几年前，我在宝洁的一座工厂里了解到：企业级技术故障很少始于技术本身，它们始于缝隙——系统与系统之间、团队与团队之间、供应商之间、审批流程之间、运营规则之间。出了问题，第一个被问到的往往不是哪个系统出了故障，而是谁该为结果负责。
自主式AI把这个老问题压缩到了极致，一个客服智能体拒绝了一项例外申请，一个定价智能体更新了报价，一个采购智能体发送了修订后的供应商条款，一个法务审查智能体标记了合同中某个条款导致流程暂停，而在企业的另一个角落，一个网络响应智能体识别出异常并隔离了某个系统。
每一项操作也许都经过了人类的许可、记录和复核，但当结果变糟时，公司可能会发现：没有任何一个人、一个模型或一个系统单独做出了那个决定。每个人都可以指向之前的某个配置、某项权限、某次审批或某个接口。从技术上讲，每一步都是被授权的，但从组织层面看，责任已经消失了。
这就是智能体式责任死循环。
从输出风险到交接风险
大多数企业AI治理框架是为"副驾驶"时代搭建的：输出是否准确、是否存在偏见、是否安全、是否可解释、是否合规?在AI主要承担起草、摘要、搜索、翻译和建议等任务时，这套逻辑说得通。
企业AI的第一个问题是可见性：员工把AI拉进工作流程的速度，远快于组织看清它的速度，而智能体式阶段又叠加了权限——系统现在可以在责任追上来之前就执行动作、委派任务、触发工作流，这改变了风险的基本单位：从"模型说了什么"变成了"一个智能体把工作交给另一个智能体之后，系统做了什么"。
规模即将超出现有运营模式的承载能力，有一项估算显示，到2028年，一家普通的财富五百强企业的AI智能体数量可能从2025年的不到15个飙升到超过15万个，而只有13%的企业认为自己已经具备了合适的治理机制。
近期关于智能体泛滥的报道抓住了看得见的问题：太多自主系统在企业中蔓延，但更深层的风险是权限泛滥——太多交接环节中，业务裁量权的移动速度超过了问责机制。
真正的问题不是智能体的数量，而是权限在哪里移动、责任在哪里消失。
当访问变成权限
企业很擅长决定一个系统能碰什么，但自主式AI迫使人们面对一个更难的问题：它被允许行使什么样的判断?
这个区分至关重要。访问权让智能体进入房间，权限让它代表公司行事，一个合同阅读智能体不应该修改条款，一个退款建议智能体不应该发起付款，一个网络安全智能体不应该隔离基础设施，一个起草供应商联络函的采购智能体不应该让公司承担商业约束。
新兴的自主式AI安全指引指向同一个方向：目标劫持、工具滥用、权限滥用、智能体间通信不安全、级联故障和失控智能体——这些都是合法访问演变为未授权裁量的路径。
董事会层面的检验很简单：智能体也许有访问权，但它有权限吗?
这个问题落在CIO头上，因为自主式AI正在成为企业运营底座的一部分：身份、访问、工作流编排、可审计性、供应商集成、服务管理和业务连续性。CIO也许不拥有智能体所影响的每一个业务决策，但CIO必须让决策路径可见、可控、可撤销。
人机回环的幻觉
人们惯常的安慰是：有人在回环里，但如果真正的决策已经在上游被塑形了——被检索结果、提示词、工具权限、供应商默认值、业务规则或另一个智能体的委派所塑形——那么人工复核就不等于问责。
有意义的监督需要对整条链路的可见性：权限从哪里来、如何转移、是否扩张、动作是否可以被挑战、谁承担后果。
做不到这些，"人机回环"就会变成"人机背锅环"。
从最小权限到最小权限裁量
企业安全领域本来就有正确的直觉：只给系统它需要的，不多给，自主式AI需要把这个直觉应用到判断权上，权限泛滥很少来自某一个鲁莽的决定，而是来自那些悄悄扩展智能体能力的"有用集成"。
答案是最小权限裁量：给每个智能体完成任务所需的最窄授权，阻止下游裁量权扩张，并在工作流进入真正的业务后果时指定一个人类负责人。
智能体式问责地图
对于任何高后果的智能体式工作流，管理者应当能够回答四个运营问题：
1. 业务授权是什么——智能体被要求优化什么，以及它绝不能优化掉什么。
2. 谁批准了判断范围——在这个场景、这个自主等级、这个用户群体下，这类决策是否应该被委派。
3. 谁构建了工作流——谁把模型连接到了工具、数据、提示词、接口、系统和升级路径，从而决定了它实际上能做什么。
4. 谁为结果负责——当工作流影响到客户、资金、员工、供应商、合规、网络安全响应或运营时，由哪位具名的业务负责人承担问责。
管控交接
战略任务是给每一条智能体式工作流明确的运营权限：窄到可控、可追溯到可审计、风险变化时可撤销。
• 把智能体决策路径映射到企业架构中，智能体清单展示了有什么，决策路径图展示了判断如何在智能体、工具、供应商、接口、数据源和人工审批之间移动。对于有后果的操作，仅有日志不够;企业需要一条授权轨迹，说明系统为什么认为自己有权行动。
• 把访问和判断分开，把系统访问权和业务裁量权当作不同的管控体系来对待。
• 运用最小权限裁量原则，把安全领域"最小权限"的老直觉应用到业务裁量权上，给智能体完成任务所需的最窄授权，并把任何下游裁量权的扩张视为管控失效。
• 把人放在能改变结果的位置上，人工复核应当增加上下文和问责，如果复核者只看到机器给出的最终建议，那这个管控基本就是装饰性的。
• 在供应商引入和并购审查中加入智能体式工作流尽职调查，对于原生AI供应商和收购标的，审查其运营授权、自主等级、工具权限、决策路径、客户或供应商特定的运营上下文、交割后重置权和控制权变更条款。
真正的董事会问题
自主式AI把企业软件带入了一个不舒服的领域：当一个非人类行为体使用公司的系统、数据、品牌和裁量权时，是什么让它的行动在法理上成为公司的行动?
这已经不是一个模型层面的问题了，这是一个制度层面的问题。
如果没有清晰的答案，自主式AI自动化的将不只是工作，它会自动化责任的稀释。
