当 AI Agent 开始拥有“身份”:企业智能体的下一道基础设施命题

这个观点值得我们借鉴。

过去我们讨论 AI Agent，更多是在讨论模型能力、工具调用、自动化流程、任务执行效率。比如它能不能写代码，能不能整理资料，能不能操作系统，能不能调用企业内部工具。但如果把视角往企业级落地推进一步，问题就不只是“Agent 能做什么”，而是“谁允许它做、它以什么身份做、做完之后如何审计、出问题时如何收回权限”。

当然，这里的“数字员工”不是一个宣传词，也不意味着 AI Agent 已经等同于人。更准确地说，它是一类会长期存在于企业系统中、持续执行任务、访问数据、调用工具、代表某个业务流程发生动作的数字主体。一旦它具备这些特征，企业就不能再只把它当作普通 API Key、脚本账号或者临时自动化工具来管理。

从工具，到流程，再到身份

从这个角度看，AI Agent 的企业化落地，可能会经历三个阶段。

第一阶段，是工具阶段。

企业把 AI 当成辅助工具，用来写文案、总结会议、生成代码、处理客服问答。这一阶段的核心问题是效果和成本，管理难度相对有限。

第二阶段，是流程阶段。

AI Agent 开始接入业务系统，能够跨工具执行任务，比如读取客户资料、调用 CRM、生成合同草案、发起审批、更新项目状态。这一阶段的核心问题变成了流程可靠性、权限边界和人工审核。

第三阶段，是身份阶段。

当一个企业里出现几十个、几百个甚至更多 Agent，它们分别服务销售、客服、财务、研发、运营、法务等不同场景时，企业就必须回答一个基础问题：这些 Agent 在组织系统里到底算什么？

所以，NewCore 提出的“给 AI Agent 建立一等身份”的思路，本质上不是一个单点安全产品问题，而是企业智能体基础设施的问题。

国内企业同样需要这层基础设施

这个判断对国内企业同样有参考价值。

未来很多企业上 AI，不会只停留在“买一个模型账号”或者“接一个大模型 API”。真正进入业务系统以后，企业需要的是一套 Agent Runtime，也就是智能体运行时系统。这个系统至少要处理几个底层能力：身份管理、权限控制、任务状态、工具编排、审计日志、人工介入、异常回滚和长期记忆。

在这里，身份是入口。

一个 Agent 不应该长期借用某个员工的账号去操作系统，也不应该通过散落在各处的密钥访问企业数据。更合理的方式，是把 Agent 作为一个可识别、可授权、可审计、可停用的数字主体来管理。它可以被绑定到某个部门、某个业务流程、某个负责人，也可以被限制在特定工具、特定数据范围和特定时间窗口内运行。

因为当 Agent 真正参与工作以后，企业要管理的不再只是“人和系统”的关系，而是“人、系统、Agent、流程、数据”之间的新型协作关系。谁发起任务，谁授权执行，谁审核结果，谁承担责任，谁可以暂停或撤销 Agent 的能力，这些都需要制度化、系统化，而不是靠临时约定。

我们认为，AI Agent 的下一轮竞争，未必只是谁的模型更强，也不只是哪个工具更好用，而是谁能把 Agent 放进一个可控、可观测、可治理的企业运行体系里。

这也是为什么身份、权限和审计这类看似“基础设施”的问题，可能会越来越重要。

不是定论，而是一个值得跟踪的技术判断

当然，现在就断言所有企业都会立刻进入“Agent 员工化”阶段，还为时过早。大多数企业目前仍处在工具试用和局部流程自动化阶段。Agent 的稳定性、成本、数据安全、责任边界、组织接受度，都还需要继续验证。

但作为一种技术趋势判断，我们至少可以看到一个方向：

从这个意义上说，NewCore 的思路给了行业一个很重要的提醒：企业智能体的真正落地，不只是让 AI 更会干活，而是让 AI 在企业里“有边界地干活”。

未来成熟的 Agent 系统，不应该是一个黑盒助手，而应该是企业数字组织中的一个可管理节点。

它有身份，有权限，有任务，有记录，有负责人，也有随时被暂停、审计和撤销的机制。