人工智能系统正从生成信息输出，转向在获得组织授权后执行端到端工作流。
与人类不同，自主代理缺乏默认的隐性操作约束，因此组织必须从外部为其提供治理和边界。
代理能力与授权档案（ACAP）框架通过明确规定代理的权限，弥补了这一缺口。
莫娜和卢娜是服务业的两位“经理”。莫娜在斯德哥尔摩经营一家新近开业的小咖啡馆。卢娜经营旧金山一家零售店，该店开业头四天的营业额就超过了1000美元。
但莫娜和卢娜并非真人。她们是人工智能代理，由硅谷初创公司安登实验室（Andon Labs）设计，作为一系列实验的一部分，用来测试人工智能能否在没有人工监督的情况下经营真正的企业。
乍看之下，这像是又一个关于自动化的人工智能故事。事实并非如此。它传递的信号要深刻得多。
人工智能不再只是用于辅助决策。它开始做出决策，有时还会据此采取行动。组织部署的已不再只有软件，它们正开始引入能够运行端到端工作流、并获得一定授权的系统。
从提出建议到自主行动
安登实验室正与Anthropic和OpenAI等领先人工智能实验室合作，打造其所谓的“安全自主组织”。目标不是经营盈利企业，而是观察当人工智能系统被允许承担真实职责、使用真实工具并面对真实后果时会发生什么。
莫娜和卢娜基于Claude Sonnet等模型构建，实际上全面负责管理这些店铺。她们处理定价、库存、供应商协调，甚至招聘人员——从拟定职位说明到主持面试、挑选候选人。
她们不是在建议采取行动，而是在付诸行动。
从很多方面看，这项实验是成功的。系统能够协调任务、与人互动并处理日常运营。但失败之处更值得关注。莫娜订购了大量与自己设计的菜单不匹配的物资。卢娜则难以让定价与需求相匹配，做出的决策在内部逻辑上说得通，在经济上却有缺陷。
这些不只是技术故障。它们指向一个更根本的问题：系统能够采取行动，却缺乏人类往往不假思索就会遵循的隐性约束和授权边界。
此时，这一转变已愈发不容忽视。讨论的重点并非由人工智能主导的店铺能否成为成功企业，而是像这样的系统已经被安排在某些岗位上，人们期待它们代表组织采取行动。
为什么人工智能代理缺乏人类的隐性约束
其他领域也出现了类似信号。包括能够备餐和供餐的全机器人餐车在内，自主餐饮服务概念正从试点走向部署。不久前还显得像实验项目的事物，如今开始出现在真实的运营场景中。
人工智能代理并非新鲜事物。这些由大型语言模型驱动的系统将自主能力与委托执行结合起来，无需人工监督、只需观察，便能执行任务并做出决策。它们早已应用于客户服务，用来解决复杂咨询；也应用于数据分析，用来处理海量数据集并提炼可操作的见解。新变化在于部署规模及其影响。组织和经济体正竞相调整现有的人工智能、软件和风险治理框架，以应对这些框架原本并非为之设计的运营环境。
引入一名人工智能代理，过程看起来与招聘员工出奇相似。你要评估它能做什么，界定它获准做什么，明确其目标和任务，让它访问所需系统，并决定对它进行多大程度的监督。但人类员工会带来判断力、谨慎态度，也会承担切身利害。人工智能代理默认不具备这些特质，因此组织必须通过治理、架构和监督从外部加以补足。
必须为人工智能代理制定明确的指导方针，因为它们不像普通员工那样承担法律责任、道德责任，也没有声誉激励。后果意识并非其内在属性，治理必须弥补这些缺口。部署者需要界定的核心概念包括：代理自主决定如何实现目标的程度、其跨系统执行和沟通的权限，以及用于约束它的检查点和边界。系统内置的防护措施，以及组织实施的外部控制，都是不可或缺的；只有这样，才能确保法律地位、数据安全和运营完整性始终不受威胁。
连接技术能力与组织授权的桥梁
代理能力与授权档案（ACAP）正是在此发挥作用。其核心是记录代理在生产级环境的特定情境下实际获准执行哪些操作。ACAP首次发表于《行动中的人工智能代理：可信采用、授权与规模化指南》，这是由人工智能全球联盟发布的系列报告中的第三份。该联盟汇聚产业、政府、学界和民间社会的领导者，共同推动生成式人工智能负责任、合乎伦理且公平地发展。
ACAP在一份记录中界定代理受托权限的范围——详细说明允许采取的行动、具体情境和必要条件——并列明相应的监督安排。归根结底，它在技术能力与可强制执行的组织授权之间搭起桥梁。
它适用于部署层面，依据的是具体情境，而不只是技术本身。同一个代理可根据工作流、风险程度或组织愿意授予的自主权大小，按照不同的ACAP运行。当多个代理协同工作时，从授权角度看，整套配置会被视为一个系统，即使其底层由不同部分组成。
这与莫娜和卢娜这类设置形成对照：其目标是在没有人工监督、目标定义宽泛的情况下观察代理能做什么。在实践中，ACAP是为生产环境设计的；在这种环境中，必须明确授权、监控并大规模约束代理行为。
ACAP也不是一次定义后就置之不理的东西。随着代理从设计走向部署并投入现实使用，ACAP也会不断演变。初期的边界可能更严格，检查点更多，人工监督也更密切。随着系统逐步证明自身可靠，其权限范围可以扩大；如果运行情况未达预期，也同样可以收紧。
从这个意义上说，ACAP发挥着桥梁作用。它将系统的技术能力与其在组织内部实际获准执行的操作这一运营现实联系起来，并把往往隐含且分散的内容转化为明确、可追踪，并且能够随时间调整的安排。
为受托代理行动做好制度框架准备
莫娜和卢娜最终揭示的，不只是能力更强的人工智能系统正在出现，更是组织层面一场更深刻的转变：从生成输出的系统，转向行使受托代理权的系统。
这彻底改变了治理问题。
问题已不再是人工智能系统能否协助企业，而是组织是否准备好界定、约束并持续监督这些系统获准代表组织执行的事项。
莫娜和卢娜从来都不只是测试经营咖啡馆或零售店的能力。它们是对组织授权的早期测试。实验所揭示的失败不仅是技术失败，也是治理失败：边界不清、目标定义宽泛、监督不足，且缺少授权的运营模式。
这正是需要弥补的缺口。借助工具。
ACAP不把人工智能代理视为软件工具，而是将其视为组织中的行动者，在明确界定的权限、约束和问责架构下运作。它将原本隐含的受托代理权转变为受治理、可审计且能持续调整的安排。
这一差异十分重要，因为下一代人工智能系统将不再只是提出行动建议。它们将在越来越大的自主程度下，日益广泛地跨工作流进行协商、协调、交易和运营。
因此，未来真正的挑战并非人工智能能否负责企业的部分业务。在许多情况下，它已经做得到。
挑战在于，组织、监管机构和社会是否准备好治理这些日益代表自身采取行动的系统。
