艾体宝TrueFoundry解读Gartner报告：AI治理的五个关键变化

当企业开始大规模部署AI Agent，治理问题随之浮现：Agent能自主规划任务、调用工具并访问业务系统，但企业是否知道它在做什么、能否限制其行动、出错后能否及时发现和纠正？Gartner《2026年AI治理技术成熟度曲线》报告预测，到2028年40%的《财富》1000强企业将把AI失控列为首要担忧之一，艾体宝TrueFoundry入选AI Gateways和AI Engineering两个技术类别的示例供应商。 报告揭示的第一个变化是治理对象从单一模型转向完整调用链路。Agent任务可能涉及多个模型、工具和业务系统，风险产生于环节之间的交互，因此企业需要掌握发起者身份、调用路径、权限合规性和执行结果。护栏能限制行为却未必能撤销后果，具有实际执行权限的Agent还需操作确认、异常中止和回滚机制。 第二个变化是AI治理与成本管理融合。Agent执行任务时可能反复调用模型、扩展上下文甚至调度其他Agent，成本取决于整个执行路径。报告引用调查显示91%的受访董事会成员将AI视为推动股东价值的机会，而Gartner 2025年CIO调查中74%的受访者认为AI实施成本与实际收益持平或更高。企业需按应用、团队、Agent或任务追踪消耗，设置预算配额与速率限制。 第三和第四个变化分别是AI治理与网络安全协同、从定期审查转向持续保障。Agent访问知识库不代表应拥有全部门资料权限，企业需在运行中识别调用主体并执行策略，落实最小权限原则。Gartner将LLM可观测性、AI运行时防御、监控即代码和评估驱动开发纳入持续保障讨论，治理从定期检查合规转向持续确认系统在预期范围内运行。 第五个变化是AI治理影响底层架构与部署方式。数据驻留、司法管辖和基础设施独立性要求推动企业关注主权AI，AI Gateway等技术仍处较早成熟阶段，企业可能从单点工具转向统一方案。文章随后区分了AI Gateway与MCP Gateway：前者统一管理模型调用，涵盖路由、访问控制、成本管理和运行观测；后者聚焦MCP工具接入与调用治理，两者并非同一事物的不同名称。 TrueFoundry AI Gateway将访问控制、密钥管理、预算与速率限制、安全护栏、提示词管理及请求链路追踪内置于请求处理链路。其Agent治理模型在每次调用跳转时分别识别最终用户和发起调用的Agent，签发权限范围限定为下一个被调用对象的令牌，并记录调用方身份链与授权决策供审计。分离式架构支持控制平面、网关平面和计算平面部署在企业云账户或本地环境。文章最后给出五步建设路径：建立AI资产与调用链路清单、明确身份权限边界、建立可观测与持续评估机制、将成本与风险控制纳入运行过程、从具体业务场景验证治理效果。