智能体管理平台的崛起与潜在风险

据Statista数据显示，全球企业目前拥有2860万个活跃智能体，这一数字预计到2030年将突破22亿。

面对智能体数量的急剧增长，如何对其实施有效管理已成为业界亟待解决的课题。部分厂商正积极尝试应对这一挑战，由此催生出一个全新的技术品类——智能体管理系统，专门负责统筹协调AI智能体网络。

智能体管理平台本质上扮演着AI智能体"数字HR部门"的角色，业内专家认为，此类产品的推出正当其时。

游离于管理框架之外的智能体，相当于AI领域的"影子IT"。

"这种状态在出问题之前看似一切正常，但一旦出现故障，你会发现既没有审计追踪记录，也没有版本控制，更没有任何治理机制可以依赖，"雪城大学教授、The Palmer Group首席执行官Shelly Palmer指出。

目前市场上已有多款智能体管理解决方案，包括Google Vertex AI Agent Builder、Amazon Bedrock Agents、Microsoft 365 Copilot、Decagon AI和Sierra AI，分别服务于从系统编排到多智能体自动化等不同应用场景。

这些平台对于智能体自动化的未来发展至关重要。CrowdStrike首席工程师Diptamay Sanyal表示，成功的关键在于"将智能体视为基础设施，而非功能特性"。

智能体并非一次性构建的产物。Sanyal说："问题在于，你最终会拥有数十个智能体，却没有共享的上下文模型、一致的治理机制，也没有可复用的模式。一个完善的管理平台能为你提供可组合的基础组件、多租户隔离能力、跨大语言模型提供商的模型路由，以及对智能体实际行为的可观测性。"

随着智能体数以百万计地涌现，承担从销售到软件开发的各类任务，最大的挑战在于它们都需要访问相同的数据。

GitLab首席信息官Manu Narayan表示："这带来了严峻的AI治理挑战。如果不能有意识地构建AI技术栈，你可能最终面临数十家供应商及其智能体掌握核心数据访问权限的局面。"

这种状况导致了智能体蔓延问题，德克萨斯农工大学软件工程师Yash Vijay Patil将其描述为"一个由松散管理的智能体构成的碎片化生态系统，存在行为不一致、功能重复和归属不明等问题。若缺乏强有力的治理，这种蔓延将导致运营效率低下和风险敞口扩大"。

AT&T首席数据与AI工程师Monika Malik指出，众多厂商和内部团队都在针对特定用例构建智能体解决方案，但通常缺乏共享的身份模型、生命周期策略或风险框架。"这种做法会造成功能重复、行为不一致、隐性成本上升和安全漏洞。未来面临的问题不是智能体太少，而是不受管控的智能体太多。"

Info-Tech Research Group首席研究主任Brian Jackson还指出，OpenClaw等消费级产品的普及进一步加剧了智能体网络的复杂性。"可以预见，部分员工会尝试用这些工具自动化处理工作任务。这使得追踪企业环境中已部署的所有智能体变得困难重重。尽管各管理平台声称能够发现系统中部署的智能体，但实际上它们受制于身份管理层的限制。"

Jackson表示，智能体管理平台提供了可观测性方面的核心价值，让企业清楚地了解正在使用哪些智能体以及它们的运作情况。

此外，这些平台还能够通过"运用统一策略为智能体的权限边界设定护栏，确保其与企业目标保持一致"来实现治理功能。他补充道，这些系统最终能够推动价值实现，"持续监控性能表现，确保智能体的成本与产出符合预期，并为工作带来实质价值"。

AT&T的Malik表示，此类管理平台的职责在于"为组织如何部署、监控、保护和持续优化智能体提供控制层。这些平台的核心价值不仅在于编排能力，更在于运营纪律：清晰掌握智能体的行为动态、数据来源、决策逻辑，以及何时需要人工介入"。

然而，Jackson观察到，各厂商之间争夺智能体管理领域主导权的竞争异常激烈。

"这将成为一个战略性阵地，企业将在此基础上构建工作流并与生态系统建立更深层次的绑定关系，"他说。

Jackson进一步指出，因此许多智能体的实施将与各业务线内部熟悉的记录系统深度整合。"最终会出现这样一种局面：市场部门通过原有的CRM平台管理智能体，而IT部门则通过资产管理和可观测性平台来管理智能体。"

德克萨斯农工大学的Patil表示，随着智能体自主性的不断提升，"明确边界划定、行为监控和信任维护将变得至关重要。简言之，智能体管理平台提供了强大的杠杆效应，但前提是必须与严格的治理规范和审慎的采用策略相结合"。

Narayan表示，消除复杂性是一大挑战，"尤其是当智能体同时跨多个相互关联的系统运行时"。

"通过智能体管理平台实现整合有助于解决这一问题，"他说，"这类平台建立了上下文框架、权限模型、安全控制机制和数据边界，从而简化了大规模智能体编排工作。将这类平台与中心辐射型架构模式相结合，有助于在不影响采用速度的前提下，对整个AI技术栈实施更有效的统筹管理。"

Malik指出，智能体管理平台面临的另一挑战是"其变更难度远超大多数云服务的选型决策，因为它深度塑造了工作流、集成关系、权限体系和运营模式"。

正因如此，智能体的引入必须作为企业层面的战略决策来推进。从工程、安全、法务、数据治理到业务负责人等所有利益相关部门，都应参与智能体管理平台的决策过程。Malik表示："首要障碍是防止碎片化采用。企业应将智能体平台视为长期运营基础设施，而非又一次AI工具采购。"

Patil指出，智能体平台的选型决策一旦做出便难以逆转，因为它已深度嵌入工作流、数据管道和业务逻辑之中。"应从互操作性、可扩展性、厂商锁定风险以及对开放标准的支持等维度评估平台选型。至关重要的是，这一决策不能仅由工程团队主导——安全、数据和业务负责人等跨职能利益相关方都必须参与其中。"

Jackson还提醒专业人士，从遗留软件平台中迁移"数据和工作流"本已困难重重。"在此之上叠加AI层，意味着集成深度将进一步加深。尝试迁移智能体管理系统，就如同进行一场大脑移植手术。"

因此，企业在迁移至智能体管理平台时应将灵活性置于首位。Jackson建议："评估清楚哪些平台是你愿意长期押注的，哪些场景更适合采用自托管平台。"

"考虑到智能体工作负载消耗成本的不可预测性，构建一套能够充分利用内部基础设施、避免将业务流程与按量计费或消耗型定价模式深度绑定的系统架构，或许是更为明智的选择。"

Sanyal建议，专业人士还应像对待"数据库选型而非SaaS工具评估"一样，认真对待智能体管理平台的开发和实施工作。"应从第一天起就让平台工程、安全和法务团队参与进来，而不是等到试点成功之后。此外，这一决策不应由单一业务线负责人拍板，而需要平台工程、安全团队以及身份与访问模型的负责人同坐一桌，共同研讨。"

Q&A

Q1：智能体管理平台是什么？主要功能有哪些？

A：智能体管理平台相当于AI智能体的"数字HR部门"，核心功能包括三个层面：可观测性，即清楚掌握企业部署了哪些智能体及其运行状况；治理能力，通过统一策略设定智能体的权限边界，确保其符合企业目标；价值管理，持续监控智能体的成本与产出，确保其为业务带来实质价值。目前市场上的代表产品包括Google Vertex AI Agent Builder、Amazon Bedrock Agents和Microsoft 365 Copilot等。

Q2：企业不部署智能体管理平台会有什么风险？

A：若缺乏统一的管理框架，智能体将演变为AI领域的"影子IT"。主要风险包括：无审计追踪记录，出现故障时无从溯源；功能重复和行为不一致，造成资源浪费；多个智能体同时访问核心数据，带来严重的数据安全隐患；以及运营效率低下和风险敞口持续扩大。专家警告称，未来企业面临的问题不是智能体太少，而是不受管控的智能体过多。

Q3：企业在选择智能体管理平台时应注意什么？

A：选型时需关注以下几点：首先，应从互操作性、可扩展性、厂商锁定风险和开放标准支持等维度综合评估；其次，要像选择数据库而非SaaS工具一样认真对待这一决策，从一开始就让工程、安全、法务和业务团队共同参与；此外，还需重视灵活性，评估自托管与托管平台的适用场景，并关注消耗型定价带来的成本风险，因为智能体平台一旦落地便难以迁移。