AI Agent 正在成为企业系统中的‘内部人’——它们有权读取邮件、查询数据库、触发 API 调用。它们不仅获取信息，还会主动行动。这种自动化的主动性能带来效率和客户体验提升，也引入全新的安全问题。

《State of AI infrastructure report》中，79% 的技术高管将安全、治理或运维视为扩展推理基础设施的最大挑战。传统的安全工具仍有用，但威胁模型已根本改变：自主工作流重新定义了企业风险，全面锁死系统会让 Agent 失去存在意义，因此业界需要既不牺牲敏捷性、又不放松管控的折中方案。

新威胁包括工具投毒（tool poisoning）和间接提示注入（indirect prompt injection）——攻击者能通过 Agent 处理的数据本身劫持其逻辑。动态权限管理也很复杂，而传统安全机制本就不是为这些自动化威胁设计的。35% 的资深 IT 决策者反映，阻止部署的首要原因即是‘多系统访问的防护不足’。

防御的重点正在从‘防止攻破’转向‘验证数据来源’，同时需要守护网络层和模型层。企业逐渐转向集成式全栈云平台以获取更全面的洞察：69% 的受访高管认为全栈平台是关键要求，80% 表示数据合规是选择的主要决定因素。

借助 Secure AI Framework（SAIF）等框架，并采用类似 Gemini Enterprise Agent Platform 这样的中央治理面板，组织可以从三处下手控制风险：一是安全内置默认（secure-by-default design），直接嵌入开发流程来防御提示注入；二是 Agent 治理与监督，通过专用权限和身份管理消除盲点、限制工具调用；三是人工介入控制（human-in-the-loop），设定规则让 Agent 在关键行动前自动请求审批。

治理的真正价值在于成为创新催化剂——把防线设计和治理规范沉淀到一个统一基础，企业才能在自己的关键业务中自信部署 Agent。进入 Agent 时代的企业正在重组技术栈，把安全当作起点，用加固后的基础能力支撑合规和迭代速度的优先。