智能体越上越多,为什么管理反而跟不上
2026年11月20日

一个常见的时间线:第一年上 3 个智能体,团队盯得过来,效果不错;第二年上到 20 个,开始出乱子——有人重复建设,有人忘了下线,有人把测试环境的东西连到生产数据上;第三年计划上 100 个,管理层开始犹豫,因为已经说不清手上有什么了。

这不是管理能力的问题,是管理对象变了。传统 IT 管的是系统和账号,数量有限、边界清楚;智能体是"会自己干活的软件",数量增长快、行为动态、权限复杂。用管系统的方法管智能体,一定会漏。

漏在三个地方

漏在资产台账。智能体是业务部门自己就能搭的,IT 往往后知后觉。等到安全部门来问"公司有多少智能体能访问客户数据",没人答得上来。

漏在权限传导。一个智能体被授权访问某个系统,它调用的技能、工具、MCP 又可能带来新的权限。权限沿着调用链传导,但授权记录往往只停在第一层。

漏在使用与成本。开通账号的人数和真正使用的人数不是一回事;模型账单上的总额和每个智能体的实际消耗也不是一回事。没有细分数据,运营动作只能靠猜。

把智能体当"员工"来管

用友 YonAIG 企业AI治理与运营平台 的思路是把智能体纳入人力资源式的管理框架:有身份、有岗位、有权限、有绩效、有退役。

身份上区分三种形态——数智分身服务个人,数智员工承担岗位职责,数智团队负责多智能体协同。形态不同,授权方式与考核标准不同。

岗位与权限走"上岗"流程:创建之后要配置身份、划定授权范围,才能上岗。授权不是一次性给到底,而是按任务与场景划分。离岗与退役要有交接:权限回收、资产归档、数据处置三件事一件都不能少。

绩效靠运营看板:资产数量与分布、员工使用情况、部门渗透率、消耗成本四个维度。这四个数放在一起看,能回答管理者最关心的三个问题——建得够不够、用得实不实、花得值不值。

能力资产是规模化的关键

智能体规模化最怕重复建设。同样一个合同审查能力,三个部门做三遍,不仅浪费,还会造成口径分叉:三份审查规则不完全一样,审出来的结论就不一样。

能力中心的作用是让能力沉淀为可复用资产:智能体、技能、MCP 统一登记,分级管理,按需共享。第一个做的人把成果登记进去,后面的人复用并改进,企业的 AI 能力因此是累积的,而不是一遍遍从零开始。

治理的终点是可进化

会上反复出现一个说法:让 AI 可控、可信、可进化。可控是边界,可信是质量,可进化是能力。

可进化的前提是能验证改进。用友的做法是把在线评测和观测数据绑在一起:同一批观测数据,改配置前后各跑一次评测,分数变化就是改进效果。没有这套机制,"优化"就只是换个说法重来一遍,团队既不知道有没有变好,也不知道该往哪个方向改。

智能体的数量会继续增长,这是确定的事。管理能不能跟上,取决于企业有没有在数量增长之前把底座搭好——身份、权限、观测、评测、运营、运维,六块少一块都会在某个时间点变成瓶颈。

一个可操作的动作是建立月度复盘。每个月看三张表:新增与下线智能体清单、各部门使用与渗透数据、按智能体拆分的成本与效果对照。三张表放在一起,管理动作自然浮出来——哪些能力该合并、哪些智能体该推给更多部门、哪些该优化提示词、哪些干脆关掉。复盘不需要复杂的系统,需要的是数据能取到、口径能对齐,而这恰恰是治理平台该提供的东西。