智能体从“回答问题”跨到“执行任务”后,授权机制就不再是登录环节的附属品,而是决定它能否进入生产环境的门槛。检索制度并生成答复,与查询供应商、核对合同、提交审批,是两类完全不同的事:前者的风险止于信息暴露,后者的风险落在真实业务状态上。授权机制要解决的,正是让智能体在多系统之间行动时,每一次越界都被拦住、每一次放行都有据可查。
传统应用授权围绕“人”设计,智能体却同时携带三种身份属性:它代表某个用户发起请求,又拥有平台赋予的工具调用能力,还可能在一段长期运行的任务中自行决定下一步动作。三者混在一起,权限就会被悄悄放大。因此授权模型必须先把身份拆清楚:以谁的名义执行、能调用哪些工具、在什么条件下调用。用户授权决定数据可见范围,工具授权决定可执行的动作边界,任务授权则约束流程中的条件与时限。
跨系统操作的难点在于权限无法沿用。企业已有统一身份体系,但业务系统往往只认自己的角色与数据范围。如果智能体绕过这套体系直接调用接口,审计链就断了。更稳妥的做法是让智能体携带用户身份进入下游系统,由原有权限模型裁决,平台只负责传递与记录,而不是另建一套平行权限。这样,越权访问在源头就被拒绝,而不是靠事后日志追查。
高风险动作需要显式确认点。提交审批、修改客户资料、发起付款一类操作,应当设置人工批准环节,并把批准记录与智能体的推理过程关联起来。授权不是一次性开关,而是按动作分级:低风险动作可自动执行,中风险动作限定数据范围,高风险动作必须有人签字。失败与异常同样属于授权范畴——接口超时、模型输出异常或人工中断后,任务应能安全停止或转交,而不是带着半完成的权限继续运行。
审计能力是授权机制的另一半。平台需要保留谁授权、调用了什么工具、访问了哪些数据、结果是否被人工修改。这些记录既服务于合规评审,也用于事后定位:当一次跨系统操作出现偏差,能追溯到是授权范围过宽、规则配置错误,还是执行环节失控。缺少这层记录,授权就只是纸面约定。
对准备采购或自建智能体平台的企业,判断授权机制是否够用,可以看三个问题:权限能否沿用现有身份体系而非另起一套;跨系统写入是否按动作分级并保留人工确认点;异常与中断后任务能否安全收敛。场景越复杂、涉及的系统越多,这三点的权重越高。授权机制设计得越早,后续复制到更多部门时的返工就越少。
