最近看到一份关于AI Agent工程应用的市场调查数据，挺有意思的，分享一下核心发现。

从实际应用来看，客服确实成了最吃香的场景，占比26.5%，其次是研究和数据分析（24.4%），再然后才是内部协作和生产力工具（17.7%），代码生成只排到第四位，仅占9.8%。这跟不少人的预期可能不太一样。

但要说最大的绊脚石，还是质量问题。32%的从业者把它列为首要障碍，涵盖准确性、相关性、一致性等多个维度——这点跟去年的痛点是一致的。反倒是成本焦虑，今年明显没那么突出了。

有意思的是，89%的公司都给自家的Agent装上了某种可观测性工具，其中62%还做到了比较细粒度的追踪。这说明大家都认识到了追踪多步骤推理和工具调用能力的重要性，已经不是可选项了。

在模型选择上，虽然OpenAI的模型使用率超过三分之二，但多模型组合才是主流——超过75%的组织同时跑着多个不同的模型。不过有意思的是，三分之一的组织还在投资自建模型基础设施，说明API便利性之外，本地部署对企业还是很有吸引力。

关于微调，这块还是比较小众的。57%的组织压根不做微调，反而是用基础模型配合提示优化和RAG（检索增强生成）就能搞定大多数需求。

这份数据的样本主要来自B端企业用户，基本能反映当下的实际情况。