根据Kana在2025年5月对225名美国大型企业高级管理人员进行的一项调查，70％的受访企业已在真实营销工作中运行定制AI智能体，仅3％的企业尚未部署任何智能体。这一数据表明，关于企业是否应当构建AI智能体的讨论已基本结束，行业焦点正转向部署之后的治理与维护问题。
调查揭示了一个值得关注的治理缺口：当被问及谁应负责智能体化营销时，约40％的高管认为首席AI官（Chief AI Officer）应承担这一职责，而在AI负责人群体中这一比例上升至52％。与此同时，营销部门高管则倾向于由本部门或采用共享模式进行管理。这意味着在许多企业中，两个有能力的管理群体各自假设对方在负责智能体的后续维护，形成了事实上的责任真空。
这一分歧背后是两种治理逻辑的碰撞。集中化管理方认为，智能体涉及客户数据处理和监管合规风险，不应由单一业务部门自行监督其输出内容。而营销部门的观点同样合理：中央AI团队通常不了解智能体的语气是否恰当、促销信息是否仍然有效、细分逻辑是否与当前市场策略一致。对此，一种可行的拆分方案是：中央团队负责访问权限、数据管理和模型层，营销部门负责指令、语气以及输出内容的准确性。两者都需要明确的责任人，但目前大多数组织的责任划分仍然模糊。
Ivanti在2025年2月至3月期间对1500名IT专业人士进行的另一项调查进一步印证了这一问题。85％的受访者表示每个AI智能体都有指定的负责人，但只有42％的人认为所有权归属清晰，两者之间存在43个百分点的差距。这表明名义上的责任分配与实际的管理清晰度之间存在显著落差。
治理机制在智能体上线时通常能够到位。Ivanti的研究发现，65％的组织在智能体部署前会进行审查。然而，审查通过之后，监督频率往往转为季度性检查，而智能体每天都在持续运行。这种节奏错配意味着智能体在日常运行中可能出现的问题无法被及时发现和处理。
另一个值得企业关注的问题在Ivanti的调查中也有体现：权限蔓延从智能体上线第一天就已开始。许多组织通过克隆人类用户的配置文件来创建智能体，在营销场景中，这意味着营销活动智能体可能继承了创建者本人的CRM访问权限。在部署初期这可能没有问题，但随着时间推移和人员变动，这些权限是否仍然适当，以及谁会发现权限不再适当，目前缺乏明确的机制来回答。
从软件工程的历史中或许可以找到参照。20世纪40年代至60年代，代码被视为一次性交付物，写完即可归档。当组织开始持续运行关键系统时，这种模式迅速瓦解。1968年在德国加米施举行的北约软件工程会议上，与会者首次系统性地讨论了软件维护与演进的必要性，这标志着软件工程作为一门学科的诞生。AI智能体的治理问题与当年的软件维护困境存在相似之处：企业正在从“构建即完成”的思维模式，转向需要持续维护和明确责任归属的新阶段。
综合两项调查的数据，当前企业在AI智能体治理方面面临的核心挑战并非技术能力不足，而是组织架构层面的责任界定不清。随着智能体在营销等业务场景中的渗透率持续提升，建立明确的维护责任机制、定期审查权限配置、以及协调中央与业务部门之间的治理分工，将成为企业AI战略落地的关键环节。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
