控制AI智能體擴張：CIO治理指南

企業網絡中AI智能體數量激增，為管理多云基礎設施的領導者創造了治理盲點。

隨著各業務部門競相采用生成式AI技術，CIO發現其生態系統中充斥著分散且未受監控的資產。這與云時代的影子IT挑戰相似，但涉及能夠執行業務邏輯并訪問敏感數據的自主行為者。

IDC預測，到2029年活躍部署的AI智能體數量將超過10億個——比當前水平增長40倍。僅在2025年上半年，智能體創建就激增了119%。對企業領導層而言，當前挑戰已從構建這些智能體轉向跨平臺定位、審計和治理它們。

Salesforce通過擴展其MuleSoft Agent Fabric功能來應對這種分散化，引入了旨在集中管理AI智能體的自動化發現工具，無論其來源如何。

可見性挑戰與解決方案

可見性仍是安全和運營團隊面臨的核心問題。當營銷團隊在一個平臺上部署AI智能體，物流團隊在另一個平臺上構建時，有效治理變得困難，因為中央IT部門失去了對組織數字化員工隊伍的統一視圖。

MuleSoft更新的架構通過"智能體掃描器"解決了這一問題。這些工具持續巡視主要生態系統——包括Salesforce Agentforce、Amazon Bedrock和Google Vertex AI——以識別運行中的智能體。系統自動化檢測，而非依賴開發人員手動注冊其部署。

發現智能體僅是第一步；合規領導者需要了解其背后的邏輯。掃描器提取詳細說明智能體能力、驅動它的大語言模型以及其被授權訪問的特定數據端點的元數據。這些信息隨后標準化為智能體到智能體(A2A)規范，為資產創建統一配置文件，無論底層供應商如何。

MuleSoft高級副總裁兼總經理Andrew Comstock表示："未來十年最成功的組織將是那些充分利用多云AI環境完整多樣性的組織。MuleSoft Agent Fabric的擴展功能讓您能夠在任何平臺上自由創新，同時保持擴展所需的統一可見性和控制。"

財務效率與風險管控

未管理的智能體會產生財務效率低下和風險暴露。考慮銀行業的首席信息安全官。在標準操作下，驗證新的貸款處理智能體需要手動向開發團隊索取文檔。自動化編目允許安全團隊立即查看智能體訪問哪些金融數據庫，并驗證其授權級別，無需手動干預。這種能力確保安全團隊查看實時數據而非過時快照。

從財務角度看，可見性推動整合。大型企業經常遭受冗余問題，區域團隊獨立采購或構建類似工具。例如，一家跨國制造商可能有三個獨立團隊為不同平臺上的不同摘要智能體付費。

通過使用MuleSoft Agent Visualizer按工作類型過濾資產，運營領導者可以識別這些重疊。將這些整合為單一高性能資產可減少冗余許可成本，并允許預算重新分配用于新穎開發。

創新整合與企業采用

創新通常發生在邊緣，數據科學家在正式采購渠道外構建定制工具。

擴展的Agent Fabric通過允許通過URL注冊"自主開發"智能體和模型上下文協議(MCP)服務器來解決這一問題。這對物流等行業特別相關，團隊可能為專有數據庫優化構建內部工具。這些資產可以注冊并使其可被發現，以便在公司內重復使用，而不是保持隱藏狀態。

Capita AI運營主管Jonathan Harvey表示："智能體掃描器將讓我們專注于創新而非庫存管理。知道每個智能體都被自動發現和編目，允許我們的團隊協作、重用工作并構建更智能的多智能體解決方案。"

同樣，AT&T正在利用該框架來協調客戶支持、聊天和語音交互中的智能體。

AT&T企業與集成架構師Brad Ringer解釋："隨著AI發展如此迅速，MuleSoft Agent Fabric提供了我們擴展所需的框架。它匯集并幫助我們協調在客戶支持、聊天和語音交互中構建的所有智能體和MCP服務器。這不僅是一個工具；它是我們接下來所做一切的巨大推動者。"

向"智能體企業"過渡需要改變IT資產跟蹤的治理方式，通過過時電子表格管理集成的時代與AI智能體部署速度不兼容。

領導者必須假設其AI智能體庫存不完整，并部署自動化掃描工具來建立真實基線。一旦建立基線，治理政策應強制要求所有智能體——無論是購買還是構建——以A2A等標準化格式公開其能力和數據訪問權限，以便于監控。

最后，高管可以利用這些工具提供的可見性來審計支出，識別云環境中的重復功能并合并它們以控制總擁有成本(TCO)。

隨著組織從試點項目轉向大規模部署，差異化因素將不是單個智能體的智能，而是連接它們的網絡的連貫性。

Q&A

Q1：什么是智能體掃描器？它如何工作？

A：智能體掃描器是MuleSoft Agent Fabric中的自動化發現工具，能夠持續巡視Salesforce Agentforce、Amazon Bedrock和Google Vertex AI等主要生態系統，自動識別運行中的AI智能體，提取其元數據并標準化為統一規范，無需開發人員手動注冊。

Q2：AI智能體治理面臨哪些主要挑戰？

A：主要挑戰包括可見性問題、財務效率低下和風險暴露。當不同業務部門在各平臺獨立部署智能體時，中央IT失去統一視圖，容易產生冗余投資和安全盲點，類似云時代的影子IT問題，但涉及能執行業務邏輯的自主行為者。

Q3：企業如何建立有效的AI智能體治理策略？

A：企業應部署自動化掃描工具建立智能體庫存基線，制定治理政策要求所有智能體以A2A等標準化格式公開能力和數據訪問權限，利用可見性工具審計支出并識別重復功能，從而控制總擁有成本并確保安全合規。