智能體管理平臺的崛起與潛在風險

據Statista數據顯示，全球企業目前擁有2860萬個活躍智能體，這一數字預計到2030年將突破22億。

面對智能體數量的急劇增長，如何對其實施有效管理已成為業界亟待解決的課題。部分廠商正積極嘗試應對這一挑戰，由此催生出一個全新的技術品類——智能體管理系統，專門負責統籌協調AI智能體網絡。

智能體管理平臺本質上扮演著AI智能體"數字HR部門"的角色，業內專家認為，此類產品的推出正當其時。

游離于管理框架之外的智能體，相當于AI領域的"影子IT"。

"這種狀態在出問題之前看似一切正常，但一旦出現故障，你會發現既沒有審計追蹤記錄，也沒有版本控制，更沒有任何治理機制可以依賴，"雪城大學教授、The Palmer Group首席執行官Shelly Palmer指出。

目前市場上已有多款智能體管理解決方案，包括Google Vertex AI Agent Builder、Amazon Bedrock Agents、Microsoft 365 Copilot、Decagon AI和Sierra AI，分別服務于從系統編排到多智能體自動化等不同應用場景。

這些平臺對于智能體自動化的未來發展至關重要。CrowdStrike首席工程師Diptamay Sanyal表示，成功的關鍵在于"將智能體視為基礎設施，而非功能特性"。

智能體并非一次性構建的產物。Sanyal說："問題在于，你最終會擁有數十個智能體，卻沒有共享的上下文模型、一致的治理機制，也沒有可復用的模式。一個完善的管理平臺能為你提供可組合的基礎組件、多租戶隔離能力、跨大語言模型提供商的模型路由，以及對智能體實際行為的可觀測性。"

隨著智能體數以百萬計地涌現，承擔從銷售到軟件開發的各類任務，最大的挑戰在于它們都需要訪問相同的數據。

GitLab首席信息官Manu Narayan表示："這帶來了嚴峻的AI治理挑戰。如果不能有意識地構建AI技術棧，你可能最終面臨數十家供應商及其智能體掌握核心數據訪問權限的局面。"

這種狀況導致了智能體蔓延問題，德克薩斯農工大學軟件工程師Yash Vijay Patil將其描述為"一個由松散管理的智能體構成的碎片化生態系統，存在行為不一致、功能重復和歸屬不明等問題。若缺乏強有力的治理，這種蔓延將導致運營效率低下和風險敞口擴大"。

AT&T首席數據與AI工程師Monika Malik指出，眾多廠商和內部團隊都在針對特定用例構建智能體解決方案，但通常缺乏共享的身份模型、生命周期策略或風險框架。"這種做法會造成功能重復、行為不一致、隱性成本上升和安全漏洞。未來面臨的問題不是智能體太少，而是不受管控的智能體太多。"

Info-Tech Research Group首席研究主任Brian Jackson還指出，OpenClaw等消費級產品的普及進一步加劇了智能體網絡的復雜性。"可以預見，部分員工會嘗試用這些工具自動化處理工作任務。這使得追蹤企業環境中已部署的所有智能體變得困難重重。盡管各管理平臺聲稱能夠發現系統中部署的智能體，但實際上它們受制于身份管理層的限制。"

Jackson表示，智能體管理平臺提供了可觀測性方面的核心價值，讓企業清楚地了解正在使用哪些智能體以及它們的運作情況。

此外，這些平臺還能夠通過"運用統一策略為智能體的權限邊界設定護欄，確保其與企業目標保持一致"來實現治理功能。他補充道，這些系統最終能夠推動價值實現，"持續監控性能表現，確保智能體的成本與產出符合預期，并為工作帶來實質價值"。

AT&T的Malik表示，此類管理平臺的職責在于"為組織如何部署、監控、保護和持續優化智能體提供控制層。這些平臺的核心價值不僅在于編排能力，更在于運營紀律：清晰掌握智能體的行為動態、數據來源、決策邏輯，以及何時需要人工介入"。

然而，Jackson觀察到，各廠商之間爭奪智能體管理領域主導權的競爭異常激烈。

"這將成為一個戰略性陣地，企業將在此基礎上構建工作流并與生態系統建立更深層次的綁定關系，"他說。

Jackson進一步指出，因此許多智能體的實施將與各業務線內部熟悉的記錄系統深度整合。"最終會出現這樣一種局面：市場部門通過原有的CRM平臺管理智能體，而IT部門則通過資產管理和可觀測性平臺來管理智能體。"

德克薩斯農工大學的Patil表示，隨著智能體自主性的不斷提升，"明確邊界劃定、行為監控和信任維護將變得至關重要。簡言之，智能體管理平臺提供了強大的杠桿效應，但前提是必須與嚴格的治理規范和審慎的采用策略相結合"。

Narayan表示，消除復雜性是一大挑戰，"尤其是當智能體同時跨多個相互關聯的系統運行時"。

"通過智能體管理平臺實現整合有助于解決這一問題，"他說，"這類平臺建立了上下文框架、權限模型、安全控制機制和數據邊界，從而簡化了大規模智能體編排工作。將這類平臺與中心輻射型架構模式相結合，有助于在不影響采用速度的前提下，對整個AI技術棧實施更有效的統籌管理。"

Malik指出，智能體管理平臺面臨的另一挑戰是"其變更難度遠超大多數云服務的選型決策，因為它深度塑造了工作流、集成關系、權限體系和運營模式"。

正因如此，智能體的引入必須作為企業層面的戰略決策來推進。從工程、安全、法務、數據治理到業務負責人等所有利益相關部門，都應參與智能體管理平臺的決策過程。Malik表示："首要障礙是防止碎片化采用。企業應將智能體平臺視為長期運營基礎設施，而非又一次AI工具采購。"

Patil指出，智能體平臺的選型決策一旦做出便難以逆轉，因為它已深度嵌入工作流、數據管道和業務邏輯之中。"應從互操作性、可擴展性、廠商鎖定風險以及對開放標準的支持等維度評估平臺選型。至關重要的是，這一決策不能僅由工程團隊主導——安全、數據和業務負責人等跨職能利益相關方都必須參與其中。"

Jackson還提醒專業人士，從遺留軟件平臺中遷移"數據和工作流"本已困難重重。"在此之上疊加AI層，意味著集成深度將進一步加深。嘗試遷移智能體管理系統，就如同進行一場大腦移植手術。"

因此，企業在遷移至智能體管理平臺時應將靈活性置于首位。Jackson建議："評估清楚哪些平臺是你愿意長期押注的，哪些場景更適合采用自托管平臺。"

"考慮到智能體工作負載消耗成本的不可預測性，構建一套能夠充分利用內部基礎設施、避免將業務流程與按量計費或消耗型定價模式深度綁定的系統架構，或許是更為明智的選擇。"

Sanyal建議，專業人士還應像對待"數據庫選型而非SaaS工具評估"一樣，認真對待智能體管理平臺的開發和實施工作。"應從第一天起就讓平臺工程、安全和法務團隊參與進來，而不是等到試點成功之后。此外，這一決策不應由單一業務線負責人拍板，而需要平臺工程、安全團隊以及身份與訪問模型的負責人同坐一桌，共同研討。"

Q&A

Q1：智能體管理平臺是什么？主要功能有哪些？

A：智能體管理平臺相當于AI智能體的"數字HR部門"，核心功能包括三個層面：可觀測性，即清楚掌握企業部署了哪些智能體及其運行狀況；治理能力，通過統一策略設定智能體的權限邊界，確保其符合企業目標；價值管理，持續監控智能體的成本與產出，確保其為業務帶來實質價值。目前市場上的代表產品包括Google Vertex AI Agent Builder、Amazon Bedrock Agents和Microsoft 365 Copilot等。

Q2：企業不部署智能體管理平臺會有什么風險？

A：若缺乏統一的管理框架，智能體將演變為AI領域的"影子IT"。主要風險包括：無審計追蹤記錄，出現故障時無從溯源；功能重復和行為不一致，造成資源浪費；多個智能體同時訪問核心數據，帶來嚴重的數據安全隱患；以及運營效率低下和風險敞口持續擴大。專家警告稱，未來企業面臨的問題不是智能體太少，而是不受管控的智能體過多。

Q3：企業在選擇智能體管理平臺時應注意什么？

A：選型時需關注以下幾點：首先，應從互操作性、可擴展性、廠商鎖定風險和開放標準支持等維度綜合評估；其次，要像選擇數據庫而非SaaS工具一樣認真對待這一決策，從一開始就讓工程、安全、法務和業務團隊共同參與；此外，還需重視靈活性，評估自托管與托管平臺的適用場景，并關注消耗型定價帶來的成本風險，因為智能體平臺一旦落地便難以遷移。