员工开始自己搭AI助手,企业先补一张“智能体台账”

设想一个常见场景，以下不是实际客户案例。

市场同事做了一个自动整理竞品信息的AI助手；销售把它改成客户跟进助手；运营又接上表格和定时任务，让它每天自动更新记录。

最初每个工具都只是“个人提效”。几周以后，多个同事开始依赖它，输出进入正式流程，助手还能读取客户资料、发送消息或修改业务数据。

管理者这时才发现：公司里究竟有多少个AI助手，谁在维护，接了哪些系统，出了问题该找谁，没人能完整回答。

AI助手越来越多时，企业治理的第一步不是全部叫停，而是先让它们变得可见。

真正危险的，不只是模型会不会答错

9月20日，AWS发布了一篇面向金融服务业的治理文章，把员工自行搭建的AI智能体与过去由业务人员维护的复杂电子表格作比较。文章强调，分类之前要先发现，发现之后才可能形成资产清单与风险分级。[1]

这篇文章讨论的是金融服务场景，不能把其中的监管结论直接套到所有行业。但它指出的管理顺序很有普遍价值：如果不知道系统里有什么，就无法判断哪些只影响个人，哪些已经进入团队流程，哪些会触达客户或关键数据。

AI助手与普通模板还有一个重要区别。它不只生成内容，还可能读取邮箱、查询数据库、调用工具、触发工作流，甚至按计划自动运行。Google Cloud在8月24日的文章中也把智能体描述为拥有内部访问能力的行动者，并强调权限、治理监督和关键动作的人类审批。[2]

所以，企业要登记的不是“员工用了哪个模型”，而是一个AI助手在业务里实际承担了什么角色。

一张台账，先回答七个问题

不用一开始就建设复杂平台。先用一张表，把每个已经进入工作流程的AI助手登记清楚。

• 它叫什么，解决哪个具体业务问题？
• 谁是业务负责人，谁负责技术维护？
• 哪些人正在使用，输出会影响哪些对象？
• 它读取了哪些数据源，是否包含客户或敏感信息？
• 它能调用哪些工具，能不能发送、修改、审批或删除？
• 哪些步骤必须由人确认，失败后交给谁处理？
• 最近一次复核是什么时候，当前状态是试验、在用、暂停还是退役？

这七个问题的目的，不是给业务同事增加填表负担，而是让管理者知道风险在哪里，也让优秀的助手有机会被复用。

如果两个部门正在重复开发相似功能，台账能帮助团队合并资源。如果某个助手依赖一位已经转岗的同事，台账也会提前暴露“没人维护”的问题。

不按模型分级，要按后果分级

同一个AI平台，可以被用于完全不同的事情。

一个助手帮个人整理会议笔记，输出由本人逐条检查；另一个助手读取客户资料并自动生成外发内容；第三个助手还能修改订单或触发付款。它们可能使用同一个模型，却不应该接受同一种管理方式。

建议先按四类后果做轻量分级：个人辅助、团队流程、业务关键、关键执行。

个人辅助通常只影响自己，输出由本人复核。团队流程会被多人使用，需要明确负责人、版本和人工检查点。业务关键会影响客户、合同、财务或合规判断，需要更严格的权限、日志、抽查和变更管理。关键执行会直接修改核心记录或触发不可逆动作，应使用独立审批、强审计和更成熟的工程治理，不能因为“是员工自己搭的”就降低要求。

这不是统一的行业标准，而是一种帮助企业开始讨论的工作分类。具体边界仍要结合行业监管、数据敏感度和公司的风险承受能力确定。

发现不能只靠员工自报

台账可以从自报开始，但不能永远只靠自报。

有些助手最初只是个人实验，后来被转发到群里，被多人复制，再慢慢接入数据源和定时任务。创建者未必意识到，它已经从个人工具变成了团队基础设施。

企业可以在不侵犯个人隐私的前提下，逐步核对平台层面的资产信息，例如智能体创建记录、数据连接、共享范围、工具权限和自动运行计划。AWS的文章把政策申报与平台检测视为互补手段：前者告诉员工什么情况必须登记，后者帮助发现已经进入重要流程但尚未申报的使用。[1]

这里的重点不是监控每一句对话，而是识别会影响业务结果的资产和连接。收集范围、查看权限、保留期限和使用目的，都应在公司制度中明确。

台账不是“登记完就结束”

一个AI助手会变化：模型升级了，提示词被改了，接入了新数据，人工确认被悄悄省掉了，或者使用人数突然扩大了。

因此，台账至少要有复核日期和变更记录。出现以下情况时，应重新评估：新增敏感数据源；从建议变成自动执行；从个人转为多人使用；输出开始影响客户或关键决策；负责人离岗；连续出现异常或投诉。

暂停和退役也要记录。否则旧助手仍可能被收藏、复制或继续按计划运行，形成无人负责的“数字遗留系统”。

企业不是因为建立了台账才开始治理，而是因为台账让责任、权限和变化第一次能够被看见。

今天先登记十个最常用的助手

不要等全公司盘点完成才行动。先选一个部门，找出正在被多人使用、连接业务数据或能够自动执行动作的十个AI助手。

把名称、场景、负责人、使用者、数据源、工具权限、人工检查点、影响范围、状态和复核日期填进表里。再挑出一个最需要升级治理、一个可以推广复用、一个应该暂停或退役的助手。

做完这一步，企业对AI的讨论就会从“大家有没有在用”变成三个更有价值的问题：哪些值得扩大，哪些需要补控制，哪些不应该继续运行。