无论规模大小，企业正加速采用人工智能智能体（AI agents），以期提升效率并降低运营成本。然而，这场竞赛背后隐藏着鲜少被讨论的风险：相当一部分项目无法存活超过两年，在消耗投资的同时未能兑现预期回报。
行业数据揭示高失败率与治理缺失
Gartner预测，到2026年底，40%的商业应用将拥有专注于特定任务的AI智能体（2025年这一比例不足5%）；但同时指出，因成本增加、业务价值不明或风控不当，到2027年底超40%的智能体AI项目将被取消。德勤研究进一步证实了这一困境：近四分之三的公司计划在未来两年内采用智能体AI，但仅1%拥有成熟治理机制，具备成熟智能体的公司更是微乎其微。
核心症结：架构薄弱而非模型问题
ArcH创始合伙人Carlos Pisani指出，问题几乎从不在于AI模型本身，而在于将自主智能体置于缺乏清晰技术规范或经过验证的架构之上。每增加一层新技术层，只会增加技术债务而非解决问题。尽管企业在商业模式上已趋于成熟，对运营效率和财务可持续性的需求日益增长，但这种成熟度尚未渗透到系统开发中。许多公司仍以旧有方式开发软件，缺乏规范且未经过架构验证，这正是导致后期效率被锁死的技术债务根源。
治理困境是架构薄弱的症状表现
Pisani认为，德勤关于“仅21%公司拥有成熟智能体治理模型”的数据证实了上述诊断。这并非单纯的合规问题，而是架构薄弱的症状。智能体治理的前提是存在可被治理的结构化体系；若系统诞生时缺乏规范，便不存在事后能解决的治理框架。
破局之道：规范驱动架构（SDA）
为降低成为那40%被取消项目的风险，Pisani主张将技术规范视为商业决策而非可跳过的技术步骤。在询问使用哪种AI智能体之前，应首先确认底层架构是否能够支撑该决策。这就是“规范驱动架构”（Spec-Driven Architecture, SDA）的核心理念：在没有明确需要解决的问题以及对其如何随时间持续维持清晰认知之前，不做出任何技术决策。