# 企業 AI Agent 不能是超級管理員：談 AI 治理與虛擬員工時代 > 參加 2026 年 3 月 10 日 Microsoft AI Summit Taipei 研討會，對其中 AI 治理議題特別有感：為什麼未來的企業 AI，應該被當成一位有編號、有職掌、受治理的虛擬員工來管理。 ![ai-agent](https://hackmd.io/_uploads/rkLnGbxoWl.jpg) --- ## 🚨 問題的起點：Agent 成了超級管理員 最近火熱的 AI Agent，本質上就是一個會很多技能（Skill）的自動化系統，使用者下命令，它來執行。這個模式用在個人開發者手上沒問題，但放進企業環境，問題馬上浮現：它成了一個不受拘束的「超級管理員」，理論上能存取一切、操作一切。 這不是技術問題，而是**治理問題**。 相關研究數字說明了現況有多嚴峻： - **29%** 的員工使用了未經核准的 AI Agent 執行工作任務¹ - **只有 47%** 的組織有針對 GenAI 部署實施特定的安全控管措施² - 企業中運行的 AI Agent 數量預計在未來五年內成長逾十倍³ > ¹ Microsoft 委託 Hypothesis Group 跨國調查，2025 年 7 月，1,725 位資料安全專業人員參與，發布於 [*Cyber Pulse: An AI Security Report*](https://www.microsoft.com/en-us/security/security-insider/emerging-trends/cyber-pulse-ai-security-report) > ² Microsoft *Data Security Index 2026*，Microsoft Security，2026 > ³ IDC *Worldwide Artificial Intelligence IT Spending Market Forecast*（2025 年 8 月），Microsoft 發表場合引述為「2028 年超過 10 億個 Agent」，原始報告描述為「五年內呈對數級（10x）成長」 Microsoft 把失控 Agent 帶來的風險稱為「**Double Agents（雙面諜）**」：當 AI Agent 在沒有治理框架的環境中運行，一旦遭受 prompt injection 或模型污染攻擊，它可能從幫你做事的工具，變成對抗組織利益的風險源。 --- ## 🔄 核心思維轉換：Agent 是虛擬員工，不是工具 這是企業 AI 治理最關鍵的概念轉變。現有的 Agent 框架把 AI 當作「強力工具」設計，給它最大權限，換取最大靈活度。但企業的 IT 治理邏輯，從來不是這樣運作的。 想像一個新員工入職的流程：有員工編號、隸屬組織、有職掌描述，IT 根據角色授與最小必要權限，只能看到跟工作相關的資料，操作行為有紀錄可查。這套流程已被 SOC 2、ISO 27001、金融法規驗證了幾十年。 **那 AI Agent 為什麼不能套用同樣的框架？** | 面向 | 傳統 Agent 模式 | 企業治理 Agent 模式 | |------|----------------|-------------------| | 身份 | 工具／服務，無獨立身份 | 虛擬員工，有 ID、有組織歸屬 | | 權限 | 預設最大，事後再收 | 最小權限，入職時 IT 審核授權 | | 工作空間 | 共用或無限制 | 專屬郵件、行事曆、儲存空間 | | 職掌 | 什麼都能做 | 專職工作，聚焦職掌範圍 | | 稽核 | 難以追溯 | 所有動作可查，供內外稽核 | | 跨域存取 | 自行決定 | 需申請、需審核 | 每個 Agent 應視為一個虛擬員工：有員工編號、所屬組織、專職工作，跟新員工入職一樣，需要由 IT 授與權限、跑審核流程，只能看到授權給他的相關資料。專職化的另一個好處是**成本控制**：每個 Agent 只做份內的事，可以選用最適合該任務的模型，不需要每件事都動用最貴的旗艦模型。 --- ## 🏗️ 治理框架的四個層次 一個可落地的企業 AI 治理架構，至少需要涵蓋以下四層： **身份層（Identity）** 每個 Agent 有獨立的身份識別，等同員工的 AD 帳號。可套用 MFA、條件式存取、角色型權限（RBAC），並透過 Microsoft Entra Agent ID 等機制納入既有的 IAM 流程。 **治理層（Governance）** 統一清查組織內所有 Agent（包含第三方）的 Agent Registry，讓 IT 一眼看清有哪些 Agent 在運行、存取了什麼資源、行為是否符合政策。 **工作空間（Workspace）** Agent 擁有自己的郵件信箱、行事曆、儲存空間，在授權範圍內操作 M365、CRM、ERP 等系統，與人類員工在同一套協作環境中共存。 **稽核層（Audit Trail）** 所有 Agent 動作、資料存取、跨域請求，全部留有日誌，記錄 Who、What、When、Where、Why 五要素，可供內部稽核與外部合規查核。這正是 SOC 2 Type II 稽核要求的基礎。 --- ## 🤝 協作場景：人與 Agent 在同一個會議室 治理框架到位之後，真正有趣的事才開始：**人與 Agent 的交互協作**。 以一場產品規劃會議為例，與會者除了人類的產品企劃、業務主管，「市調 Agent」和「業務 Agent」也是會議成員。這不是 chatbot 回答問題，而是 Agent 以一個有身份的協作者身份參與討論：提供市場數據、分析客戶反饋，在職掌外的議題靜默旁聽，被詢問時才發言。 這個場景能成立的治理前提： - 市調 Agent 只能讀取被授權的市調資料庫，無法存取財務或 HR 系統 - Agent 的發言與操作紀錄完整保存，會後可供 Compliance 團隊查閱 - 若 Agent 需要存取非授權資料，必須透過申請流程由人類主管審核 - Agent 帳號可被停用、可被稽核，跟離職員工帳號回收的流程一致 --- ## 🧠 更進一步：Agent 與 Agent 的協作，才是開創性想法的來源 人與 Agent 的協作只是第一步。更深遠的影響，來自 **Agent 與 Agent 之間的互動**。 每個 Agent 都有自己的「腦」，也就是驅動它的 AI 模型。根據工作內容選配合適的模型，不只是成本考量，更會造就真正意義上的**認知異質性**：一個擅長分析推理的模型、一個擅長創意發散的模型、一個保守謹慎的風控模型，面對同一個問題會有截然不同的切入角度。 這裡有個關鍵洞察：**如果所有 Agent 都跑同一個模型，它們的思考偏差方向是一致的，討論出來的結果只是同溫層**。但當不同模型背景的 Agent 被迫針對同一個提案各自論證，讓保守的風控 Agent 和激進的產品 Agent「吵架」，最後由人類或 Orchestrator Agent 裁決，這個流程產出的結果，很可能比任何單一 Agent 或人類的獨立判斷都更完整。 人類歷史上很多突破性想法，都來自不同背景的人被迫一起解決同一個問題。Multi-Agent 的協作機制，本質上是在組織內複製這種**認知摩擦（Cognitive Friction）**，而且可以在幾分鐘內完成原本需要跨部門會議幾週才能收斂的討論。 這種 Agent 對 Agent 的協作模式，目前在技術上已有 Multi-Agent Orchestration 的框架在推進，但真正的平等式討論協議（而非主從式的 Orchestrator 指揮 Sub-agent）仍是尚待成熟的領域。這個差距，才是下一個真正值得投入的技術問題。 --- ## 🔍 治理成熟後的下一步：外部稽核 當 Agent 被納入完整的治理框架，所有行為都有日誌、所有存取都有紀錄，這份資料的價值或許不只停留在內部管控，有可能進一步成為**外部稽核的佐證材料**。 這個演進路徑有點像 ERP 的歷史。企業當初導入 ERP 是為了營運效率，不是為了讓會計師查帳，但等資料夠完整、夠可信之後，ERP 日誌逐漸成了財報稽核的重要依據。Agent 治理日誌，或許也有機會走上類似的路。 如果這個方向成真，未來上市公司的會計師查核範圍，可能會延伸到 AI Agent 的行為，驗證這個虛擬員工有沒有越權存取、有沒有操作不該碰的財務資料、有沒有繞過 Internal Control。 --- ## 📋 給各角色的行動建議 **IT 主管** 現在就開始清查組織內有哪些「影子 Agent」在運行。沒有身份、沒有日誌的 Agent 是最大的資安缺口。建立 Agent Registry 是第一步，接著把 Agent 納入既有的帳號生命週期管理（Joiner / Mover / Leaver）流程。 **架構師 / 工程師** 新建 Agent 時，把最小權限授權視為標配，而非事後的合規補貼。設計 Agent 的職掌範圍，就像設計 API 的存取控制一樣嚴謹。同時思考模型選配策略：每個 Agent 用最適合的模型，而非預設最貴的旗艦模型。 **業務主管 / CISO** 治理框架的建立不只是技術問題，更是組織問題。Agent 的「入職流程」：誰來提申請、誰來審核權限、誰來負責 Agent 的行為，需要在技術建置之前先定義清楚。 --- > **Agent 不只是工具的進化，而是企業組織圖的延伸。** > 當 AI 真的有了員工編號，當不同「腦袋」的 Agent 開始互相討論， > 企業的集體智能才算真正被解放。 --- **📢 歡迎轉載，請註明出處** **📬 歡迎追蹤我的技術筆記與實戰經驗分享** [Facebook](https://www.facebook.com/profile.php?id=61574839666569) ｜ [HackMD](https://hackmd.io/@jeff377) ｜ [GitHub](https://github.com/jeff377) ｜ [NuGet](https://www.nuget.org/profiles/jeff377)