🔥 融资 · 商业

Agent 不缺了,缺的是清理"屎山"的人 — 企业部署催生 2000 万美元新赛道

企业已经不太缺 Agent,真正稀缺的是能替它收拾旧系统的人。2026 年 8 月,企业 AI 部署创业公司 June 完成 2000 万美元 Pre-seed 融资,核心命题是:帮企业把 Agent 送进一团乱麻的旧系统。

综合公开信息整理 2026-08-03 全文约 3 分钟读完
#企业AI部署 #Agent #FDE #June #系统改造
2000 人 美国 FDE 工程师总人数
$2000 June Pre-seed 融资额
70% 企业计划招聘 FDE 比例(Q2末)

⚡ 30 秒速览

  • 核心矛盾:企业不缺 Agent 产品,缺的是能把 Agent 送进混乱旧系统的人。全美具备此能力的工程师仅约 2000 人
  • 融资事件:June 完成 2000 万美元 Pre-seed,由 Marc Benioff 旗下 Time Ventures 领投,Dell、Salesforce 生态投资人跟投。
  • 市场信号:FDE 需求爆发——2026 年初仅 5-10% 企业计划招聘,Q2 末飙升至 70%。AWS 投入 10 亿美元组建部署团队,OpenAI 收购 Tomoro 获得 150 名 FDE。
  • June 打法:先扫描企业系统生成"病历",再给出改造路线,把 FDE 的驻场工作拆解成可复用的软件流程。
  • 深层信号:Agent 越聪明,旧系统就越狼狈。清理"屎山"正在从维护费用变成一门增长生意。

01100 个 Agent,卡在 Salesforce 里 CMG Financial 的困境

美国抵押贷款公司 CMG Financial 的首席战略官 Paul Akinmade 曾在 Salesforce 年度大会上承诺:下一阶段,公司要推动 100 个 Agent 投入运行。团队已经将部分开发工作迁移到 Claude Code,证明了快速采用 AI 的能力。

但当 Agent 真正进入 Salesforce、参与真实业务流程时,项目突然慢了下来。

Agent 可以写代码、调用 API,却无法理解一家企业多年积累的数据、权限和业务流程。

🏢 CMG Financial:Agent 部署卡在系统混乱中 典型困境

  • 数据冲突:一名客户可能出现在四个数据库中,拥有四个编号、三个状态和两个负责人。
  • 历史遗留:系统保留着历次组织调整、产品改版和管理层更替留下的痕迹,字段含义早已过时。
  • 部门壁垒:销售按"是否产生商机"判断客户,财务按"是否发生回款"判断,两套标准互不兼容。
  • Agent 的盲区:它没有"老员工经验",只能认真读取每个字段,错误的客户状态可能触发风控或合规事故。
关键发现:Agent 面对的不是技术错误,而是不同部门之间的判断标准差异。过去靠人类经验勉强维持的系统漏洞,在 Agent 面前变成了必须解决的大问题。

CMG 引入了架构师、咨询顾问和前线部署工程师,但几个星期过去,项目依然没有取得预期进展。直到他们找到了一家名为 June 的创业公司。

02Agent 越聪明,旧系统就越狼狈

大模型公司演示 Agent 时,通常会给它一个干净的环境:数据已经整理好,接口已经打通,任务边界清晰。但现实中的企业系统很少如此整洁。

传统系统靠人"扛"

老员工知道某个字段虽然名为"客户状态",实际上已经两年没人更新;财务人员知道导出报表后还要手动修改三列。这些"默契"让系统勉强运行。

Agent 只认字面意思

它没有经验,不会产生默契。它只能认真读取每个字段,按照被授予的权限执行指令。错误的贷款状态可能触发风控、合规乃至法律责任。

对 Agent 而言,这就是一座庞大无边的"屎山"——它必须看懂这栋老楼的结构,才能开始工作。

核心洞察:Agent 部署不再是纯技术项目,它要求企业回答一系列此前一直回避的问题——哪套数据才算真实,谁有权修改它,哪个部门为错误负责,哪些历史流程应该被废除。

03FDE 仅 2000 人,AI 巨头抢人抢到缺货

根据猎头公司 Christian & Timbers 的研究,美国目前真正具备将 AI 系统部署进企业、并帮助客户获得可量化回报能力的前线部署工程师,全美只有 约 2000 人

不是岗位空缺,是符合要求的人才一共只有 2000 人。

2000 全美 FDE 总人数
5-10% 2026 年初计划招聘企业
70% Q2 末计划招聘企业
10× 咨询公司计划扩招倍数

注:FDE 即 Forward Deployed Engineer,最早由 Palantir 推广。他们需要同时具备行业知识、企业沟通能力和实际 AI 部署经验。

薪酬数据印证了稀缺程度:

OpenAI FDE上限含股权
$34.5 万
头部科技公司 FDE基本年薪
$17-20 万
AI 部署工程师行业平均
$12-15 万

注:薪资单位为美元/年,柱形自 10 万美元起缩放,非零起点。OpenAI 上限 34.5 万美元为总包上限,含股权。

巨头们正在疯狂加注:OpenAI 成立 OpenAI Deployment Company 并收购 Tomoro,获得约 150 名 FDE,启动资金超 40 亿美元;AWS 投入 10 亿美元组建前线部署工程团队;Anthropic、Google Cloud、Stripe 也在扩充类似岗位。

04June 怎么做?先把企业系统做成"病历"

June 创始人 Efrat Rapoport 将问题概括为一句话:创建一个 Agent 模板并不困难,困难的是处理它下面的混乱。

June 给出的方案,是先制作一张企业系统的"病历"。

扫描软件与数据库识别业务流程与重复字段定位数据断点与权限冲突生成实施路线

这套方法帮 CMG 看清了 Agent 适合部署在哪里,以及上线前必须先解决什么问题。据 Akinmade 称,June 甚至在双方正式启动会议之前,就已经帮助团队安全地部署了一部分能力。

June 的差异化:创始人团队曾创办 Bonobo AI(被 Salesforce 收购),上一家公司解决"如何让 AI 理解客户对话",下一家公司解决"如何让 AI 理解整个企业系统"。投资人愿意迅速下注,不只是因为有过一次成功退出,而是他们指向的问题已经成为整个企业 AI 行业的共同焦虑。

Rapoport 说:"AI 反而增加了企业对专业服务的需求。"一家银行的授信流程无法直接复制给一家航空公司,同一家公司的销售部门和财务部门也未必使用相同的数据标准。模型供应商每进入一个大客户,都要重新理解业务、打通数据、配置权限并设计容错机制。

05这门生意最终会属于谁? 三个可能的结局

企业并不是一张等待 AI 书写的白纸。它更像一栋不断加盖、从未彻底维修的老楼。谁替企业完成了这次清理,谁就更可能占据 Agent 与旧系统之间的控制层。但答案远未确定。

🚀

创业公司产品化

June 将 FDE 工作拆解为可复用的软件流程,保持中立,同时接入不同模型和 SaaS 产品。如果产品确实能减少驻场人员,将直接冲击传统咨询公司。

🏢

SaaS 巨头自己吃掉

Salesforce、ServiceNow 最了解自家系统的数据结构,也控制着企业最重要的业务入口。Agent 越强,这些系统作为"事实来源"的价值就越大。

⚠️

技术债无法产品化

修改数据字段是技术工作,但重新划分部门权力是组织问题。如果核心始终是协调而非诊断,最终赚到最多钱的仍是 Palantir、埃森哲等拥有庞大交付队伍的公司。

一个诚实的注脚:June 能否跳出第三种坏结局,取决于几个尚未得到回答的问题——它进入一个客户后需要多少员工参与?不同企业之间有多少诊断结果可以复用?收费依据是软件订阅还是实施项目?如果建议客户删除某个字段最终造成合规事故,谁来承担责任?

CMG 的案例只证明 June 比此前那批架构师和顾问更快地找到了问题。但它还没有证明,这种能力可以脱离几名拥有多年 Salesforce 经验的创始人,被稳定复制给成百上千家企业。

编辑核心判断

Agent 部署的标准化,正在成为比 Agent 本身更贵的生意。但真正的瓶颈从来不是技术,而是组织惯性——清理数据字段只是表象,重新划分部门权力才是本质。谁能在不增加驻场人员的前提下完成这件事,谁就能占据 Agent 与企业旧系统之间的控制层。

行业启示

企业 AI 部署正在经历从"买 Agent"到"部署 Agent"的根本转变。模型能力趋同、调用价格下降的背景下,系统梳理与工程落地能力正在成为新的竞争壁垒。June 指向的问题,是整个行业下一步必须面对的硬仗。

企业客户可关注 June 官方渠道获取部署评估服务。