長期以來，身分管理一直是企業資安的核心基礎能力。企業持續投入單一登入（SSO）、多因素驗證（MFA）、特權存取管理（PAM）及服務帳號治理（Service Account Governance）等機制，建立必要的存取控制架構，確保只有經授權的對象能存取特定系統與數據。這些能力至今仍不可或缺，但大多時候更像是企業數位環境中的基礎設施，默默運作於幕後。
AI Agent（AI 代理）的興起改變了這個局面。隨著企業從大型語言模型（LLM）的實驗階段，逐步將 AI 納入工作流程、應用系統與商業決策之中，AI 的角色也從輔助工具轉變為能夠自主執行任務的行動者。
如今，AI Agent 能整理文件、生成內容與回答問題，也能查詢數據庫、呼叫 API、更新 CRM、執行業務流程，甚至跨系統完成複雜任務。這意味著企業系統互動的對象，也包括 AI Agent、服務帳號、機器身分（Machine Identity）、API 與各種自動化流程等非人類身分（Non-Human Identities）。
對企業而言，這是重要轉變。過去 IAM（Identity and Access Management）主要圍繞「誰可以存取什麼」而設計，但多數既有架構並非為大量非人類身分而打造。這些身分能以機器速度跨系統運作，同時存取敏感數據與關鍵業務功能，使身分治理面臨前所未有的複雜度。
隨著 Agent 與機器身分快速增加，企業需要管理的是由人員、系統、服務、流程與 Agent 共同組成的數位身分生態系統。身分管理也因此從幕後的基礎能力，成為 2026 年 AI 時代資安治理的重要課題。
傳統的身分管理（IAM）主要以人為中心。企業關注的是「這個人是誰？」以及「他是否有權限存取特定系統與數據？」即使管理不易，邏輯仍然相對明確。然而，Agentic AI 的興起改變了這個前提。
隨著 AI Agent 逐步融入企業流程，一位員工可能建立一個 Agent，也可能建立十個，一個部門可能部署數百個 Agent，而每一個 Agent 都可能連接不同的系統、擁有不同的權限，並執行不同的任務。有些透過 API 存取數據，有些透過服務帳號運作，有些透過模型上下文協定（Model Context Protocol, MCP）與其他工具互動，有些僅負責簡單查詢，有些則可能參與採購、授信、供應鏈管理甚至商業決策流程。
因此，這也讓非人類身分治理成為新的資安挑戰。許多企業至今仍面臨服務帳號未定期輪替、API 金鑰管理不足、閒置帳號未清理或權限過度授權等問題。在 AI 驅動的環境中，這些原本存在的風險正被進一步放大。一組外洩的 API Key、一個長期存在的服務帳號，或一個缺乏治理的 Agent，都可能成為攻擊者進入企業環境的入口。更重要的是，Agent 不同於人類使用者，它可以持續運作、即時執行，並在多個系統之間快速完成任務，因此企業需要建立更完善的身分生命週期管理、權限治理與責任歸屬機制。
AI 並不會取代資安基本功，漏洞修補、端點防護、日誌監控、多因素驗證、權限管理與資安意識訓練，依然是企業面對資安威脅的重要基礎。許多攻擊仍然來自遭竊憑證、社群工程、錯誤設定與敏感資訊外洩等熟悉的途徑。
AI 帶來的改變，是放大那些原本就存在、卻長期未被充分解決的問題，而身分治理正是其中之一。目前許多 AI 資安的討論聚焦於 Agent 的身分與權限管理，例如「這個 Agent 是誰？」「擁有哪些權限？」「是否可被追蹤與稽核？」這些問題固然重要，但對企業級 AI 而言，挑戰其實不只在於身分問題。
AI Agent 查詢資料、產生分析結果、執行工作流程，甚至代表使用者採取行動，企業需要思考的是誰授權 AI 執行這些工作？以及這些行為是否能被追蹤、驗證與稽核？因此，在評估 AI 平臺、SaaS 服務或企業數據產品時，企業除了關注模型能力與功能完整性，也需要檢視其是否具備完善的身分治理機制。AI 接觸客戶資料、第三方風險資訊、授信資料或法遵資訊，企業必須確保每次數據存取與互動，都建立在明確授權與可管理的治理架構之上，而非成為繞過既有權限管理的新入口。
以鄧白氏 AI 產品為例，無論是 D&B.AI™ Chat 或整合於鄧白氏合規管理平臺 Risk Analytics – Compliance Intelligence 的內建 AI 功能，皆建立於企業級治理架構之上。透過代表使用者執行（On-Behalf-Of, OBO）機制，系統能確認 AI 是代表哪位使用者執行操作，並依據其既有權限進行存取控制，確保所有 AI 互動皆符合企業授權政策與治理要求。
同時，所有 AI 互動行為皆保留完整紀錄，協助企業掌握數據存取來源、互動內容與操作歷程。企業進行內部稽核、法遵檢查或事件追蹤，能夠清楚了解由誰發起操作、AI 存取了哪些資訊，以及產生了哪些結果，進一步提升可追溯性與問責能力。
隨著 Agentic AI 持續發展，企業需要管理的是由人員、系統、服務帳號、API 與 AI Agent 共同組成的數位身分生態系。若 AI 能夠代表企業執行工作，完善的身分治理、授權控管與稽核機制，也將成為企業建立可信任 AI 的重要基礎。
鄧白氏 Responsible AI 建立於我們的 AI 倫理原則之上，將 Responsible AI 理念融入 AI 的設計、開發與應用流程，透明性（Transparency）、可解釋性（Explainability）與數據沿革管理（Data Lineage）是 AI 治理的重要基礎，透過跨部門治理機制，整合法遵與倫理、資訊安全、數據治理、資料科學、智慧財產權及產品管理等專業能力，共同推動 AI 治理與監督。可信數據（Trusted Data）提供商業脈絡，治理機制建立信任基礎，構成AI 負責任與可信任的關鍵條件，讓企業能以更一致且值得信賴的方式運用 AI 驅動決策。
AI Agent 迫使企業重新思考身分管理，但這場變革早已超越傳統 IAM 的範疇。企業需要的不只是知道誰能登入系統，也不只是知道誰能代表企業採取行動，更重要的是確保 AI 的每一次判斷，都建立於可信數據（Trusted Data）、數據治理、正確商業脈絡與可解釋的決策基礎。
在 Agentic AI 時代，身分管理是起點，商業脈絡是基礎，而可信數據則是企業規模化導入 AI 的關鍵。未來企業需要回答的核心問題不再只是「誰能存取數據？」而是「我們是否能信任代表企業採取行動的 AI？」
