SAP合规顾问在ASUG Tech Connect提出智能体治理分层框架：每个智能体需部署清单、系统卡片与持续监控
SAP网络安全与合规顾问Srinivas Nandiwada在2026年ASUG Tech Connect上展示了一套智能体治理分层方法，核心工件包括LeanIX中的智能体注册表、要求变更重新审批的部署清单、定义风险暴露面的系统卡片，以及上线后的持续监控框架。他主张安全与治理是赋能而非阻碍，并建议将最高风险智能体率先纳入框架验证。
当企业将AI智能体从试验推向生产流程时，治理往往成为最薄弱的环节。SAP网络安全与合规顾问Srinivas Nandiwada在2026年ASUG Tech Connect的专题讨论中，展示了一套分层智能体治理框架，试图回答一个实际问题：智能体上线之后，谁来管、怎么管、管什么。
Nandiwada的方法将治理拆分为若干层级，每一层设有向上一层的升级路径，并与EU AI Act等现行法规对齐。他给出的具体工件清单包括：在LeanIX中维护智能体活跃注册表；为每个智能体要求部署清单，且变更智能体范围必须经过重新审批；为每个智能体完成一份系统卡片，定义其所有风险暴露面和作用边界；在每个智能体上线后建立监控框架；保留所有智能体行为的审计日志。
这套框架中有一条原则性判断贯穿始终：安全与治理不是阻碍，而是赋能。Nandiwada特别建议，将风险最高的智能体率先纳入框架进行验证，而非从最安全的任务开始。他还提出一个与EU AI Act一致但颇具争议的准则：完全自主的智能体只能用于低风险、有边界任务，绝不可用于影响人的决策。
文章也记录了现场客户的真实状态。Nandiwada指出，目前仅少数组织具备智能体上线后的监控能力。一位客户建议用LeanIX开始编目智能体，甚至包括你目前可能无法控制的那些；另一位客户则表达了在不受EU AI Act约束时如何获得安全治理内部支持的困惑。讨论中有人提出，可以围绕其他新兴法规或潜在受影响方的当前责任暴露来构建安全案例。
这套框架的边界同样值得注意。它来自SAP一名合规顾问在单一客户活动中的陈述，文章本身并未提供该框架被独立验证有效性的证据。Nandiwada的方法论价值在于将抽象的治理原则转化为可操作的工件清单，但企业能否真正落地，仍取决于自身的数据基础、流程成熟度和人员技能——正如文章反复强调的，客户必须自己拥有策略和数据。