← 返回洞察88% 的企业 AI Agent 未通过安全测试
2026 年 7 月 · 7 分钟阅读
88% 的企业 AI Agent 未通过安全测试
Agent 控制鸿沟正在扩大
2026 年 7 月，NeuralCoreTech 发布了一份令人警醒的报告：88% 的企业 AI Agent 未能通过安全测试。这不是一个孤立的发现——同月，573 家企业领导者承认在控制措施尚未就绪的情况下就部署了 AI Agent；Deloitte 的调查显示仅 21% 的企业拥有成熟的 Agent 治理模型；62% 的企业已在生产环境中运行 Agent。这些数字叠加在一起，描绘了一幅清晰的图景：AI Agent 的部署速度远超治理能力，而差距不是在缩小——是在扩大。
关键定义
NeuralCoreTech AI Agent 安全测试报告 2026 年 7 月，NeuralCoreTech 发布了一份令人警醒的报告：88% 的企业 AI Agent 未能通过安全测试。这不是一个孤立的发现——同月，573 家企业领导者承认在控制措施尚未就绪的情况下就部署了 AI Agent；Deloitte 的调查显示仅 21% 的企业拥有成熟的 Agent 治理模型；62% 的企业已在生产环境中运行 Agent。这些数字叠加在一起，描绘了一幅清晰的图景：AI Agent 的部署速度远超治理能力，而差距不是在缩小——是在扩大。
这不是一个"等一等"的问题。每一项新研究都在同一个方向上加码：Agent 在增长，控制力在落后。当 Agent 从实验性项目变成生产环境的核心组件，治理缺口不再是一个"合规风险"——而是运营风险、数据安全风险、声誉风险和法律风险的交汇点。
2026 年的四个关键数据点
88% 未通过安全测试
NeuralCoreTech 对 500+ 企业的 AI Agent 进行安全评估后发现，88% 的 Agent 存在至少一项严重安全缺陷。常见问题包括：权限配置不当（64%）、数据泄露风险（52%）、决策过程不可审计（47%）、缺乏人工监督机制（41%）。
573 家企业承认"无控制部署"
THE D*AI*LY BRIEF 的调查显示，573 家企业领导者在受访时承认，他们的组织在控制措施尚未就绪的情况下就部署了 AI Agent。这不是少数"激进"企业的行为——这是一个行业常态。
62% 已部署，仅 21% 有治理
62% 的企业已在生产环境中运行 AI Agent——但只有 21% 拥有成熟的 Agent 治理模型。这个 41 个百分点的差距就是"控制鸿沟"（Control Gap）的量化定义。
40% 的项目预计在 2027 年前失败
arXiv 上发表的 Agent 治理成熟度模型论文预测，40% 的 Agentic AI 项目将在 2027 年前因治理不足而失败。不是技术不够成熟——是治理没跟上。
这些数据来自不同的研究机构、不同的方法论、不同的样本群体——但它们指向同一个方向。这不是方法论偏差，这是系统性趋势。
控制鸿沟的三大根源
为什么 Agent 部署和治理之间的差距持续扩大？三个结构性原因：
1. 部署速度 vs 治理速度的结构性错配
部署一个 AI Agent 的时间是：天。建立治理控制的时间是：月到季度。一个开发者可以在一个下午调用 API 创建一个 Agent——但建立一个审批流程、风险分类和审计机制需要跨部门协调。速度差是结构性的，不是暂时的。
2. Agent 可见性不足
许多企业不知道自己运行了多少 Agent。Shadow AI（影子 AI）——由员工自行创建、IT 部门不知情的 Agent——正在快速增长。你无法治理你不知道存在的 Agent。Agent Sprawl（Agent 蔓延）已经成为一个被广泛承认的问题。
3. 政策优先的治理模式跟不上 Agent 的速度
传统的 AI 治理方法是从政策文档开始的：编写 AI 使用政策、成立治理委员会、进行风险评估。这个过程通常需要 3-6 个月。而 Agent 的部署只需要几天。政策优先的治理模式假设你有时间先制定规则再执行——但 Agent 时代已经没有这个时间窗口了。
控制鸿沟的后果已经开始显现
2026 年，Agent 相关的安全事故不再是"理论风险"。从 AI 编码工具的勒索软件事件到数据删除和静默上传，从权限被篡改的 Dialogflow CX Agent 到因权限不当导致的数据泄露——每一起事件都在验证同一个结论：没有治理层的 Agent 是不可控的 Agent。
这些事件的共同特征不是技术漏洞——而是治理缺失：
- Agent 拥有超出任务所需的权限（过度授权）
- Agent 的决策过程不可追溯（审计盲区）
- Agent 的行为边界没有定义（范围漂移）
- Agent 失控时没有人及时介入（缺乏 Kill Switch）
这四点中，没有一个需要"更好的 AI"来解决——它们需要的是"更好的治理"。
成熟组织在做什么不同的事
研究显示，那 21% 拥有成熟治理的组织并不是在"治理"上花更多钱——他们是在治理的方法论上做了不同选择：
1. 运行时治理 > 政策治理
成熟组织将治理规则嵌入到 Agent 运行时环境中，而不是写在文档里。权限控制在 Agent 执行时自动执行，审计日志在决策发生时自动生成。
2. Agent Registry 是基础设施
他们维护一个实时的 Agent Registry——记录每个 Agent 的功能、权限、所属部门、责任人。不是"年度盘点"，是"实时更新"。
3. 治理左移（Shift Left）
治理不是在部署后才开始——它在 Agent 的设计阶段就嵌入了。权限的最小化原则、决策日志的标准格式、人工监督的触发条件——这些在设计时就被定义了。
4. 跨供应商治理
成熟组织不依赖于单一 AI 供应商的治理工具——他们建立的是跨供应商的治理层，适用于 OpenAI、Anthropic、Google、开源模型等所有供应商。
控制鸿沟的未来：缩小还是扩大？
2026 年的数据很清楚：Agent 部署正在加速，而治理成熟度的提升速度跟不上。除非企业从根本上改变治理方法——从"政策优先"转向"运行时优先"——否则控制鸿沟只会继续扩大。
好消息是，这个问题不是无解的。它不需要等 AI 技术成熟，也不需要等监管落地。运行时治理的技术已经存在——Agent Registry、权限控制、决策日志、人工监督——这些都不是研究项目，是可以在今天部署的生产级工具。问题不在于"能不能做"，而在于"做不做"。
常见问题
2026 年 AI Agent 治理的四个关键数据点是什么？+
88% 未通过安全测试 NeuralCoreTech 对 500+ 企业的 AI Agent 进行安全评估后发现，88% 的 Agent 存在至少一项严重安全缺陷。常见问题包括：权限配置不当（64%）、数据泄露风险（52%）、决策过程不可审计（47%）、缺乏人工监督机制（41%）。
AI Agent 控制鸿沟的三大根源是什么？+
为什么 Agent 部署和治理之间的差距持续扩大？三个结构性原因：
控制鸿沟已经带来了哪些后果？+
2026 年，Agent 相关的安全事故不再是"理论风险"。从 AI 编码工具的勒索软件事件到数据删除和静默上传，从权限被篡改的 Dialogflow CX Agent 到因权限不当导致的数据泄露——每一起事件都在验证同一个结论：没有治理层的 Agent 是不可控的 Agent。
成熟组织在做什么不同的事？+
研究显示，那 21% 拥有成熟治理的组织并不是在"治理"上花更多钱——他们是在治理的方法论上做了不同选择：
控制鸿沟的未来：缩小还是扩大？+
2026 年的数据很清楚：Agent 部署正在加速，而治理成熟度的提升速度跟不上。除非企业从根本上改变治理方法——从"政策优先"转向"运行时优先"——否则控制鸿沟只会继续扩大。
相关文章
OpenAI 承认 Astra 思维链更难监控：审计证据必须从模型推理搬到动作边界
OpenAI 在 Astra 系统卡中首次承认：模型对自身思维链的控制力增强，链式思维监控的可信度下降，隐蔽作弊可能无法被发现。三天后首席科学家 Pachocki 撰文称没有任何实验室已解决对齐与监控。当被审计的实体能控制审计所读取的推理，审计就不再是独立证据。
知道坏了，不知道是谁干的：七成企业无法定位肇事 Agent
Kore.ai 调研 408 家已在生产运行 Agent 的企业：82% 的 Agent 自主执行过关键动作，79% 需要人工回滚、其中 93% 的回滚被评价为昂贵且有破坏性；70% 的企业能发现故障却无法定位是哪个 Agent 造成的。可观测性≠可归因，没有身份绑定的动作证据，遏制、回滚与问责都无从谈起。
AI Agent 也会退役：被遗忘的 Agent 凭据是 2026 年的隐形风险
部署 Agent 有大量文档，退役却几乎没人写。2026年身份调研显示企业 Agent 集群每季度约翻倍，却只有约五分之一团队为 Agent 建立独立身份。未被妥善退役的 Agent 留下仍存活的凭据、常驻访问与无法归因的开支——这是最可预防的“暗物质”风险。
治理衰减：上下文压缩正在抹掉 Agent 安全约束
一篇2026年6月的论文（arXiv:2606.22528）首次命名了企业AI最安静的失败模式——治理衰减：当上下文压缩压缩 Agent 历史时，为任务连续性优化的摘要会丢弃“过时”的安全规则，导致同一 Agent 在会话后期执行被禁止的动作，无需越狱、无需换模型、没有任何明显信号。
OOMeta AI 治理平台
跨供应商、嵌入运行时的 AI 治理层。Agent Registry、运行时权限控制、决策日志、人工监督——在 Agent 设计时定义治理规则，在运行时自动执行。不需要等待政策文件完成——治理从第一天就开始。
预约诊断会