企業 AI 團隊似乎已經在代理辯論中解決了一部分：他們正愈來愈多地標準化採用主要模型供應商的平台。但一組新的 VentureBeat Pulse Research 調查顯示，更困難的問題不是選擇平台，而是如何在不破壞信任、預算或安全性的情況下，把任何看起來像可靠、可治理、可多步驟運作的代理送進正式生產環境。

最直接的訊號來自 VentureBeat AI 於 2026 年 6 月針對 101 家員工超過 100 人的企業所做的編排調查。根據這項調查，Anthropic 的 Claude 是 40% 受訪者的主要編排平台，領先 Microsoft 的 18% 和OpenAI 的 13%。然而，同一批受訪者也表示，他們部署的多數「代理」其實並不是真正符合嚴格工作流程定義的代理：71% 表示，他們已部署系統中有四分之一或更少是真正的多步驟編排工作流程，而不是單一提示的聊天機器人外殼。

單看這一點，已足以對市場的代理敘事做出有用修正。再加上 VentureBeat AI 另外三項關於上下文、評估與安全性的相關調查，就呈現出更廣泛的模式。企業正在快速把 AI 接上業務系統，但周邊的控制層仍不成熟。檢索基礎設施雖然普遍，但尚未被完全信任。評估工具雖然在用，卻與生產現實嚴重不對齊。安全控制往往是從模型供應商與雲端平台借來的，而不是圍繞自治軟體本身來設計。其結果，比起平台戰爭，更像是部署落差。

編排正在整合，但工作負載仍然淺薄

VentureBeat AI 的編排調查認為，企業買家主要是根據「模型重力」來選平台，而不是基於對獨立編排框架的忠誠。在調查中，最重要的選擇因素是與偏好基礎模型的對齊，其次才是彈性與開發便利性。這帶來的實務含意很明確：企業常常從模型已經所在的地方開始，之後才再加入自己的控制邏輯。

這也解釋了為什麼供應商平台在主要使用上占據主導，而像 LangChain/LangGraph 與客製化內部編排則僅停留在個位數比例。不過，同一項調查也發現了異常高的轉換意圖。VentureBeat AI 報告指出，68% 計畫在一年內採用新的、額外的或替代的編排平台，而最大的一群轉換者還沒有縮小供應商名單。

這不像是一個已經定型的市場。更像是暫時集中在最容易上手的起點。

資料中最強烈的矛盾，是 VentureBeat AI 自己點出的那個：團隊說他們會以可靠的多步驟執行來衡量編排，但大多數也承認，自己已部署的產品組合仍主要是聊天機器人外殼。這對建置者與採購者都很重要，因為單回合助理與一個能規劃、呼叫工具、協調狀態並跨企業系統採取行動的系統，在營運需求上完全不同。

即使是基本的財務控制也顯得薄弱。在編排調查中，27% 表示在帳單到來前，沒有真正即時的程序化方式可以阻止失控的代理。另有 32% 完全依賴供應商原生的上限與節流機制。只有少數受訪者表示，自己建立了客製化閘道或跨模型路由，以更具決定性地管理支出。

缺少的層次是上下文、評估與身分

當把編排發現與 VentureBeat AI 2026 年 6 月針對企業代理堆疊其餘部分的平行調查放在一起看時，這些結果就更有意義。

在基於 101 家企業的上下文調查中，57% 表示，過去六個月內，他們的AI 代理曾因缺少或不一致的業務上下文而產生自信但錯誤的回答。檢索增強生成（RAG）被 38% 的組織列為主要上下文來源，成為最常見的方法。供應商原生檢索在報告的生產使用中也居於領先，OpenAI file search 為 40%，Google Vertex AI Search 為 38%，領先於 Pinecone、Weaviate、Milvus 與 Qdrant 等專用向量工具。

這個組合很重要。市場討論往往把檢索當成已解決的管線問題，把向量基礎設施當作成熟類別。但這份調查顯示，真正的企業問題不是團隊能不能找回文件，而是找回來的上下文是否受到治理、是否一致、是否具備存取意識，並且足夠可信來支援業務決策。

VentureBeat AI 的評估調查共有 157 位企業受訪者，也指出了類似的不匹配。一半的人表示，他們曾推出通過內部評估、卻在面向客戶的場景中失敗的代理或 LLM 功能。只有 5% 表示他們完全信任自動評估。儘管如此，66% 要不是已經允許低風險代理無需人工介入部署，就是正朝著一年內達成這個目標工程化。

該調查中的評估工具市場也顯得早期而且碎片化。OpenAI 原生的 Evals 與 Traces，和「完全沒有專用工具」並列為最常見的主要設定，各占 17%；而 Anthropic 的 Claude Console Evals，以及 DeepEval、Braintrust、LangSmith、Weave、Promptfoo、Langfuse、Arize 等獨立工具，則分散在較小的份額中。

這很重要，因為沒有可信評估的編排，會變成放大錯誤自信的一種方式。通過的基準測試或內部測試套件，不等於能證明代理在真實工作負載、真實資料與真實客戶條件下會表現正確。

安全性正是部署落差轉化為企業風險的地方

這組調查中最具體的風險訊號，來自 VentureBeat AI 針對 107 家企業的安全調查。調查發現，54% 已經經歷過已確認的 AI 代理安全事件，或差點發生的事件。只有 32% 表示，每個代理都有自己範圍明確、受管理的身分。多數受訪者表示存在某種形式的憑證共享，而只有 30% 會將風險最高的代理放入沙箱。

根據 VentureBeat AI，這些部署所使用的安全堆疊幾乎全是供應商原生。OpenAI guardrails 以 51% 的報告使用率領先，此外還有來自 Google、Microsoft 與 Anthropic 等主要雲端與模型供應商的控制。Palo Alto Prisma AIRS、CrowdStrike、Cisco AI Defense、HiddenLayer、Zenity、Check Point、Lakera、Okta for AI Agents，以及更廣泛的非人類身分平台等專門類別，在這個樣本中的比重都很低。

這項調查的核心論點是，企業問題不是缺乏認知，而是賦予的自治能力與其周邊的封裝系統之間不匹配。代理在 per-agent identity、最小權限存取、隔離，以及即時執行層管控廣泛到位之前，就已獲得對內部系統與資料的實際存取權。

這也是為什麼「大多數人把聊天機器人叫做代理」這個發現，不只是語意問題。如果許多生產部署本質上仍只是提示詞外殼，那麼今天的安全態勢可能本來就很脆弱。若這些系統進化成更自治、可多步驟運作且具工具存取能力的代理，攻擊面只會進一步擴大。

證據、注意事項，以及這些調查能證明與不能證明的事

本文所有基礎證據都來自 VentureBeat AI 在 2026 年 6 月進行的 Pulse Research 調查。編排與上下文報告各抽樣 101 家企業，安全報告 107 家，評估報告 157 家。所有樣本都排除了非常小的企業，並偏向中型市場或積極採用 AI 的企業受訪者。VentureBeat AI 一再提醒，這些調查是自我選擇、橫斷式且方向性質的研究，而非機率抽樣。

這個提醒很重要。這些數字不能被視為最終市場占有率、精確發生率或經審計的採用統計。它們反映的是特定受訪者群體向 VentureBeat AI 回報的自家部署與規劃。各調查之間的供應商占比也不應過度互相比較，因為樣本與題目框架不同。

即便如此，四份報告之間的方向一致性仍相當值得注意。在編排上，企業圍繞供應商平台聚集，但期望混合式控制。在上下文上，他們使用打包式檢索，但表示希望有 best-of-breed 的獨立性。在評估上，他們不信任自動化測試，卻又在增加自動化。在安全上，他們對供應商原生控制感到放心，同時也計畫在事件與差點發生事件後更換工具。

因此，這組調查中最強的採用與成效主張，都是調查回報，而非獨立驗證。不過，這種模式已經足夠一致，值得重視。

這對建置者與企業買家的意義

對 AI 建置者而言，訊息是市場可能過度使用「代理」這個詞，卻對讓代理在營運上站得住腳的周邊系統投資不足。把 Claude、OpenAI 或 Microsoft 外面包一層包裝相對容易。真正困難的是打造一個能找到正確上下文、做出貼近現實的評估、執行範圍受限的存取控制，並在超支前自動停止的工作流程，而這也愈來愈成為價值被檢驗的地方。

對企業買家來說，這些調查顯示「平台標準化」不等於部署成熟度。團隊可以選擇 Anthropic、OpenAI、Microsoft、Google 或 Amazon，卻仍可能缺少 AI 系統接觸真實業務流程後最重要的控制機制。未來的採購轉向，很可能是混合式堆疊：用供應商原生的基礎元件快速起步，再加上獨立層來處理控制、治理、身分、可觀測性與成本路由。

對新創公司而言，這就是機會。獨立框架的敘事在這次編排調查的現行主要使用中顯得較弱，但在未來考慮中更強。同樣的情況也出現在相鄰層：檢索中的 Qdrant 與 Milvus、評估中的 DeepEval 與 Braintrust，以及少數安全供應商，即使目前部署仍低，也已在被考慮。這還不是勝出的證據，但確實顯示市場對打包預設值並不滿意。

接下來要觀察什麼

下一個要觀察的訊號，是編排成熟度是否真的提升，還是市場持續把助理重新命名成代理。真正多步驟工作流程的占比上升，會比下一輪平台品牌包裝更有意義。

第二，要看混合式控制是否從願景變成架構。如果企業愈來愈把決策邏輯、路由、權限與支出控制留在供應商平台之外，獨立 control plane 廠商與自建平台就應該更有機會。

第三，要追蹤信任層是否跟上。實務上，這意味著更多受治理的語意層進入生產、更多即時輸出品質監控、更多每個代理都有自己的身分，以及更多高風險系統的沙箱化。

最後，要監看預算執行。如果 token 支出與工具呼叫成本持續上升，即時路由與 kill switch 控制，可能會比許多現有產品路線圖所預期的更快成為企業迫切需求。

Creati.ai 觀點

這組調查最清楚的結論是，企業 AI 主要不是缺平台，而是過早的信心太多。團隊現在已經可以從同一小批供應商購買編排、檢索、評估與 guardrails。它們還做不到的是，持續把這些元件變成在成本、安全性與業務正確性上都可信的生產系統。

這就是為什麼最重要的競爭，可能會從基礎模型存取，轉向其周邊的營運層。勝出者不會只承諾「代理」，他們會讓人更難把聊天機器人外殼與受治理的自治工作流程混為一談，也更容易證明一個系統何時安全、可負擔，且真正已準備好供企業使用。