一句话看懂：随着 AI 智能体在企业网络中自主执行任务，传统“人工审批”环节正在沦为形式化的点击动作，反而成为责任界定模糊和风险累积的温床。企业需要从“人在环中”转向“人在环上”的治理模式。
事件核心：发生了什么
网络设备商 Extreme Networks 的 CTO Markus Nispel 在 TechRadar 撰文指出，企业级 AI 智能体（agentic AI）的应用速度远超治理体系的准备速度。他对比了两种夜间自动修复场景：在规范的 Human-on-the-Loop（人在环上）模式下，智能体修复网络问题后会留下完整的推理日志和审计痕迹，人类早上只需核查结果；而常见的 DIY 式部署中，日志只记录“做了什么”，不记录“为什么这么做”以及被绕过的约束条件。
文章援引研究数据称，57% 的 IT 领导者预计一年内将人类从 AI 工作流中移除，79% 已把 AI 智能体视为需要独立身份管理和治理控制的“用户”。但 Nispel 警告，大量企业仍未为智能体建立类似人类员工的身份框架——没有边界权限、临时访问凭证和撤销路径，这种“影子访问”风险正在无声累积。
为什么重要
这篇文章点破了一个被广泛忽视的问题：审批按钮并不等于责任归属。当 AI 智能体自主执行配置变更或流量调度时，日志记录的是行为结果而非决策逻辑，归因（attribution）不等于溯源（provenance）。一旦系统在凌晨自主做出超出预期的连锁修改并导致故障，企业将无法回答“谁该负责”这一问题。
更深层的变化在于，人类员工的角色正从“执行任务”转向“阅读日志后再批准”。这要求企业重新设计治理框架——不是让人工审核更密集，而是让系统具备可评估、可反馈、可追溯的能力。目前大多数身份管理基础设施仍是为人类设计的，把智能体硬套进现有体系等于制造新的安全盲区。
对用户/开发者/创作者的影响
对于企业 IT 决策者，当前最紧迫的任务不是追求全自动化，而是建立“人在环上”的评估机制：关注系统是否在边界内运行、结果是否符合预期，而非逐个点击批准。对于开发者和平台工程师，需要为每个智能体分配独立的非人类身份（NHI），配置最小权限、时效性凭证和完整撤销路径，同时确保日志记录包含决策依据和约束条件，而非仅记录操作结果。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对于依赖 AI 工具的内容创作者和普通用户，这一讨论同样有参考意义：当 AI 工具被赋予越来越多的自主权限（如自动发布、自动修改配置），每一次点击“我批准”前都应追问——系统是否记录了完整的决策链条？权限边界是否清晰？
值得关注的后续
有三个具体观察点值得跟进：一是智能体身份管理是否会成为企业安全软件的新品类，主流云厂商和网络安全公司是否会在未来 6-12 个月推出标准化方案；二是“人在环上”的评估工具是否会标准化，即如何自动生成可供人类高效审查的每日智能体行为摘要；三是监管层面是否会跟进，特别是欧盟《人工智能法案》对企业级自主代理的问责条款如何落地。
来源：TechRadar
