AI Agent 已經不只是回答問題的工具，它會自己讀信、開工單、查資料庫、改設定，一路把一件工作做完，中間常常沒有人逐步審查。
根據NewCore 近期一篇分析指出，企業的身分治理從入職、調職到離職流程，原本全部是為「人」設計的，但如今AI Agent 用完全不同的方式進入企業，卻沒有對應的治理流程，問責因此出現缺口。
為什麼現有的身分治理方式接不住 AI Agent？
傳統的服務帳號只執行預先設定好的邏輯，行為可以預測，但AI Agent 不同，它會依情境判斷並自己選擇下一步動作，NewCore 把這種差異描述為「真實權限加上獨立判斷」的組合，這讓原本只靠權限清單的治理方式不夠用了。
這也讓三個原本簡單的問題變得難回答：環境裡到底有哪些 Agent？它們能連到什麼系統？企業要怎麼控制它們實際做的事？Agent 分散在不同平台，各自有獨立的管理介面，開發者一個下午就能建出一個 Agent，業務人員也能用低程式碼平台組一個，自動化平台生成的 Agent 甚至可以再建立別的 Agent，光是盤點就不容易。
更具體的風險藏在兩種情境裡。一種是「借用權限」：Agent 如果用建立者儲存的憑證運作，任何能跟它互動的人都可能順勢借用這組權限，而這種借用通常不會出現在當事人自己的權限審查報告裡。另一種是「委派鏈」：人呼叫 Agent，Agent 呼叫工具，工具觸發另一個服務，服務再呼叫另一個 Agent，每多跳一層，授權責任就更難追溯回原本那個人。
機器身分成長有多快？
NewCore 引用 Palo Alto Networks《2026 Identity Security Landscape》調查（樣本 2,930 位資安決策者，文中標示為 preview report，數字屬自我回報，解讀宜保守）。
平均每 1 個人類身分，對應 109 個機器身分，其中 79 個是 AI Agent 身分。未來 12 個月，Agent 身分預期成長 85%，遠高於人類身分的 56%。大約四成 AI Agent 已經能存取組織資料，但不到一半的組織對 Agent 套用基本的生命週期控制（例如行為監控或憑證撤銷），能存取敏感資料的機器被列為特權身分的更是少數。
同一篇文章也轉述經 SD Times 報導的 Gartner 預測：到 2027 年底，超過四成的 agentic AI 計畫會因為風險控制不足而被取消；但同時 Gartner 也預測，到 2028 年約三分之一的企業軟體應用會內建 agentic 能力。兩個數字放在一起看，問題比較像是治理沒跟上，需求本身並沒有退燒。
治理藍圖：把問責嵌進架構
NewCore 提出了幾個治理方向。要先說明的是，NewCore 本身是身分治理服務的供應商，文章後段也會帶到自家產品的設計；這裡只整理其中具普遍參考價值的原則：
- 把 Agent 當成獨立的「第一類身分」盤點與治理，不要藏在應用程式裡，也不要直接歸類成服務帳號
- 每個 Agent 都要有明確負責的人，組織異動時要跟著移交，不該變成沒人管的孤兒帳號
- Agent 的權限上限不該超過它所代表的人，那個人的權限變動時，Agent 也要跟著變動
- 治理的對象是「行為」而不只是「應用程式」：哪些動作可以直接做、哪些要人工核准、哪些完全禁止，大量匯出或不可逆的變更需要額外限制
- 每一次行動都留下完整紀錄，包含是哪個人、哪隻 Agent、用了什麼工具、動到哪個系統，以及核准或拒絕的依據
NewCore 把這整套取捨總結成一個態度：遇到不確定的情況，系統該給出清楚、留得下紀錄的「不行」，而不是悄悄放行的「可以」。
這對傳統產業導入 AI Agent 意味著什麼
多數傳產談 AI Agent 導入，第一個想到的通常是系統串接：要接 ERP、接 CRM、接哪個內部資料庫。但從 NewCore 這篇分析可以看到，真正容易出問題的往往不是系統接不接得上，而是人的工作怎麼交棒給 Agent、又怎麼接回來。這是人員的工作串接問題，跟系統串接一樣重要，卻更容易被忽略。
落地前可以先問自己幾個問題：現在用的每隻 Agent，有沒有對應到一個明確的職位或負責人？任務交到下一步之前，要不要設人工審核？這個人離開崗位之後，Agent 跟它手上的權限要怎麼處理？這幾題答不出來，代表治理設計還沒跟上導入的速度。
這類「任務串聯」要同時顧到系統與人，也是 EgentWrX 這類產品被設計來處理的場景：把數位分身綁在職位而不是人身上，人離職時分身留在原位等待交接，而不是變成沒人管的帳號；任務與任務之間的工作流可以在交棒前設人工審核閘，不是一路自動跑到底；跨部門要找別人協助時，走各自職權範圍內的管道回答，而不是把一支 Agent 開放成全公司共用的帳號。導入之前把這幾個問題想清楚，比先決定要接哪套系統更重要。
治理該跟系統串接同時設計，不要等到導入之後才回頭用文件補齊。
