智能体自主行动时代：治理机制必须深植于数据层

随着企业赋予人工智能（AI）智能体更高的自主性——使其能够在无需人工逐一审批的情况下，跨系统进行规划、决策与执行——一个核心难题日益凸显，成为每次架构审查的焦点：当智能体尝试执行未经授权的操作时，究竟是什么机制能真正阻止其行为？

这些智能体在企业的模型上运行，触及企业的数据，并依赖于企业的基础设施。因此，它们行为的责任最终仍由企业承担。这种责任并非事后追溯或通过纸面上的抽象政策就能完全履行的。智能体缺乏对自身行为的全面判断力，它们亟需在特定情境下生效的规则，以确保其行动合规。

不妨设想一条简单规则：“永远不要打开车门”。如果智能体严格遵循此指令，它将永远无法进出车辆。然而，一旦情境发生变化（例如车辆发生事故、起火，有人受伤亟待脱困），此时所需的规则反而会截然相反。瞬时情境是决定规则有效性的关键。我们要求智能体执行智能任务，这自然也要求规则本身具备智能化的弹性与适应性。

本能的反应是围绕智能体设置“护栏”：在模型之上叠加指令、策略和监控层。这些机制固然重要，但它们存在结构性限制：上述“车门规则”在理论上看似合理，直到你真正需要决定是否开门的那一刻。智能体层面的控制措施，其可靠性取决于智能体输出的可预测性，而自主性恰恰是导致其输出难以预测的特质。依赖于事前审查的治理模式，根本无法跟上一个能在毫秒间跨多个系统同时行动的智能体体系。

因此，治理机制必须变得可执行，并且要在智能体实际执行操作的核心场域——即运行数据层，在特定情境下，且正值操作发生的精确时刻——得到严格落实。

数据层：治理执行的关键节点

智能体通过接触数据来创造价值。它们查询、检索、转换数据，并日益直接对数据采取行动。因此，一项规定智能体不得访问特定类别数据的策略，只有当系统能够在智能体请求访问的那一刻立即拒绝时，才具备实际意义。同样，人工智能必须可审计的原则，也只有当企业能够重建智能体执行了什么、触及了哪些数据、代表哪个用户操作以及产生了何种结果时，才真正有效。当治理机制深植于数据层时，无论智能体的构建方式或行为模式如何，这些控制都将始终有效，因为控制权是数据库本身的固有属性，而非智能体做出的某种承诺。

智能体行为或具概率性，但治理必须确定无疑

企业不应寄希望于模型自主选择遵循策略。政策的执行必须由系统强制完成。这本质上是在“期望行为者不越界”与“构建一个行为者无法逾越的边界”之间做出选择。

使这一理念变为现实的控制措施，许多企业已在数据层部署并运用，包括：基于角色和属性的访问控制、行级与列级安全、数据分类与掩码、策略即代码，以及完整的审计追踪记录。

智能体的出现，并未改变这些控制机制本身，而是改变了机制需要识别的对象。身份管理系统必须将智能体视为独立的“主体”，为其赋予独立身份，并在会话开启时声明其目的。

一旦目的与身份绑定，策略引擎便能像今日评估角色或部门一样对其进行评判。这样，事件记录不仅能捕获谁执行了操作、触及了哪些内容，还能明确其声明的行动意图。

在实践中，这可归结为九项关键控制，并可进一步划分为三大核心要求：

确保执行力

• 在查询时强制执行基于角色和属性的访问控制，对智能体和用户同样适用。
• 由相同策略路径驱动的动态列掩码机制。
• 将智能体身份作为一级主体，在会话开始时绑定其声明目的，并保留实际操作用户的信息。

实现可视与可证

• 驱动策略执行的数据分类与标签体系。
• 会话级的审计日志，详细记录哪个智能体执行了操作、代表哪个用户以及其声明的目的。
• 跨数据管道的溯源能力，确保任何结果都能追溯到产生它的请求源头。

统一与强化

• 集中式、可移植的策略管理平台。
• 对静态数据和传输中数据均进行加密。
• 在本地部署、云端以及独立或隔离环境中，实现一致的策略强制执行。

业界专家指出，“声明的目的”是实现有效治理的关键所在。它将成为访问层已经理解的属性，与角色及行级安全等在同一策略路径中进行评估。核心的强制执行机制并未改变，但变化在于，智能体的目的已纳入评估范围，并成为事后记录与审计的重要依据。

无论企业在AI采纳旅程的哪个阶段，在数据层进行强制执行都能帮助企业更快而非更慢地推进进程。这些控制措施早已存在于数据库中，而现在的区别在于，智能体也必须通过这些控制。

数字“缰绳”而非紧闭之门

核心目标并非阻止智能体执行有益的工作。相反，它是为了清晰界定智能体的行动范围、可触及的数据、可修改的内容、何时需要升级干预，以及在出现问题时企业如何重构事件。通过这种方式治理，智能体能够被明确识别、限定范围、持续监控并全程可审计。这将使企业能够更快地采纳和部署智能体，因为安全、风控和领导团队都对底层的运行模型充满信心。

开放、主权，并在源头强制执行

基于开放架构构建的基础平台，使企业能完全掌控其数据存储位置、谁能访问以及遵循何种策略，而无需将治理权让渡给企业不拥有或无法检查的外部层。对于受严格监管的行业而言，数据主权与源头层面的强制执行机制，不再是可有可无的优势；它们是能否将智能体投入生产环境的先决条件。

智能体系统将持续变得更加强大和自主。这正是审慎考量控制权归属的关键原因，而非减缓其发展步伐。那些能够在数据层有效执行治理的企业，将有能力在人工智能领域大胆进取，因为保护其数据安全的屏障，绝非仅仅是美好愿景。