代理人工智能（Agentic AI）正在改变企业的经营方式，但自主代理的落地速度远超多数组织的安全管理能力。思科 Identity 产品副总裁 Matt Caulfield 在接受 ZDNet 书面采访时表示，企业环境中几乎必然存在这样一类人工智能代理：没有正式的身份、没有明确的所有者、也没有任何有效的访问控制，而开发人员往往在未经 IT 部门参与的情况下，就已将代理接入生产系统。
如何在可控的前提下推进代理人工智能，已成为 IT 决策者的核心议题。绕过治理框架加快部署固然能抢占竞争窗口，但由此引入的风险规模尚未被多数组织量化。这一矛盾指向一个结论：企业的身份管理体系需要为自主代理重新设计。
传统身份管理已逼近极限
人工智能代理是能够自主查询数据库、触发工作流、发送消息并以机器速度独立做决策的行为体，某些场景下可以完全脱离人类审批或干预。正是这种自主性，动摇了现有身份与访问管理体系的设计前提。
传统的人类身份通常在入职时建立一次，之后按固定周期更新。而自主代理往往直接继承运行环境中的既有凭证，由此获得的访问权限可能远超其任务所需。Caulfield 指出，既有的非人类身份管理工具同样无法胜任。这些工具是为服务账户和 API 密钥设计的——即可预测、相对静态的实体，从未针对代理"逐次行动、逐次执行"的特征构建。结果是：企业引入代理的速度持续快于 IT 部门搞清如何管理它们的速度，缺口每个季度都在扩大。
将零信任原则延伸至代理时代
按常规思路，组织似乎只能在两个选项间取舍：要么接受难以量化的风险、按业务所需速度部署代理，要么暂缓部署、坐视竞争对手抢占市场。Caulfield 不认为这是真正的选择。
"真正的任务不是在速度和安全之间做取舍"，他表示。思科团队将零信任原则推广到了这一新型非人类行为体，具体包括三条：永不给予绝对信任；信任范围不超过任务所需的最低限度；对已授予的信任持续核验。
在架构层面，这意味着围绕三个支柱建立治理：全面可见、严格问责，以及在单次行动层面而非整个会话层面的强制执行。
看见看不见的代理
让自主代理进入身份管理轨道的第一步是可见性，这也是思科客户反馈中最普遍的短板。"你无法信任看不见的东西"，Caulfield 说。几乎所有环境中都存在影子代理：一名开发者临时搭起一个代理，连接若干内部系统，随后离开，代理则继续运行。
思科的做法是依托现有平台构建发现能力。多数身份管理系统只能识别主动请求验证的实体，而自主代理通常不会主动验证。Caulfield 表示："因为 Duo 的代理身份构建在思科平台上，我们不受这一限制。我们还能观测网络中的实际通信，因此能在影子代理开始活动时将其捕获。"
这项能力通过 Cisco Identity Intelligence 的扩展实现，提供环境中每个活跃 AI 代理的持续、实时清单，而非周期性扫描。
每个代理都必须有明确的主人
发现只是治理的一半。一个被发现却无人负责的代理，与一个从未被发现的代理相比，在问责层面几乎同样缺失。"一旦确认某个代理存在，它就需要完整的身份生命周期，就像新员工一样"，Caulfield 说。它必须有明确的所有者，在其整个存续期内接受监控，并在任务完成后正式退役。
实现方式是依托思科 Duo 目录，将每个代理作为独立的一等身份对象管理，而非依附于其他实体。方案原生支持 OAuth 2.1，并内置对新兴模型上下文协议（MCP）的支持，对代理运行的框架或供应商保持中立。
Caulfield 说："每个代理都会被指派给特定的人类所有者。其所有行为都会被记录并关联到所有者，因此代理做的每件事都有明确的担责人。"
只授予完成工作所必需的权限
在 Caulfield 的评估中，权限过剩是任何代理部署中风险最高的情况。
治理手段是 MCP Gateway。它在代理与其调用的工具之间充当检查点：通过细粒度授权引擎评估每次请求，在请求抵达目标系统之前决定放行或拦截。例如，一个代理可能被允许读取客户记录，但若试图导出数据则会被拦截；也可能获准起草消息，但若试图在未经签署的情况下发送则会被拦截。
Caulfield 说："控制粒度必须达到这一级别。不是'这个代理能否使用这个工具'，而是'此刻，在这个条件下，这个代理能否执行这个具体动作'。策略可以精确到具体条件与操作，让 IT 团队实现按工具调用而非按会话粒度的管控。"
身份管理是可扩展代理人工智能的根基
代理人工智能能够带来更快的运营、更智能的自动化和端到端的工作流处理。但 Caulfield 强调，这一切的前提是在经营企业的人类与代其行事的代理之间建立真正的信任基础。
"那些能够有效管控代理人工智能风险的组织，是在代理尚未大规模铺开、追溯式治理还不至于沦为修复工程之前，就建立起治理框架的组织"，他说。
由此观之，全面可见、真正问责、按单次行动执行的权限管控，并不是代理人工智能的障碍，而是其安全使用的前提。
Caulfield 说："安全和治理是目前代理人工智能普及面临的最大障碍。解决了这些问题的组织，将最终获得他们一直期待的在生产环境部署代理人工智能的收益。"
