Agency as an Architecture Layer: A Formal Enterprise Architecture Framework for Agentic-AI-Driven Enterprises
本文介绍了代理企业架构框架（Agentic Enterprise Architecture Framework, AEAF），这是一种对传统企业架构元模型的正式扩展，它通过引入一个具有分层 Datalog 语义的专用代理层，旨在通过定义非人类 AI 智能体在企业结构中的权限、问责制和协调约束，对其进行系统化的建模、分析与治理。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代职场中，一种新型的员工已经到来。它不是一个人，而是一种基于大语言模型的软件智能体（software agent），能够阅读电子邮件、检查数据库并做出决策以完成复杂的任务。这些智能体不仅仅是等待指令；它们能规划自己的步骤，调用数字工具，并代表组织采取行动。这是历史上第一次，企业必须管理一支员工并非人类、却拥有改变记录、移动资金和改变业务状态权力的劳动力。这种转变给设计公司运作方式的架构师们带来了深刻的问题。他们使用了数十年的蓝图是为这样一个世界绘制的：在那里，只有人类拥有权威，而软件仅仅遵循固定的规则。那些旧地图无法显示这些新的、自主的员工如何定位，无法说明当他们犯错时谁该负责，也无法判断他们是否被赋予了过大的自主行动权。
独立研究员萨米尔·埃尔·哈萨尼（Samir El Hassani）提出了一种绘制这些蓝图的新方法，即一个将这些软件智能体视为企业基本层（就像业务流程和支持它们的业务技术一样）的框架。其核心思想简单而必要：你无法管理你在模型中看不见的东西。如果一个智能体被授予支付索赔或批准贷款的权限，那么该权限必须可以追溯到特定的、对其负责的人类，并且必须局限于该智能体旨在执行的特定任务。如果没有这种清晰度，组织可能会陷入混乱局面：软件智能体在缺乏协调的情况下行动，没有人知道出错时该责备谁，且数字员工拥有了它们本不该拥有的权力。
为了解决这个问题，研究人员开发了一个名为“智能体企业架构框架”（Agentic Enterprise Architecture Framework）的系统。想象一下，企业是一座建筑，拥有若干楼层。底层楼层代表技术，中间楼层持有应用程序和数据，顶层楼层包含业务目标和流程。在过去，顶层唯一的“行动者”是人。这个新框架增加了一个专门的智能体层，将其置于与人类角色并列的位置。在这个模型中，智能体不仅仅是一个工具；它是一个主体（principal），一个可以拥有权利和责任的独立实体。该框架引入了“章程”（charter）的概念，这就像是组织与智能体之间的一份合同。该章程明确定义了智能体被允许做什么、其工作的范围以及最终对其行为负责的人类主体。
该框架区分了四个行动等级，从简单的信息读取到完全自主的决策。在最低等级，智能体只能读取数据。在下一级，它可以提出变更，但必须由人类批准。更高一级，它可以提交可逆转或经流程确认的变更。在最高等级，它可以完全自主地行动。该系统确保智能体的权力永远不会超过授予它的那个人类，或者将任务委托给它的那个智能体的权力。如果一名人类经理将任务委托给一个智能体，而该智能体又将任务的一部分委托给另一个智能体，那么第二个智能体的权力将严格受限于第一个智能体所获的权限。这防止了委托链意外创造出一个拥有无限权威的“超级智能体”。
研究人员构建了一个数学引擎，用于在任何软件实际部署前检查这些蓝图中的错误。该引擎会查找七种特定类型的缺陷。它检查是否存在“孤儿”权威，即一个智能体拥有更改记录的权力，但没有列出负责该行为的人类。它寻找“未覆盖”的步骤，即某个业务流程本应由智能体执行，但却没有智能体被授予相应的权利。它识别“影子”权威，即一个智能体被授予了访问某个系统、但其实际工作并不需要的权限，从而造成安全风险。它还会检查冲突，例如两个智能体试图同时更改同一条记录而没有规则决定先后顺序，或者单个智能体被允许执行两项本应分离以防止欺诈的任务。
为了测试该系统的有效性，研究人员将其应用于一家虚构的保险公司。在模型的第一个版本中，智能体被赋予了广泛的章程，允许它们跨越整个业务能力进行行动。分析立即发现了数十个问题。它显示，一个旨在处理客户准入的智能体，竟然被误授予了做出最终理赔决定的权力，而这本是人类保留的工作。它揭示了一个旨在评估损失的智能体被授予了支付款项的能力，这造成了危险的职责重叠。它还发现一个智能体被分配到了一个在公司中已不存在的角色，导致其权限无人监管。通过收紧章程以匹配智能体本应执行的特定步骤，研究人员能够消除大部分此类错误。模型的第二个版本非常清晰，责任界限明确，且没有未经授权的职责重叠。
研究还测试了这种方法在大型组织中的扩展能力。研究人员生成了包含近五十万个关于流程、智能体和资源的实事（facts）的合成模型。系统在不到两秒钟内就分析了这些庞大的模型，证明了该方法足以作为现实世界架构库中的常规检查。此外，研究还将此新方法与组织目前管理智能体的方式进行了对比，后者通常仅涉及查看权限列表或简单的目录。分析表明，如果没有完整的企业模型，大多数关键的安全检查都变得无法实现。如果你只看权限列表而不理解它们所属的业务流程，你就无法看出一个智能体是否在无监督下行动，或者两个智能体之间是否存在冲突。
研究结果表明，组织管理软件智能体的方式需要发生根本性的转变。仅仅依赖于监控智能体行为的运行时控制（runtime controls）是不够的。这些系统的安全性和连贯性必须设计在架构本身之中。通过在企业模型中增加一个代理层，组织可以确保软件智能体采取的每一项行动都是合理的、可追溯至人类的，并且被限制在其预期工作的范围内。这个框架并没有阻止智能体行动；相反，它提供了一种结构，使它们能够在现代业务的复杂网络中安全且有效地行动。它将“谁在掌控？”这一问题从一个模糊的担忧转变为一个精确、可回答的设计部分。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。