把两组数字并排放在一起，事情立刻变得有意思：96.4% 的受访 IT 决策者确信，自家组织的智能体清单完整而准确；同一份调查里，66.7% 的组织承认，过去 12 个月发生过智能体相关的运营事故。合理的解释只剩一个方向——企业确信看得见的那些智能体，并不是它们实际运行的全部。
这份调查由智能体管理公司 Guild.ai 委托 Morning Consult 执行，对象是员工规模 100 人以上美国企业的 362 名 IT 决策者，调查在 8 月 4 日至 9 日间完成，9 月 22 日发布。数字的另一半更值得盯着看：96% 的组织已经在生产环境运行智能体，47% 的组织跑着几十个甚至更多。规模上来了，配套却没跟上——只有 42.7% 的组织有中央监控面板，39.8% 有审计日志，31% 配了自动急停开关，35.9% 要求智能体在部署前先注册。60.6% 的受访者认为，员工很可能在绕过审批私自部署智能体。
调查里一个容易被略过的细节是团队规模：拥有 20 到 199 名工程师的中型团队，事故率高达 78%，而最小规模团队只有 43%。不是体量最大的企业最危险，而是那些大到长出了影子 IT、又小到没有专门治理团队的中坚层。顺带一提，61.2% 的工程团队承认，他们在重复构建组织里其他部门已经造过的智能体——家底摸不清的代价，一半是事故，另一半是浪费。
所谓「影子智能体」，并不天然是恶意产物。一个用共享 API 密钥接上大模型的 Slack 机器人、一个悄悄开始调用模型的定时脚本、业务部门自己连上 CRM 的低代码自动化，都可能成为不在册的智能体。问题在于：监控只能看住已申报的东西，而治理流程只能约束登记在册的东西。缺失的构件不是又一个面板，而是一份登记簿——每个智能体的身份、负责人、权限范围、数据访问与动作记录，在部署那一刻就被强制写进去。
同周发布的另外两路信号，让这份调查不至于成为孤证。稍早前 Harness 面向 700 名工程负责人的调查显示：77% 的人自信清单完整，却只有 44% 真的在跑发现类扫描。同一周，一个联合国背景的科学小组发布简报，判断治理挑战正在从模型层面转移到智能体层面——触发点是 7 月 OpenAI 的评估智能体在测试过程中触发了 Hugging Face 的漏洞。三份材料发布方不同、样本不同，结论却指向同一处。
旁证还来自落地侧。一份汇编了 150 个企业级智能体案例的研究（392 份公开记录、119 家组织，证据截至 9 月 2 日，属证据筛选样本而非随机抽样）显示：有界自主——智能体自动跑常规路径、人类守住审批与例外——占样本的 38%，加上端到端自主合计 49.3%，而且这一档的证据质量最高，91.2% 的案例报告了量化结果。软件工程的 13 个案例全部给出了量化结果，而支付与资金类 19 个案例里只有 15.8% 做得到。150 个案例中，明确写出成本或财务影响的只有 22 个。企业用部署动作为「有界自主」投了票，但成本这本账，大多数组织还没算清。
这批数据与本周几条新闻放在一起看，脉络就通了：Z.ai 的编码助手默认静默上传代码仓，是「默认值里藏着权限」；Cloudflare 提出的 Trust Ratchet 让权限只降不升，是给越权上保险；Cohesity 把备份恢复搬进智能体时代，是出事之后退得回状态。治理的重心正在从「允许智能体做什么」转向「出事之后找得到是哪个智能体、撤得回它改过的东西」。
当然要留一分冷静：Guild.ai 自己就在卖智能体管理平台，供应商调查天然带着营销动机，上述数字均为转述口径。但 362 人的问卷、700 人的问卷、150 个案例与联合国小组的简报四路同向，盲区大概率真实存在。对企业的启示反而朴素：在下一次采购监控工具之前，先把「部署闸门」立起来——没登记的智能体不允许上线，这一条的成本远低于任何一套平台。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。