“市场在商业思维方面已经日趋成熟。对运营效率和财务可持续性的需求日益增长，这一点已毋庸置疑。问题在于，这种成熟尚未体现在系统开发层面。许多公司虽然改进了商业模式，却仍然沿用旧方法开发软件，既没有规范，也没有架构验证。这正是技术债务的根源所在，而技术债务恰恰阻碍了企业自身所追求的效率。”
根据皮萨尼的分析，德勤的数据从治理的角度证实了这一诊断。“只有21%的公司拥有成熟的代理治理模型，这并非合规问题，而是架构薄弱的体现。代理治理的前提是存在可供治理的结构。如果系统在创建之初就没有明确的规范，那么任何治理框架都无法在后期解决问题。”
为了降低成为那40%被取消项目之一的风险，Pisani认为，技术规范应该被视为商业决策，而不是可以省略的技术步骤。“在决定使用哪个AI代理之前，正确的问题是底层架构是否能够应对这一决策。这就是我们所说的规范驱动架构（SDA）：在明确需要解决的问题以及如何长期维持解决方案之前，不应做出任何技术决策。跳过这一步骤的公司并非节省时间，而是推迟了项目被取消的时间。”
