AI Agent 逐步融入企业核心流程,谁来掌握它的身份与执行权?

更新时间 2026-11-04 07:49:59
阅读时长: 10m
AI Agent 正从聊天助手进入企业核心流程,身份、权限、工具调用与审计正在成为新的基础设施。本文分析 Agent 治理为何可能成为企业 AI 下一轮竞争焦点。

前言

过去讨论 AI Agent,市场更多关注模型是否足够聪明、能否完成多步骤任务,以及它会不会改变 SaaS 的商业模式。但当 Agent 真正进入企业核心流程后,问题会迅速从“它能不能做”转向“它凭什么做、能做什么、做错了谁负责”。一个能够读取客户数据库、修改订单、提交工单、运行代码甚至触发付款流程的 Agent,本质上已经不再只是一个软件功能,而是一个需要被企业管理的数字执行主体。2026 年企业 AI 的竞争因此正在出现一个容易被低估的方向:身份、权限、策略、审计与编排。微软把 Agent 365 定位为管理和保护企业 Agent 的控制平面,Okta 也强调应把 Agent 当作拥有独立生命周期和细粒度权限的一等身份。

核心要点

  • AI Agent 一旦从回答问题进入执行任务,身份与权限就会成为产品能力的一部分

  • 企业真正担心的不是 Agent 出错一次,而是错误能够通过高权限工具被放大

  • 最小权限、短时授权、可撤销权限和完整审计,会逐渐成为 Agent 商业化的基础条件

  • 身份厂商、安全厂商、云平台和企业软件厂商都可能争夺 Agent 的控制平面

  • Agent 的价值越高,企业越需要把自主性与可治理性同时做到极致

Agent 进入核心流程后,企业 AI 的问题发生了变化

早期企业采用生成式 AI,最容易落地的是写摘要、整理会议纪要、生成营销文案和回答内部知识库问题。这些任务即使出现错误,通常也只是让员工重新修改内容。Agent 的出现改变了风险结构。Agent 的目标不再只是生成文本,而是完成一个业务结果,因此它必须读取信息、调用工具、判断下一步动作,并在多个系统之间连续执行。一个“帮销售跟进客户”的 Agent,可能需要访问 CRM、读取邮件、查询库存、创建报价单,再把结果写回企业系统。执行链越长,身份和权限就越重要。

这意味着企业 AI 的基础设施正在向一个新的方向延伸:模型负责推理,Agent 负责决策与编排,而身份与权限系统负责回答“这个 Agent 是谁”“它代表谁”“它现在可以做什么”。如果没有这一层,Agent 的自主性越强,企业的风险敞口反而越大。微软将 Agent 365 描述为用于观察、治理和保护组织中 Agent 的控制平面,本质上就是把 Agent 从一个孤立应用提升为需要集中管理的新计算主体。

为什么“Agent 身份”会成为新基础设施

传统企业权限体系主要围绕员工、服务账号和设备建立。员工登录后,根据部门、角色和资源范围获得权限;服务账号则通常对应一个固定系统任务。Agent 介于两者之间:它可能代表一个人,也可能代表一个部门,还可能自主调用多个外部工具。更麻烦的是,Agent 的行为具有动态性。同一个 Agent 上午可能只需要读取客户资料,下午却可能需要创建合同或提交退款申请。

因此,Agent 身份不能简单等同于一个 API Key。企业需要知道 Agent 的来源、所属应用、代表的用户、当前任务、调用链、权限范围和有效时间。Okta 的研究提出,每一个 AI Agent 都应该被视为拥有独立生命周期和细粒度权限的一等身份。这个判断的重要性在于:一旦 Agent 成为企业执行主体,身份系统就不再只是登录入口,而会成为 AI 行为的责任链。

为什么“Agent 身份”会成为新基础设施

图:AI Agent 从身份、权限到工具执行的企业治理链路

权限不是越大越好,而是要和任务绑定

Agent 权限设计最核心的原则不会是“给它足够权限”,而是“只给它完成当前任务所需要的权限”。例如,一个负责整理销售线索的 Agent 可能需要读取 CRM,却不应该拥有删除客户记录的权限;一个负责处理报销的 Agent 可能可以生成付款申请,却不应该直接修改银行账户。把权限绑定到任务、资源和时间窗口,可以把一次模型错误限制在较小范围内。

企业不仅需要角色权限,还需要上下文权限:谁发起任务、Agent 正在执行什么任务、调用哪个工具、访问哪一类数据、权限有效多久,以及是否需要人工审批。对于高风险动作,最理想的架构不是完全阻止 Agent,而是把关键动作放进审批和可回滚机制。这样才能让企业在提高自动化率的同时控制尾部风险。

真正的护城河可能从模型能力转向控制平面

模型能力会持续进步,而且模型之间的差距可能快速缩小。相比之下,企业身份、权限、策略和审计系统具有更高的迁移成本。一个企业一旦把数以千计的 Agent 接入身份目录、权限体系和安全审计流程,就很难因为某个模型能力提高几个百分点而轻易更换整套治理基础设施。因此,Agent 时代可能出现一个新的软件价值层:控制平面。

身份厂商拥有用户、组织和权限数据;安全厂商拥有威胁检测与审计能力;云平台拥有计算、网络和模型调用入口;企业软件厂商则拥有业务流程和数据。未来的竞争未必是“谁做出最聪明的 Agent”,而可能是“谁能够让企业放心部署一万个 Agent”。如果后一种能力成为采购决策的重要标准,治理基础设施的价值就会明显提升。

Agent 编排会成为企业软件的新入口

当一个 Agent 同时调用 CRM、ERP、代码仓库和支付系统时,企业真正需要的是一套能够理解工具、路由任务并记录执行链的编排层。这个编排层有点像过去的 API 网关,但它面对的不是简单的程序调用,而是具有推理能力、上下文和动态权限的执行主体。

从商业模式看,企业 AI 支出的结构可能发生变化。过去企业主要为模型、云算力和单点软件功能付费,未来还可能为 Agent 管理、权限策略、审计、编排和安全付费。对于投资者来说,这意味着 AI 产业的价值捕获不一定只发生在 GPU 和模型层,也可能向治理软件和企业控制层扩散。

企业真正会为“安全 Agent”付多少钱

Agent 安全产品的商业化最终仍然要回到一个现实问题:客户是否愿意为风险下降支付预算。企业通常不会因为一个概念听起来先进就采购治理平台,它们更可能在看到自动化率提升后,再计算错误成本、合规成本和人工监督成本。如果治理工具能够让一个高风险流程从“必须人工完成”变成“机器完成、少量审批”,那么它创造的价值就不只是安全,而是直接降低运营成本。

判断 Agent 治理公司的商业潜力,需要同时看几个指标:管理的 Agent 数量、受控工具数量、策略调用量、审计覆盖率、客户自动化流程数量,以及安全事故和人工审批成本是否下降。真正优秀的平台应该让企业提高 Agent 自主程度,而不是让安全团队因为担心风险而被迫关闭 Agent。

下一阶段应该观察什么

第一,观察企业是否开始把 Agent 纳入正式身份目录,而不是继续使用临时账号和 API Key。第二,观察高风险业务是否出现“Agent + 人工审批”的混合模式。第三,观察云平台和身份厂商是否把 Agent 管理变成默认能力。第四,观察企业软件公司是否把权限、审计和编排开放给外部 Agent。第五,观察安全事故是否会推动更严格的 Agent 治理标准。

如果这些变化同时出现,那么 Agent 的产业链就会从模型调用真正进入企业执行基础设施阶段。到那时,AI Agent 的竞争将不再只是模型排行榜,而是一场围绕身份、权限、数据、工具和责任边界的基础设施竞争。

企业采购逻辑正在从“能不能用”转向“敢不敢放权”

企业 AI 的采购逻辑正在出现一个微妙变化。过去 CIO 或业务负责人首先问的是模型准确率、响应速度和每年能节省多少人工;当 Agent 开始执行真实业务后,新的问题会变成:如果把权限交给它,企业能否在出错时快速定位、限制影响并恢复系统。于是,身份、权限和审计不再是安全团队的附加要求,而会直接进入业务部门的采购清单。一个不能解释自己做过什么、为什么做、代表谁做的 Agent,即使模型能力很强,也很难进入核心生产环境。

这会带来明显的产品分层。低风险 Agent 可以依靠简单的应用级权限运行,高风险 Agent 则需要身份联邦、策略引擎、审批工作流、敏感数据隔离和实时监控。企业最终可能形成类似员工权限等级的 Agent 分级制度:观察型、建议型、半自动执行型和全自动执行型。不同等级对应不同权限和审计要求。这样一来,Agent 的“自主程度”本身也会变成一个可以配置、计量和商业化的产品参数。

从投资角度看,这意味着市场不能只用 Agent 数量判断行业规模。更值得观察的是每个 Agent 能获得多深的权限、能够覆盖多少业务流程,以及企业是否愿意让它从辅助岗位进入核心岗位。一个每天调用几千次但永远不能执行关键动作的 Agent,商业价值可能不如一个只调用几十次、却能够自动完成高价值流程的 Agent。未来企业 AI 的关键指标,可能因此从 token 消耗和调用次数,进一步走向任务完成率、自动化率和单位业务价值。

从身份系统到责任系统,企业需要新的 AI 内控层

更深一层看,Agent 身份管理解决的是责任归属问题。企业需要能够把一次执行动作还原到具体 Agent、具体用户、具体策略和具体工具调用,这样才能在出现异常时判断是模型错误、权限配置错误还是业务规则本身存在漏洞。随着 Agent 数量增加,这种可追溯性会从安全能力变成企业内部控制的一部分。谁能够把复杂的 Agent 行为转换成管理者看得懂的责任链,谁就更有机会成为企业 AI 的长期基础设施。

FAQ

AI Agent 为什么需要独立身份?

因为 Agent 会持续调用企业数据和工具。独立身份可以把它的行为与具体用户、应用和任务关联起来,便于授予最小权限、撤销权限和进行审计。

企业会完全放开 Agent 自主执行吗?

短期更可能采用分级自主。低风险任务可以自动完成,高风险动作则要求审批、双重确认或可回滚机制。

哪些公司最可能受益?

身份、安全、云平台、企业软件和 Agent 编排厂商都可能受益,关键在于谁能成为企业统一的控制平面。

作者: Learn Team
免责声明

* 投资有风险,入市须谨慎。本文不作为 Gate 提供的投资理财建议或其他任何类型的建议。

* 在未提及 Gate 的情况下,复制、传播或抄袭本文将违反《版权法》,Gate 有权追究其法律责任。

相关文章

CKB:闪电网络促新局,落地场景需发力
中级

CKB:闪电网络促新局,落地场景需发力

在最新发布的闪电网络Fiber Network轻皮书中,CKB介绍了其对传统BTC闪电网络的若干技术改进。Fiber实现了资产在通道内直接转移,采用PTLC技术提高隐私性,解决了BTC闪电网络中多跳路径的隐私问题。
2026-11-04 07:48:59
ONDO 代币经济模型:如何激励平台增长与参与?
新手

ONDO 代币经济模型:如何激励平台增长与参与?

ONDO 是 Ondo Finance 生态中的核心治理与价值捕获代币,其设计目标是通过代币激励机制,将传统金融资产(RWA)与 DeFi 体系深度融合,推动链上资产管理与收益产品的规模化发展。
2026-11-04 07:49:50
什么是加密货币中的完全稀释估值(FDV)?
中级

什么是加密货币中的完全稀释估值(FDV)?

本文解释了加密货币中完全稀释估值(FDV)的含义,探讨了完全稀释估值的计算步骤、其重要性以及依赖 FDV 进行判断所具有的风险。
2026-11-04 07:49:03
GateClaw 与 AI Skills:Web3 AI Agent 的能力体系解析
中级

GateClaw 与 AI Skills:Web3 AI Agent 的能力体系解析

GateClaw AI Skills 是一种面向 Web3 AI Agent 的模块化能力体系,用于将市场数据分析、链上信息查询以及交易执行等功能封装为可调用的智能模块,使 AI Agent 能够在统一系统中执行自动化任务。通过 AI Skills,复杂的 Web3 操作逻辑可以被转化为标准化能力接口,从而让 AI 模型不仅能够分析信息,还可以直接执行市场相关操作。
2026-11-04 07:49:48
JTO 代币经济学解析:分配、用途与长期价值
新手

JTO 代币经济学解析:分配、用途与长期价值

JTO 是 Jito Network 的原生治理代币,作为 Solana 生态 MEV 基础设施的核心,JTO 不仅承载治理权,还通过协议收益和生态激励绑定了验证者、质押者与搜索者的利益。总供应量 10 亿枚的代币设计,旨在平衡短期激励与长期增长。
2026-11-04 07:49:50
GateClaw 的核心功能:Web3 AI Agent 工作站能力解析
中级

GateClaw 的核心功能:Web3 AI Agent 工作站能力解析

GateClaw 是一种面向 Web3 生态设计的 AI Agent 工作站,通过整合 AI 模型、模块化 Skills 与加密交易基础设施,使智能体能够在统一环境中执行数据分析、自动化交易和链上监控等任务。与传统 AI 工具主要用于信息处理不同,GateClaw 更强调 AI Agent 的执行能力,使其能够在真实市场环境中运行自动化流程。
2026-11-04 07:49:48