AI时代的FDE集成墙，和过去不一样丨身份认证、权限治理首当其冲

上一篇说，原型验证完之后，进入部署阶段会撞上一堵"集成墙"。

集成墙不是AI时代的新发明。企业软件落地这几十年里，这堵墙一直都在——遗留系统接口、权限审批、合规要求，这些障碍在SaaS时代有过，在云迁移时代有过，AI项目撞上它，某种程度上只是历史重演。

AI Agent的出现，让集成墙里的一道墙发生了质变——不是变难了，是变成了一个全新的问题，过去几十年积累的方法论在这里基本不管用。

这篇先快速过一遍四道"老墙"，再用主要篇幅讲那道"新墙"。

NotebookLM的音视频概览，解读的比较通俗易懂，对于时间比较紧张的读者朋友，可以听听，会有启发。

四道老墙，企业落地这几十年一直都有

技术接口墙：遗留系统的接口可能根本不存在，或者存在但没人维护。这是云迁移时代反复出现的问题，AI项目只是又一次撞上它——老系统的文档对不上现实，接口看起来在，实测才知道早就停了。这道墙的拆法是现成的：先实测，再决定怎么接，必要时搭一层适配层。

合规审计墙：数据出不出境、留存多久、出了问题怎么追责。欧盟AI法案将于2026年8月对高风险系统全面生效，国内的合规要求也在持续收紧。但合规审计这件事本身，金融、医疗这些强监管行业的系统落地几十年来一直要过这一道关。这道墙的拆法也是现成的：尽早把法务和合规部门拉进来，按既有的合规流程走。

组织流程墙：审批链有多长，卡在哪个层级，这道墙最大的特点是看不见——技术团队往往要到真正提交审批的那一刻，才知道流程比想象中复杂多少倍。但这是任何企业级系统落地都会撞到的墙，不是AI专属，应对方法也是老办法：找到客户内部真正能推动流程的人，越早介入越好。

信任缺口墙：技术跑通不代表会被用，这个问题在任何新系统的推广里都存在，不只是AI系统。这道墙会在后面陪跑那篇里展开讲，这里先提一句：它不是AI专属，但在AI系统上表现得格外明显，因为用户对AI输出的天然怀疑，比对传统软件功能的怀疑要重得多。

这四道墙放在一起，结论是清楚的：如果只看这四道，集成墙确实是老问题，方法论是现成的——实测、拆解、找对的人、排期推进。这是执行层面的工作，难度不小，但不是认知层面的难题。

真正的难题，在第五道墙。

第五道墙：传统身份权限体系，没见过这种用户

先说传统身份权限体系的假设前提是什么。

企业用了几十年的IAM系统、SSO、权限审批流程，全部建立在一个共同的假设上：使用者是人。人登录，操作，登出。一个账号对应一个人，行为可预测，有working hours，有正常的操作频率，审批和使用是两个分开的动作——先批权限，再用权限。

这套假设支撑了整个企业身份管理体系的设计逻辑。审批流程的设计、异常行为检测的阈值、会话超时的规则，全部是按"使用者是人"这个前提来定的。

AI Agent进场之后，这个前提直接不成立了。

AI Agent持续运行，不存在传统的登录登出周期。它不是早上九点登录、下午六点登出，它可能一直在跑。它的操作频率，传统的人类账号体系完全没有考虑过——一个Agent在一分钟之内调用上百次接口，是它正常工作的样子；同样的频率出现在一个人类账号上，会被系统判定为账号被攻击，直接锁定。

这不是把现有的权限系统调一调参数就能解决的事。ISACA在2025年的分析把这个问题定性为"类别不匹配"——不是可以靠扩展现有工具解决的配置问题，而是传统IAM架构里嵌入的假设前提，和Agent的运作模式之间，存在结构性的不兼容。

非人类身份的Agent数量，在普通企业环境里已经是人类用户的50倍，两年内预计达到80倍。但只有18%的安全负责人，对现有的身份管理基础设施能否处理AI Agent身份，表示有高度信心；84%的人怀疑自己的组织能不能通过一场专门针对Agent行为或访问控制的合规审计。

更值得注意的是企业现在普遍在用什么方式应对这道墙。将近一半的组织，在直接把人类的IAM模型套用给AI Agent，没有做任何架构上的适配。这是一种"用老办法解决新问题"的本能反应——现有体系能用就先用着，等出问题再说。

结果是什么？97%的非人类身份携带着过度的权限，90%已部署的AI Agent的权限范围，超出了它实际任务所需要的范围。这不是少数组织的疏忽，是普遍现象。

后果不是理论风险，是已经发生的真实安全事件。88%的组织报告在过去一年里，遭遇过确认或疑似的AI Agent安全事件。而只有22%的组织把AI Agent当作独立的、带身份的实体来对待，其余大多依赖共享的API密钥或者继承来的凭证。更麻烦的是事后排查的能力——只有21%的组织维护着实时的Agent清单或库存，只有28%的组织能把Agent的行为追溯到一个具体的人类责任人，覆盖到所有的环境。

这意味着，大部分企业现在的状态是：不知道自己有多少个AI Agent在跑，不知道每个Agent能碰到什么数据，一旦出了问题，也很难说清楚是哪个Agent干的、代表谁干的。

这道墙之所以是真正全新的，是因为它没有现成的、被验证过的标准解法可以照搬。前四道墙，行业里已经摸索了几十年，有成熟的流程和工具。这道墙，行业现在还在补课，标准还在制定中，工具还在迭代。

FDE在这道墙前，必须主动设计

四道老墙的应对方法是借鉴：找成熟流程，照着走。第五道墙的应对方法是设计：没有现成答案，FDE要主动建立。

具体要做三件事：

先摸清楚客户现有IAM系统对AI Agent的支持程度。大概率的答案是支持得很差，甚至完全没有考虑过。不要假设客户的IT团队已经有方案——按现在的行业数据，绝大多数企业都没有。这一步要在部署阶段一开始就做，而不是等出了问题再补。

权限设计从最小授权原则出发，不要继承现有的、为人类设计的宽泛权限。人类账号的权限设计，往往是"够用就行，偶尔多给一点也没关系"，因为人的行为有自然的边界感。AI Agent没有这种边界感，给多少权限，它就能用多少权限，而且会持续不断地用。给Agent的权限范围，必须严格匹配它实际任务需要的范围，不能图省事直接复用现成的人类权限模板。

建立Agent行为的可追溯机制，知道每个操作是哪个Agent、代表哪个人做的。这一点直接关系到出问题之后能不能查清楚责任在哪。没有这个机制，一旦出现异常调用或者数据泄露，排查会变成一场猜谜游戏。这一点也和后面要讲的可观测性直接相关——可追溯是可观测性在身份权限这个维度上的具体体现。

这三件事，没有一件是可以套用现成模板就能解决的。需要FDE根据这个客户的真实环境，重新设计。这不是额外的负担，是这道墙本身的性质决定的——它是新的，旧地图上没有标记。

写在最后

集成墙这个说法容易让人产生一种误解：以为AI时代的部署难题，和过去比，只是数量更多、更复杂。

事实是：大部分的墙确实是老问题，技术接口、合规审计、组织流程、信任缺口，方法论是现成的，难度不小，但路径清楚。

但身份权限这道墙是真正全新的。传统IAM的假设前提是使用者是人，AI Agent的行为模式让这个前提直接失效，这不是配置问题，是结构性的不兼容。行业现在还在补课，没有标准答案，FDE要在这个地方主动承担起设计者的角色，不能假设客户已经有方案，因为大概率没有。

这道墙处理不好，不只是技术风险，是真实发生过的安全事件——88%这个数字不是理论估算。

下一篇是裁定接口设计——部署阶段里最关键的判断节点，直接关系到刚才讲的权限边界问题，怎么落到实际的系统设计里。

感谢你看到最后，如果你觉得有启发，随手点个赞、在看、转发吧，如果想第一时间收到推送，也可以给我加个星标⭐我们下期见。

我是「AioGeoLab」主理人塔迪Tardi，AioGeoLab是深度洞察AI第一性原理和应用实践的前瞻性研究实验室，目前有两个主要研究方向：
「塔迪GEO判断工程」在AI从“说”到“做”进化阶段，试图回答，如何让AI敢于行动、不因为责任问题而畏手畏脚，而做的一个前沿研究项目。
「塔迪硅基禅心」是传统东方智慧、未来AI前沿、当下应用实践，深层共鸣的探索。不是用AI解读经典，也不是用经典指导AI。 这是一场跨越2500年的对话，在算法与古老智慧之间，照见意识、智能与存在的本质。
塔迪的微信 - tardyai2025。