YC 196家初创70%搞Agent，AI创业已彻底转向“替代人”

这数据跟我之前做的一个外包客服Agent项目体验完全一致。模型选得再好，最后80%的精力全耗在异常流程兜底和状态机设计上，稍微有个边界case没覆盖到就崩给你看。另外我比较好奇的是，这70%的Agent公司里，有多少最后能证明自己比传统RPA+人工兜底方案在总成本上有真正优势，而不只是换了个更贵的黑盒。

这个帖子我看完挺有感触的，因为过去两年我恰好在一线做Agent落地，踩过不少坑，也看到了一些跟帖子里不太一样的东西。先亮个身份：我是某大模型的Agent方向算法工程师，去年主导了两个行业级Agent项目，一个在金融客服，一个在电商运营，都从POC走到了小规模商用，但离“替代人”还有相当距离。

先说70%这个数据。YC的统计确实反映了资本和创业者的共识，但我得泼点冷水：Agent创业和“替代人”之间，隔着好几层工程化的地狱。我去年做金融客服Agent时，客户最初的需求就是“替代人工客服”，结果我们花了三个月才发现，真正能替代的部分只有那些流程极其标准、异常极少的场景，比如“查余额、改密码、挂失”。一旦涉及到需要跨系统查账、处理合规问题、或者客户情绪激动的场景，我们的Agent表现就很拉胯，失败率从5%飙升到40%以上。最后客户妥协了，变成了“辅助人工”，也就是Agent先处理80%的常规问题，把剩下20%转给人工。这不是技术不行，而是现实世界里的业务逻辑太复杂，根本没法用单纯的推理能力覆盖。

帖子提到“核心不再是模型参数竞赛，而是围绕可靠性与可解释性的工程化落地”，这个我举双手赞成。我们团队初期也沉迷于优化模型，后来发现真正的瓶颈在工程侧。举两个具体例子：一是工具调用，Agent需要调用几十个API，每个API的输入输出格式、错误码、限流策略都不一样，我们花了大量时间写适配器、做重试和降级逻辑。二是失败恢复，比如Agent调用了一个支付接口超时，它需要知道是重试还是放弃，还是换一种支付方式，这个决策逻辑我们是用状态机硬编码的，而不是靠模型推理，因为模型输出的不确定性在金融场景下不可接受。所以我的经验是，Agent的可靠性不是靠模型更聪明，而是靠工程架构更鲁棒。

帖子问下一个技术瓶颈是多模态还是长期规划。我个人经历告诉我，长期规划能力是目前最痛的短板。我负责的电商运营Agent，需要做“双十一大促规划”——从选品、定价、库存分配到投放策略，跨度两周，涉及几十个决策点。现有Agent完全hold不住，因为任何中间环节的决策错误都会导致后续规划全盘失效，而Agent缺乏自我纠错的闭环机制。我们尝试过用ReAct框架加反思模块，但效果不稳定，经常出现“反思了但没反思对”的情况。多模态交互反而是相对成熟的，比如我们接入了OCR和语音识别，处理用户上传的图片和语音留言，这部分技术栈已经比较成熟，难点主要是在噪音环境下准确率打折扣。所以我觉得，长期规划能力才是决定Agent能否从“单点任务执行”升级为“复杂项目负责”的关键，而多模态更多是锦上添花。

再聊聊“黑盒决策”的信任问题。这一点我深有体会。我们的金融Agent上线后，被合规部门要求提供每笔决策的“可审计轨迹”。我们不得不给所有Agent行为加上日志系统，记录每个思考步骤、每次工具调用、每个输入输出。但即便如此，客户还是不满意，因为模型内部的某些“直觉性”判断（比如为什么认定这个客户是高风险）无法用规则解释。后来我们做了一层“决策解释器”，把模型输出的逻辑用自然语言转译成业务人员能看懂的理由，比如“因为客户过去三个月有两次逾期，且当前负债率超过70%”。但这是后处理，不是真正意义上的可解释AI。所以标准化框架（比如LangGraph、CrewAI）虽然能解决工程复用问题，但信任问题可能需要从模型训练阶段就开始设计，比如引入可解释性损失函数，或者用符号规则约束模型输出。我预感未来两年会有人做出“白盒Agent框架”，把规则引擎和神经网络结合起来，这可能是规模化落地的关键。

帖子最后问“不可替代的人类岗位”，我觉得这个问题要换一个角度看。我观察到，被Agent替代的不是“岗位”，而是“动作”。客服Agent替代了“接电话、查系统、念话术”这些动作，但替代不了“安抚情绪、协调跨部门、处理异常投诉”这些需要同理心、判断力和跨域知识的动作。同样，编程Agent替代了“写单元测试、补文档、修简单bug”，但替代不了“理解业务需求、设计系统架构、做技术决策”。所以未来人类的竞争力不在于“比Agent做得更快”，而在于“能做Agent做不了的事”。这包括：定义模糊问题、在信息不完备时做决策、跨领域整合、以及建立信任关系。这些能力目前Agent完全不具备，而且短期内看不到突破的可能。

最后给想入局Agent创业的朋友一点实操建议：第一，别一开始就想着“替代人”，先做“辅助人”，降低准入门槛，积累数据，等Agent足够可靠再谈替代。第二，专注于一个垂直场景做深，比如“医疗报告的自动生成与审核”，而不是做通用Agent。通用Agent现在还在实验室阶段，垂直场景才有商业闭环。第三，重视工程而非模型，你的核心竞争力应该是“稳定、可解释、易维护”的Agent系统，而不是模型参数大小。第四，提前考虑合规和伦理，尤其金融、医疗、法律领域，一旦出问题，整个公司可能被清零。

所谓“范式转向”，我觉得更像是一个泡沫化的开端。未来两年会有一大批Agent公司死掉，活下来的不是技术最强的，而是最懂行业、最会做工程、最能解决信任问题的。希望这个帖子能帮大家少走点弯路，也欢迎交流具体技术细节。