夜雨聆风
有些变化，不是以发布会的方式进入公司的。它更像一个普通下午：销售做客户跟进 Agent，客服让 Agent 总结工单，研发让 AI 查日志。
一开始，它们只是小工具。后来，它们开始读取数据、调用接口、写入系统。
管理者要问的，不再是“这个 Agent 聪不聪明”，而是：谁创建？接了哪些系统？拿了哪些权限？谁负责？
核心判断：Agent 进入组织之后，难题会从“能不能做”变成“怎么管得住”。企业缺的不是更多 AI 同事，而是 Agent 治理系统。
Agent 泛滥会成为默认结果
Agent 泛滥不一定是员工不守规矩。
更常见的原因，是门槛降下来了。过去做自动化，要排需求、写代码、等上线；现在业务团队用自然语言和低代码平台，就能搭出流程。
连接也变容易了。MCP 让 AI 应用更容易接入工具、数据和工作流，Agent 协作协议也让系统间互相调用变得自然。过去接系统要专门开发接口，现在越来越像给 Agent 插上一个标准插头。
于是每个部门都在解决自己的局部问题。单独看都合理，放在一起，组织却失去全局视图。
Gartner 在 2026 年关于 AI agent sprawl 的材料里提醒，企业需要管理 Agent 清单、身份、权限和生命周期。换句话说：Agent 泛滥不是异常，而是普及后的默认结果。
禁用不是治理
面对新风险，很多组织会先禁用。这可以理解。Agent 和聊天机器人不同，它可能读取客户资料、更新 CRM，甚至触发业务流程。
但简单封禁常常会把使用推到暗处。Shadow AI 指未经组织批准、登记或监控的 AI 使用：员工仍会用外部工具，只是组织失去了日志、审计和风险反馈。它麻烦的地方，不是存在，而是不可见。
治理不该是“不许用”。它更像交通系统：不是不让车上路，而是要有车牌、限速、记录和事故处理。
治理系统要管住六件事
如果把 Agent 看成一种“非人类执行者”，治理对象会清楚很多。
1. 清单：公司里有哪些 Agent，谁创建，服务哪个流程，是否还在使用。 2. 身份：Agent 要有自己的身份，绑定负责人、团队和有效期，而不是长期借用个人 token。 3. 权限：能查订单，不代表能退款；能生成邮件，不代表能直接发送。权限要落到工具和动作上。 4. 数据：Agent 能看见什么，常常比它会什么更重要。客户、员工、合同、财务数据都要有边界。 5. 行为：它看了什么、调用了什么、写入了什么，必须可审计、可回放。 6. 生命周期：Agent 可以创建，也要能变更、复审、暂停和退役。
上线前，先问八个问题
每个准备进入业务流程的 Agent，上线前至少回答 8 个问题：
1. 它解决哪个具体流程？ 2. 业务负责人是谁？ 3. 出错时谁接手？ 4. 它需要哪些数据，是否包含敏感信息？ 5. 它能调用哪些工具，哪些动作会产生副作用？ 6. 写入、发送、删除、审批是否需要人工确认？ 7. 输入、输出和工具调用如何记录？ 8. 什么时候暂停、复审或退役？
一个简单规则是：只要涉及写入、删除、对外发送、审批或客户承诺，就不应停留在个人试验层，要进入更高等级的审批和人工确认。
从统一禁止，到分级授权
真正成熟的治理，不会把所有 Agent 当成同一种风险。
分级时可以看两个维度：影响范围和动作风险。边界重叠时，按更高风险等级管理。
分级授权的价值，是让低风险创新继续发生，把高风险动作放回组织视野。
如果只能先做三件事，那就先盘点现有 Agent，确定 L0-L4 分级规则，再把 L2 以上的 Agent 接入日志和审批。
未来企业比拼的，不是谁拥有更多 Agent，而是谁更清楚每个 Agent 为什么存在、能做什么、不能做什么、出了事谁负责。
一个真正的同事，不只是会做事。他有身份、职责、权限和退出流程。Agent 如果要成为组织的一部分，也一样。
一个 Agent 如果不能被登记、限制、观察、复盘和退役，就不应该长期执行业务动作。
参考资料
• Gartner: Gartner Identifies Six Steps to Manage AI Agent SprawlURL: https://www.gartner.com/en/newsroom/press-releases/2026-04-28-gartner-identifies-six-steps-to-manage-artificial-intelligence-agent-sprawl • IBM: The trends that will shape AI and tech in 2026URL: https://www.ibm.com/think/news/ai-tech-trends-predictions-2026 • OpenAI: A practical guide to building agentsURL: https://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/ • Model Context Protocol: What is MCP?URL: https://modelcontextprotocol.io/docs/getting-started/intro