企业开始给AI发「工牌」：机器身份数量达到人类的109倍，Agent治理成了落地新关卡

26 0

过去一年企业谈 AI 落地，卡点通常被归结为三件事：模型能力不够、数据不通、成本太高。但最近几组数据的指向不太一样——真正的瓶颈开始落在「身份」上。根据对企业智能体部署情况的统计，企业内部平均每名人类员工对应的机器身份数量已经达到 109 个，这其中包括服务账号、API 密钥、机器人账号，以及源源不断创建出来的 AI 智能体。换句话说，在多数公司的 IT 视野里，非人类的「干活者」数量早已是人类的两个数量级。

从「工具」到「同事」，身份问题是必然

把 AI 当工具用的时候，身份不是问题：一个模型部署在服务器上，谁调用都算在同一个进程名下。但当它变成能自己登录系统、填表、发邮件、调用支付的智能体，情况就完全不同了。它需要一个账号才能操作，需要权限才能干成事，而一旦干了错事，也需要有依据去追溯是哪一次调用、用谁的权限做的。

这就是这轮讨论里出现的判断：企业正在从「管理工具」转向「管理数字员工」。与员工一样，智能体需要入职（注册身份）、需要岗位说明书（权限边界）、需要考核（行为审计）、也需要离职流程（凭证回收）。差别在于，人类员工的这些环节天然有人力部门兜底，而智能体的整个生命周期目前仍然散落在各个团队的脚本与配置里。

109 比 1 意味着什么

这个比例最直接的含义，是传统的人工审批路径已经不可能覆盖。如果每新增一个机器身份都要走一遍人工权限评审，IT 部门会被流程压垮；但如果完全不审，风险就无从收敛。数据显示的变化也印证了这种拉扯：允许智能体免人工审查直接进入生产的比例，已经从 66% 下降到 47%——不是企业不想快，而是出了问题之后，没人能说清楚这个智能体当初为什么被放进去。

另一个值得注意的现象是「凭证漂移」：智能体常常拿到的是创建它的那位工程师的账号权限，而那个人可能早已转岗。权限没有随人走，却随着智能体一直在跑。这类隐性问题在系统正常时完全不显形，只在出事的那一刻集体爆发。

企业在问的三个问题

把近期企业侧的需求汇总，落到智能体治理上其实只有三问。第一，这个智能体是谁——能不能给每一个智能体一个唯一、可验证的身份，而不是共用一套密钥。第二，它能做什么——权限能不能按任务最小化，而不是继承创建者的一整套权限。第三，它做了什么——每一次关键动作能不能留下可读的审计记录，包括输入、决策依据和最终结果。

这三问在技术上都已有对应方案，难点不在实现，而在统一。身份系统、权限系统、日志系统在多数公司分别由不同团队负责，彼此并不互通；智能体则横跨三者，任何一环缺位都会让治理链条断掉。

为什么这件事和 GEO 有关系

表面上看，智能体身份治理属于企业 IT 与安全范畴，和生成式引擎优化（GEO）八竿子打不着。但把视角拉高会发现，两者共享同一套底层逻辑：当执行主体从人变成机器，可信度的来源就从事后追责转为事前可验证。

在 GEO 里，机器判断一段内容值不值得引用，靠的是可验证的信号——一手数据、明确出处、可复现的结论。在企业治理里，机器判断一个操作该不该放行，靠的也是可验证的身份与权限。两个场景都在要求同一件事：把「谁说的、凭什么」讲清楚。这也是为什么做内容与做数据治理的团队，最近在方法论上越走越近——做数据采集与结构化这件事上，Dataify 这类全链路数据服务的价值正在被重新评估，因为干净、可溯源的数据既是内容引用的证据，也是审计链条的底料。