控制AI智能体扩张：CIO治理指南

企业网络中AI智能体数量激增，为管理多云基础设施的领导者创造了治理盲点。

随着各业务部门竞相采用生成式AI技术，CIO发现其生态系统中充斥着分散且未受监控的资产。这与云时代的影子IT挑战相似，但涉及能够执行业务逻辑并访问敏感数据的自主行为者。

IDC预测，到2029年活跃部署的AI智能体数量将超过10亿个——比当前水平增长40倍。仅在2025年上半年，智能体创建就激增了119%。对企业领导层而言，当前挑战已从构建这些智能体转向跨平台定位、审计和治理它们。

Salesforce通过扩展其MuleSoft Agent Fabric功能来应对这种分散化，引入了旨在集中管理AI智能体的自动化发现工具，无论其来源如何。

可见性挑战与解决方案

可见性仍是安全和运营团队面临的核心问题。当营销团队在一个平台上部署AI智能体，物流团队在另一个平台上构建时，有效治理变得困难，因为中央IT部门失去了对组织数字化员工队伍的统一视图。

MuleSoft更新的架构通过"智能体扫描器"解决了这一问题。这些工具持续巡视主要生态系统——包括Salesforce Agentforce、Amazon Bedrock和Google Vertex AI——以识别运行中的智能体。系统自动化检测，而非依赖开发人员手动注册其部署。

发现智能体仅是第一步；合规领导者需要了解其背后的逻辑。扫描器提取详细说明智能体能力、驱动它的大语言模型以及其被授权访问的特定数据端点的元数据。这些信息随后标准化为智能体到智能体(A2A)规范，为资产创建统一配置文件，无论底层供应商如何。

MuleSoft高级副总裁兼总经理Andrew Comstock表示："未来十年最成功的组织将是那些充分利用多云AI环境完整多样性的组织。MuleSoft Agent Fabric的扩展功能让您能够在任何平台上自由创新，同时保持扩展所需的统一可见性和控制。"

财务效率与风险管控

未管理的智能体会产生财务效率低下和风险暴露。考虑银行业的首席信息安全官。在标准操作下，验证新的贷款处理智能体需要手动向开发团队索取文档。自动化编目允许安全团队立即查看智能体访问哪些金融数据库，并验证其授权级别，无需手动干预。这种能力确保安全团队查看实时数据而非过时快照。

从财务角度看，可见性推动整合。大型企业经常遭受冗余问题，区域团队独立采购或构建类似工具。例如，一家跨国制造商可能有三个独立团队为不同平台上的不同摘要智能体付费。

通过使用MuleSoft Agent Visualizer按工作类型过滤资产，运营领导者可以识别这些重叠。将这些整合为单一高性能资产可减少冗余许可成本，并允许预算重新分配用于新颖开发。

创新整合与企业采用

创新通常发生在边缘，数据科学家在正式采购渠道外构建定制工具。

扩展的Agent Fabric通过允许通过URL注册"自主开发"智能体和模型上下文协议(MCP)服务器来解决这一问题。这对物流等行业特别相关，团队可能为专有数据库优化构建内部工具。这些资产可以注册并使其可被发现，以便在公司内重复使用，而不是保持隐藏状态。

Capita AI运营主管Jonathan Harvey表示："智能体扫描器将让我们专注于创新而非库存管理。知道每个智能体都被自动发现和编目，允许我们的团队协作、重用工作并构建更智能的多智能体解决方案。"

同样，AT&T正在利用该框架来协调客户支持、聊天和语音交互中的智能体。

AT&T企业与集成架构师Brad Ringer解释："随着AI发展如此迅速，MuleSoft Agent Fabric提供了我们扩展所需的框架。它汇集并帮助我们协调在客户支持、聊天和语音交互中构建的所有智能体和MCP服务器。这不仅是一个工具；它是我们接下来所做一切的巨大推动者。"

向"智能体企业"过渡需要改变IT资产跟踪的治理方式，通过过时电子表格管理集成的时代与AI智能体部署速度不兼容。

领导者必须假设其AI智能体库存不完整，并部署自动化扫描工具来建立真实基线。一旦建立基线，治理政策应强制要求所有智能体——无论是购买还是构建——以A2A等标准化格式公开其能力和数据访问权限，以便于监控。

最后，高管可以利用这些工具提供的可见性来审计支出，识别云环境中的重复功能并合并它们以控制总拥有成本(TCO)。

随着组织从试点项目转向大规模部署，差异化因素将不是单个智能体的智能，而是连接它们的网络的连贯性。

Q&A

Q1：什么是智能体扫描器？它如何工作？

A：智能体扫描器是MuleSoft Agent Fabric中的自动化发现工具，能够持续巡视Salesforce Agentforce、Amazon Bedrock和Google Vertex AI等主要生态系统，自动识别运行中的AI智能体，提取其元数据并标准化为统一规范，无需开发人员手动注册。

Q2：AI智能体治理面临哪些主要挑战？

A：主要挑战包括可见性问题、财务效率低下和风险暴露。当不同业务部门在各平台独立部署智能体时，中央IT失去统一视图，容易产生冗余投资和安全盲点，类似云时代的影子IT问题，但涉及能执行业务逻辑的自主行为者。

Q3：企业如何建立有效的AI智能体治理策略？

A：企业应部署自动化扫描工具建立智能体库存基线，制定治理政策要求所有智能体以A2A等标准化格式公开能力和数据访问权限，利用可见性工具审计支出并识别重复功能，从而控制总拥有成本并确保安全合规。