五家初创公司直击AI智能体信任鸿沟：编排、可观测性与安全治理新方案

企业级AI智能体能够完成工作——但让它们彼此通信、证明其可信度，并在出现问题时接受审计的基础设施仍在建设中。 证明其应被信任，并在出现问题时接受审计的基础设施仍在建设中。

以下是五家初创公司在VB Transform 2026大会上展示的、针对编排（orchestration）、可观测性（observability）、连接性（connectivity）和安全性（security）等关键缺口所采取的应对方案。 VB Transform 2026。

BAND正在协调你后台运行的所有智能体

BAND联合创始人兼首席技术官（CTO）弗拉德·卢津（Vlad Luzin）指出：在不久的将来，智能体将无处不在，并代表我们执行任务。 BAND。

据他描述：智能体将接收任务、访问注册中心、招募其他智能体协助、在“对话空间”中将子任务委派给AI同行、汇总并共享结果，最后向人类用户返回摘要。

BAND正构建一个面向多智能体AI系统的协调基础设施层，以实现这一愿景。

为何Telegram、Slack或Discord无法解决该问题？卢津指出，这些平台是为人类设计的。智能体需经多个步骤手动接入，且彼此不可见；“它们仍处于某种数字单独监禁状态”。

类似地，Claude是无状态的，开发者通常同时打开多个会话，并在不同任务间频繁切换——卢津称这会造成真实摩擦。

挑战在于连接远程进程，卢津将其称为分布式系统问题。

他说：“传输层必须首先解决，即智能体如何实时通信。”对话无法通过IP地址和URL进行；必须提升至抽象层，使智能体能在不同渠道、对话空间及平台之间互通。

卢津表示：“智能体能看见彼此，彼此理解，可协同合作，共同讨论问题，共同修复问题，并向另一方请求审核。”

据卢津介绍，BAND支持可连续运行8至20小时的自主工作流，并兼容A2A与MCP协议。尤为重要的是，人类可在智能体对话及相互发现过程中随时加入对话。

卢津表示：“我们可以实时记录并向您展示您的智能体生成的所有任务。”

Conifers正助力防御方以机器速度行动

Conifers联合创始人兼首席执行官（CEO）汤姆·芬德林（Tom Findling）表示，当前防御方面临的最大挑战在于：他们仍在以人类速度运行，而攻击者已进入机器速度。 Conifers。

芬德林指出，攻击者已在采用智能体，且只需成功一次即可渗透企业。过去耗时数月或数周的恶意活动，如今仅需数小时甚至数分钟。另一方面，安全运营则呈现碎片化、人工化、低效且缓慢的特点。

芬德林表示，Conifers已将网络安全防御的多个组成部分——私有情报、威胁狩猎、检测、工程、调查与响应——全部智能化，并打破各环节之间的孤岛。各类智能体系统可相互通信，确保主动防御与运营防御始终在线并持续自适应。

芬德林表示，Conifers的系统已将遏制时间从7小时压缩至12分钟，且公司可在四分钟或更短时间内完成复杂的网络调查。

他强调，与企业现有安全工具（无论是端点检测与响应（EDR）、安全信息与事件管理（SIEM）、安全态势管理，还是其他工具）集成至关重要。Conifers帮助客户理解自身安全态势、痛点所在、哪些控制措施有效而哪些无效，以及应在哪些领域投资以获得最佳投资回报率（ROI）。

芬德林表示：“威胁态势正在变化，检测手段却停滞不前，威胁情报也未能投入实际运营。这正是智能体的用武之地。”

Raindrop AI创建智能体审计日志

Raindrop AI首席技术官（CTO）本·希拉克（Ben Hylak）表示，当前时代的一个核心难题是发现AI智能体中的关键问题。 Raindrop AI。

他称之为“双重打击”：随着智能体能力增强，其复杂性与运行周期也随之增加；某些情况下，智能体可持续运行数小时乃至数天。其次，在医疗或国防等领域，问题可能演变为灾难性后果。

希拉克表示：“随着模型与智能体不断进步，这一问题正急剧恶化，且我有充分理由相信它将持续恶化。”

希拉克表示，Raindrop AI平台可在生产环境中识别智能体的关键问题，并基于过往用户行为模拟修复方案。这使得团队可在修复方案上线前确认其按预期生效，且不会引入意外副作用。

他表示，该初创公司的强化学习（RL）平台直接利用Raindrop数据优化并训练模型。其预部署仿真引擎有助于识别哪些修复方案将在生产环境中真正产生影响；随后的实时A/B测试则可展示这些变更的实际效果。

消息、工具调用、重试及错误均集中捕获，一旦出现问题，人类用户即会收到通知（通常通过Slack）。每个客户的模型均单独训练，信号驱动跨模型与跨运行环境的持续学习。“它被浓缩为一种真正可导航、易于理解、易于验证的形式，”希拉克表示。

Arcade赋予智能体执行操作所需的安全许可

AI智能体旨在为您执行各种任务，但常遭遇三大瓶颈：授权（authorization）、治理（governance）与可靠性（reliability）。

要代表真实用户、以真实权限执行操作，智能体需要一种新型安全架构，Arcade.dev联合创始人兼首席技术官（CTO）萨姆·帕蒂（Sam Partee）表示。 Arcade.dev。

帕蒂表示，其公司提供的安全智能体运行时（secure agent runtime）提供了该身份认证与授权层，使智能体可通过关键安全审查。该运行时还提供可观测性，使人类用户可全程监控智能体所有操作。所有操作均可精确追溯至具体时间点，并以最小特权范围执行。

Arcade以可安装插件形式提供，可在类似洁净室的环境中本地部署；帕蒂表示，企业可继续使用自有登录及安全工具。凡在Arcade中执行的任何操作，均受相同基于角色的访问控制（RBAC）、入侵检测与防御系统（IDPS）、策略、权限及其他既定检查点管控。

帕蒂指出，Arcade正应对供应链攻击问题，该问题“已泛滥成灾，令人难以置信”。安全与可观测性持续面临挑战，原因在于“抽象层级本身长期存在错误”。

Omilia正应对“并不直接明了”的客户体验（CX）难题

Omilia首席产品官（CPO）克劳迪奥·罗德里格斯（Claudio Rodrigues）表示，解决企业级客户体验（CX）问题“确实并不直接明了”。 Omilia。

基于启发式的系统可控但缓慢；智能体（agentic）系统速度快但不可预测，罗德里格斯（Rodrigues）表示。Omilia 构建其平台旨在同时实现可控性与速度。

克劳迪奥·罗德里格斯（Claudio Rodrigues）在 VB Transform 2026 大会上。图片来源：Michael O'Donnell Photography

这种基于智能体（agentic）、具备自学习能力的解决方案，其构建理念是观察客户服务中心实际发生的运营活动，而非抽象地建模。Omilia 的智能体（agents）首先直接观察问题，倾听每一次客户与客服代表的互动，摄取数据、API 规范、屏幕录制内容以及标准操作流程（SOP），再将这些内容映射至客户支持的具体用例，他解释道。

罗德里格斯表示，联络中心应成为收入驱动引擎，而 Omilia 的差异化优势在于其语音转文本（speech-to-text）系统，以及治理（governance）与可观测性（observability）层。

人工智能生成洞察、提出改进建议、自动构建对话式智能体（conversational agents）、从文档和 API 中提取信息，并设计对话流程。随后，人类专家可测试真实及模拟的交互场景，并在其监督下将系统部署至生产环境。罗德里格斯表示，Omilia 将所有这些能力整合为一个覆盖全企业的引擎，该引擎随时间持续学习。

罗德里格斯表示，该公司每年处理超 30 亿通电话，在某些部署中每日处理超 100 万通语音通话，并已实现平均解决时间（TTR）提升 30% 至 45%。他还指出，Omilia 的智能体（agents）所创造的追加销售（upsell）收入是人工客服代表的 21 倍。

在成熟的部署中，自动化程度“轻松”达到 80% 至 90%，他表示。然而，“人在环路中（human in the loop）对我们而言依然至关重要。”}] } {

JOTO 企业落地观察

• 企业部署层面：BAND提出的‘对话空间’抽象层与Arcade的插件化安全运行时表明，企业不再仅需单点智能体能力，而需可嵌入现有IT栈（如Slack、EDR、SIEM）的标准化通信与授权基础设施，否则智能体将长期处于‘数字单独监禁’状态。
• 智能体工程层面：Raindrop AI的预部署仿真引擎与Omilia基于真实客服交互的数据摄取机制，揭示了当前智能体开发范式正从‘模型驱动’转向‘运营数据驱动’——必须捕获工具调用、重试、错误等全链路信号，并支持跨模型、跨环境的持续学习闭环。
• AI安全治理层面：Conifers将威胁狩猎、检测与响应全部智能体化，并强调与既有安全工具集成；Arcade则通过最小特权执行与RBAC继承实现治理下沉。二者共同指向一个事实：AI安全不能依赖新增孤岛系统，而需将策略、IDPS与审计能力原生注入智能体生命周期。