企业AI代理治理的五大缺口

企业部署AI代理的时间早于管理它们所需控制措施的建立——而且它们是明知故犯。这是VentureBeat Research于6月开展的五项并行调查所揭示的核心发现，覆盖了代理技术栈（agentic stack）的每一层。如今，这些企业正进行改造以追上自身设定的标准，并为此预留了预算：在我们所衡量的五个控制层中，57%至68%的企业计划在12个月内更换供应商或新增供应商；而根据具体控制层的不同，约三分之一的企业计划在本季度内完成更换。

VentureBeat Research 测量了企业在信任一个代理之前必须构建的五类控制措施：身份（identity）、评估（evaluation）、成本遥测（cost telemetry）、上下文层（context layer）以及编排（orchestration）。身份控制决定哪个代理被允许执行何种操作、以谁的凭据执行；评估决定代理的工作质量是否达标；成本遥测追踪每个代理运行所耗费的成本；上下文层为代理在作答时所依赖的业务数据与定义提供支持；而编排控制平面则协调多步骤的代理工作。我们的五份报告各自聚焦于上述其中一项控制措施。

目前大多数已部署的“代理”实为贴着“代理”标签的聊天机器人。 71%的企业表示，其已部署的“代理”中仅有四分之一或更少能够独立完成多步骤任务；仅10%的企业表示，真正意义上的代理在其所运行的代理中占多数。这些受访者具备充分知情条件：81%的人在其公司中负责推荐或决策AI采购事项。一个仅需单次提示（single-prompt）且每次回答均由人工审阅的聊天机器人，完全不需要其余四份报告所衡量的任何控制措施；而一个真正能执行多步骤任务的代理则需要全部五类控制措施——但大多数企业甚至无法明确自己部署的究竟是哪一类。 （完整发现： 《代理编排报告》（Agentic Orchestration report）)

自主性正在超越对其实施把关的评估所建立的信任。 三分之二的企业要么已允许代理仅依据自动化评估结果（无需人工复核）即向生产环境推送代码或系统变更，要么正积极在12个月内实现该目标。然而，仅有5%的企业完全信任将据此作出决策的评估机制；且半数企业曾在过去一年中部署过通过内部评估却导致面向客户故障的代理。在从任何工作流中移除人工复核之前，应以实际生产结果而非内部基准来测试评估机制的有效性。 （完整发现： 《代理可靠性与评估报告》（Agent Reliability & Evals report）。）

允许代理共享凭据的公司遭遇安全事件的频率更高。 69%的公司允许其部分代理共享凭据——即多个代理共用一个API密钥或服务账号。在允许凭据共享的组织中，63.5%（74家中的47家）曾发生安全事件或接近事故；而在所有代理均拥有独立作用域身份（scoped identity）的公司中，该比例为40.9%（22家中的9家）。解决方案是为每个代理分配作用域身份，优先从接触生产系统的代理开始实施。 （完整发现： 《代理安全与身份报告》（Agentic Security & Identity report）。）

大楼中最昂贵的硬件设备运行负载仅为一半或更低。 超过八成自行运行GPU的企业报告其利用率在50%或更低；而仅有44%的企业严格追踪其AI算力的实际成本与回报。当前最值得优先追求的指标并非增加GPU数量，而是提升现有GPU的利用率及每项工作负载的实际成本效益。 （完整发现： 《AI基础设施与算力报告》（AI Infrastructure & Compute report）。）

代理自信地基于无人治理的数据作答。 57%的企业在过去六个月内追溯到一次代理给出自信但错误答案的案例，根源在于其自身缺失或不一致的业务上下文——包括错误的指标、过时的定义、缺失的文档等；且大多数企业不止一次遇到此类情况。对代理所依赖的作答依据（首先应是指标与实体）实施治理，必须先于扩展依赖这些依据的代理。 （完整发现： 《上下文层/RAG报告》（Context Layers / RAG report）。）

没有任何一层已形成根深蒂固的领先厂商：当前默认方案是企业已在使用的主流AI平台自带的内置工具。切换意愿在编排层本身最高，其中68%的企业计划在12个月内采用、新增或替换平台，34%计划在本季度内完成。我们的调查并未询问这笔资金将流向何方——是投向平台自带工具，还是投向挑战这些平台的专业化厂商——这一悬而未决的问题，正是未来四个季度该市场的核心焦点。

关于本项研究

VentureBeat Research 于2026年6月在其VB Pulse项目下开展了五项并行调查：《代理编排》（101名受访者）、《代理可靠性与评估》（157名）、《代理安全与身份》（107名）、《AI基础设施与算力》（107名）以及《上下文层/RAG》（101名），共计573名合格受访者，全部来自员工人数不少于100人的组织。样本属自我选择，部分发现宜作趋势性解读；每份报告均附有完整的方法论说明。相较于任何单一百分比，该模式更有力支撑的是整体方向：五项调查彼此独立，却指向完全一致的趋势。VentureBeat既发布本系列研究报告，也主办 VB Transform大会——本系列报告即在此大会上首次发布。

本文由 JOTO AI 智库从已授权的 VentureBeat AI 同步并整理。

原始来源：VentureBeat AI