首页 > 人工智能 > 人工智能 > 企业部署几十个AI智能体后,谁来管它们的权限?
2026年2月,美国国家标准与技术研究院(NIST)发布了一份关于软件智能体身份与授权的概念文件。
这份文件讨论了一个过去很少被单独提出的问题:当AI智能体可以自主访问数据、调用工具、执行操作时,企业应该如何识别它的身份,又该如何限制它的权限?
一个看似普通的技术问题,背后却是企业AI应用规模扩大后必须面对的管理难题。
过去,企业的身份管理主要围绕员工和应用系统展开。
员工通过个人账号登录业务平台,管理员根据岗位分配权限;后台程序通过服务账号访问接口,调用范围通常也相对固定。
但智能体的出现,让这种管理方式变得复杂。
一套财务智能体可能同时访问ERP、票 据系统和企业知识库;采购智能体需要查询供应商信息、核对订单、更新业务记录;经营分析智能体则可能横跨财务、销售和库存系统获取数据。
更复杂的是,这些智能体可能由不同部门采购、不同团队开发,运行在不同的平台上。
企业甚至未必清楚,内部究竟部署了多少个智能体。
2026年,微软将智能体身份管理纳入Microsoft Entra体系,Google也在其企业级智能体平台中提供集中式智能体注册、身份认证和审计能力。
这些厂商的技术路线并不完全相同,但都在回应同一个问题: 当智能体成为企业系统的新使用者,原有的身份管理和安全制度需要覆盖这类新的执行主体。
对于刚开始使用智能体的企业,管理问题通常并不明显。
只有两三套应用时,业务部门知道它们分别负责什么,开发人员也清楚调用了哪些接口,出现异常往往能够直接联系到负责人。
但数量增加以后,情况就会发生变化。
财务部门部署了单据审核智能体,采购部门上线了供应商核验智能体,销售团队又引入客户分析助手。
这些应用可能由不同厂商提供,使用不同的大模型,连接不同的业务系统。
一旦涉及权限调整,IT部门首先需要回答几个基本问题:
公司目前有哪些智能体?分别由谁负责?连接了哪些系统?使用什么账号访问数据?哪些已经正式上线,哪些仍处于测试阶段?
如果连这些信息都不完整,后续权限管理自然无从谈起。
Google Cloud的企业智能体治理文档,将统一Agent Registry(智能体注册目录)列为集中治理的基础能力之一,用于发现和管理智能体、访问端点及MCP服务器等资源。
这里值得借鉴的,并不是某个具体产品,而是先建立资产目录的管理思路。
对于已经部署多套智能体的企业,可以先建立一份统一登记表。
这份目录不必一开始就非常复杂,但需要覆盖所有正式接入企业系统的智能体。
尤其应当将试用、正式运行和停用状态区分清楚。
某个部门结束了智能体试点,并不意味着其访问凭证、接口权限会自动失效。如果没有统一管理,已经停用的智能体仍可能保留系统访问能力。
随着智能体数量增加,这类问题会越来越难排查。
因此,建立统一目录还有一个重要作用:让企业能够及时识别闲置应用、过期权限和无人负责的智能体。
解决了资产登记问题,接下来就是权限管理。
最容易出问题的方式,是直接给智能体使用一个权限较高的公共账号。
例如,为了让财务智能体查询订单、读取发票和生成付款核验报告,开发人员直接使用一个拥有多个财务系统访问权限的服务账号。
这样做确实省去了大量接口授权工作。
但问题在于,智能体可能因此获得超出业务需要的操作权限。
它原本只需要读取订单,却可能同时具备修改订单的能力;原本负责审核材料,却可能因为账号权限过大而拥有业务提交权限。
一旦出现错误调用或异常指令,影响范围就不再局限于当前任务。
因此,智能体需要拥有可独立识别的身份。
微软Entra Agent ID采用的思路,就是为智能体建立专门的身份对象,并将其纳入企业现有的身份与访问管理体系。管理员可以管理智能体的归属、权限和生命周期,同时通过日志区分不同智能体的操作行为。
2026年,NIST在相关研究中也特别关注智能体身份、授权、审计与责任追溯等问题。
这些实践共同指向一项基本要求:企业不能只知道某个系统账号完成了操作,还应当能够识别是哪一个智能体、根据谁的授权、为了什么任务发起了请求。
在具体设计上,需要区分三个身份:
用户身份。 谁发起了任务?这名员工本身具备什么权限?
智能体身份。 哪一套智能体接收并执行任务?由哪个部门管理?
工具或系统身份。 智能体通过什么凭证访问ERP、CRM等业务系统?
这三者不能简单混用。
例如,一名采购人员要求智能体查询供应商历史交易记录。如果该员工只能查看本部门的数据,智能体就不应该因为自身拥有更高权限,而返回其他部门的敏感信息。
同样,智能体能够访问某套系统,也不代表所有调用它的员工都自动获得该系统的数据权限。
对于代表用户执行的任务,通常需要同时检查用户的权限与智能体被授权的工具范围。
对于定时运行、无需用户实时参与的任务,则需要设置独立的服务身份、明确的业务责任人,以及相应的数据和操作权限。
有了独立身份,并不意味着权限管理已经完成。
企业还需要解决一个更细的问题:智能体在什么条件下,可以执行什么操作?
传统的角色权限控制(RBAC)仍然适用,但对于需要跨系统执行任务的智能体,仅按角色分配权限往往不够。
例如,同样是采购智能体,查询供应商报价和修改供应商账户信息,显然不是同一风险等级。
读取一条业务记录,与批量导出上万条客户数据,也应该采用不同的授权规则。
因此,企业需要将权限管理细化到工具、操作类型和数据范围。
可以考虑按照业务风险分成三个等级。
表2 智能体操作权限分级(示例)
上述分级属于企业治理设计示例,具体等级仍需根据业务影响和数据敏感程度确定。
尤其需要关注智能体对外部工具的调用。
近两年,MCP等技术降低了智能体连接外部工具的难度,也使企业能够更方便地复用现有业务能力。
但工具接入越方便,权限管理越不能只停留在「是否允许调用这个工具」。
例如,一个数据库查询工具既能读取普通业务记录,也可能返回敏感客户信息。即使智能体获得了调用权限,也应该限制其可查询的数据范围。
对于涉及写入的接口,还需要校验操作对象、具体参数和业务条件。
假设采购智能体收到一条指令,要求将某供应商的收款账户修改为新的银行账号。
系统不能仅凭智能体认为这项操作合理,就直接执行。
首先应当检查发起人是否具备修改权限,其次确认智能体是否被允许调用该接口,再按照企业制度检查审批是否完成。
如果其中任何一项条件不满足,操作都应该被拒绝。
OpenAI在智能体开发文档中,也将工具调用检查和人工审批作为重要控制手段。对于可能产生实际影响的操作,可以在执行前暂停,等待人工或策略系统决定是否继续。
这种设计有一个现实意义: 即使模型作出了错误判断,底层系统仍然可以拒绝不符合权限要求的操作。
企业不能把重要业务的安全性完全寄托在提示词是否足够完善上。
权限管理解决的是智能体可以做什么,日志审计需要回答的是它实际做了什么。
这是企业智能体管理中另一个容易被低估的问题。
不少AI应用已经具备对话记录功能,管理员可以查看用户输入了什么问题、模型返回了什么答案。
但这种记录方式,对于具备执行能力的智能体远远不够。
假设财务部门发现一条采购订单的付款状态被错误修改,需要调查原因。
如果日志只记录「请检查这批付款申请」,就很难判断智能体究竟执行了哪些操作。
调查人员至少需要知道:
这次任务由谁发起?哪个智能体负责执行?访问了哪些业务系统?调用了什么工具?提交了哪些关键参数?系统返回了什么结果?是否经过人工确认?
如果任务涉及多个智能体协作,还需要还原它们之间的任务交接关系。
例如,主智能体接收付款核验任务后,将票 据解析交给文档处理智能体,将业务规则检查交给审核智能体,最后调用自动化工具更新系统状态。
这时,如果各个组件分别保存日志,却没有统一的关联标识,技术人员就很难还原完整过程。
OpenAI Agents SDK的Tracing机制提供了一种参考方案。
它可以记录模型调用、工具调用、智能体之间的任务交接、规则检查以及自定义执行事件,并通过完整执行轨迹分析任务过程。
对于企业来说,更值得借鉴的是其中的关联思路。
一项业务任务应当具有唯一的追踪标识(Trace ID),其下每一步模型调用、工具执行和人工审批都应能够关联到同一次任务。
这样,即使流程涉及多个系统,也可以按照时间和执行关系还原操作过程。
从审计需求看,一套相对完整的智能体日志至少应覆盖以下信息:
需要注意,日志越完整,并不意味着保存的数据越多越好。
对于涉及客户个人信息、商业秘密和财务数据的任务,企业应按照数据分级和合规要求,对日志中的敏感字段进行脱敏、加密或限制访问。
模型输入、工具参数和返回结果,也不适合不加区分地全部长期保存。
日志保留期限、访问人员、存储位置和删除机制,都应当事先确定。
尤其对于金融、政务等行业,还需要结合具体监管要求设计日志保存策略。
图3 智能体操作日志与异常审计
企业建立日志系统,最初往往是为了事后排查问题。
但智能体数量增加后,仅仅保存日志还不够。
例如,一套采购智能体平时只在工作时间查询少量订单,某天突然开始批量访问客户资料。
又或者,一套财务智能体原本只调用单据识别工具,却在一次任务中连续尝试访问多个没有授权的接口。
如果这些行为只是被记录下来,却没有任何异常提醒,管理员可能直到发生业务问题才发现。
因此,企业还应当将智能体操作日志接入现有监控和安全管理体系。
一些传统安全机制仍然能够发挥作用,例如异常登录检测、越权访问告警、敏感数据访问监控等。
但智能体还需要补充一些针对任务执行的监控指标。
例如,工具调用次数突然增加、单项任务反复重试、未经授权的接口访问、多个智能体之间出现异常调用关系,以及高风险操作频率超出预设范围等。
值得注意的是,模型产生的异常行为不一定来自恶意攻击。
错误理解业务指令、工具返回信息不完整、提示词注入,甚至执行状态判断失误,都可能导致不符合预期的操作。
因此,监控系统需要结合身份、权限、任务目标和实际操作进行分析。
2026年发布的OWASP Agentic AI风险研究,将工具滥用、身份与权限滥用等问题纳入重点关注范围。这说明智能体的安全风险已经延伸至工具调用和执行行为,不能只依靠内容安全检查。
日志系统本身也需要受到保护。
如果智能体能够随意删除或修改自己的执行记录,那么一旦出现异常,后续审计就可能失去依据。
NIST在2026年提出的智能体身份管理设计原则中,专门强调了防篡改证据的重要性:关键活动记录应独立于智能体保存,使其无法自行修改已经发生的操作历史。
对于企业而言,至少应当将关键审计日志与智能体运行环境隔离,并对日志访问和修改行为实施单独授权。
对于高风险业务,还可以考虑采用只追加写入、完整性校验和集中式安全审计等技术措施。
这些措施并不需要所有企业一次性全部部署,但应该在平台设计阶段有所考虑。
实际情况是,很多企业已经在使用不同厂商的智能体产品。
财务部门可能采购了独立应用,研发部门在内部平台构建智能体,业务团队还可能直接使用云平台提供的Agent服务。
如果要求企业将这些应用全部迁移到同一个开发平台,成本往往很高,也未必符合实际业务需要。
因此,统一治理不应该简单理解为统一开发工具。
更合理的做法,是尽可能复用已有系统,通过统一身份、权限策略和日志标准,将不同平台的智能体纳入企业管理。
其中有几项工作可以优先开展。
第一,统一智能体登记与身份。
对现有智能体进行盘点,为每套应用分配唯一标识,明确业务责任人、接入系统和运行状态。
对于支持企业身份管理系统的产品,可以与现有IAM平台集成;对于尚不具备完整身份能力的应用,则需要通过接入网关或其他方式建立可识别的调用身份。
第二,在工具和业务系统入口执行权限校验。
无论智能体使用什么模型、由哪个平台开发,只要需要访问重要业务数据或执行敏感操作,都应经过企业认可的授权机制。
可以通过API网关、工具网关、业务接口权限控制等方式实现,但不应假定一个网关可以替代全部安全措施。数据库、业务系统和审批平台仍需保留各自必要的权限校验。
第三,建立统一日志字段和追踪规则。
不同平台的日志格式可以不同,但应能够映射为一套企业统一的关键字段。
至少需要统一智能体ID、任务ID、用户身份、调用工具、操作对象、执行结果和时间信息,并能够关联跨系统任务。
对于无法直接输出完整执行轨迹的旧系统,可以优先在工具调用层和业务系统层补充日志。
第四,建立权限审查和停用机制。
智能体上线之后,其业务范围和调用工具可能不断变化。
企业应定期检查权限是否仍然必要、是否存在长期未使用的账号、工具接口是否超出最初授权范围。
项目停止、业务负责人变更或者智能体版本升级时,也应重新核对权限。
这一步与员工账号管理类似,但由于智能体可以长时间自动执行任务,过期权限的风险更值得关注。
对于已经积累大量RPA流程和企业智能体应用的组织,治理工作还需要考虑不同自动化技术之间的衔接。
例如,金智维的Ki-AgentS企业级智能体平台与K-APA平台分别涉及智能体构建协同和自动化流程执行。在这类组合式架构中,企业需要把任务发起身份、智能体调用权限、自动化执行账号和业务系统日志关联起来,才能完整追溯一项任务的操作过程。
具体采用哪种集成方式,则取决于现有身份系统、接口能力和安全要求。
企业也没有必要为了一次性实现所有治理功能,而重新建设整套IT系统。
对于已有IAM、API网关、日志平台和安全监控系统的企业,优先评估哪些能力能够复用,通常更符合成本和实施条件。
过去,企业部署一套软件,通常能够明确它由哪个部门使用、由谁维护、拥有怎样的权限。
但智能体正在改变企业软件的使用方式。
同一项业务可能由员工发起、智能体规划,再由多个工具和自动化流程分别完成。过程中涉及的系统、数据和操作主体,比传统应用更加复杂。
因此,智能体管理不能只停留在给每个应用配置一个管理员账号。
企业需要建立可持续维护的资产目录,为智能体分配独立身份,限制其可访问的数据和操作,并将关键执行记录纳入统一审计。
这项工作也不应该完全交给IT部门。
业务部门需要明确哪些任务可以交给智能体,哪些操作必须由人确认;技术团队负责身份、接口和日志集成;安全与合规部门则需要参与权限规则、敏感数据处理和审计要求的制定。
对于已经部署多套智能体的企业,最优先的工作可能不是再建设一个新的管理平台,而是先完成一次资产和权限盘点。
公司里到底有多少个智能体?它们分别在访问什么系统?谁负责管理?发生异常时,能不能查清楚执行过程?
如果这些问题还没有明确答案,那么即使每套智能体都能独立完成任务,企业也很难放心地扩大应用规模。
随着智能体进一步进入采购、财务、运营和管理流程,身份与权限治理将成为企业AI基础设施的重要组成部分。届时,企业不仅需要评估智能体的工作能力,也需要像管理员工和业务系统一样,管理这些新的执行主体。
来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/70048243/viewspace-3189730/ ,如需转载,请注明出处,否则将追究法律责任。