为什么多智能体工作流需要数据血统来保护机密信息

随着中小企业快速将自主AI智能体融入日常运营，复杂的多智能体工作流正在暴露关键的安全盲区。根据《麻省理工科技评论》定制内容部门Insights的说法，保障智能体工作流的安全不再仅仅是终端安全方面的挑战，而是一个根本性的数据可见性问题。如果不追踪信息在智能体之间的流动方式，企业将面临泄露机密数据的风险，且无法追溯泄露发生的源头。

发生事件

在《麻省理工科技评论》Insights勾勒的情景中，一名销售代表向AI智能体索取客户定价信息。该智能体从多个内部来源收集数据，包括受限的定价系统、内部沟通记录以及归档的报价单。

由于生成的结果对系统而言显得很准确，第二个AI智能体便自动获取该数据，为销售代表起草一份正式的提案——在此过程的任何交接环节中均未经人工核查。当最终文档被发现包含未受批准、机密且敏感的细节时，企业面临着严重的问责难题：没有人能够追溯问题数据是从哪里进入工作流的，或者它是如何在系统、文件和智能体之间传播的。

《麻省理工科技评论》Insights指出，严格专注于应用程序、网络或终端的传统安全措施对于智能体AI而言已远远不够。由于智能体不断摄取、复制、总结、转换和重新分发动态数据，团队必须建立数据血统（Data Lineage）——梳理并绘制数据在人类、智能体及混合流程中的流动轨迹——以维持治理与信任。

为什么这对于人机协作团队至关重要

对于小型企业负责人和运营团队而言，智能体AI通过任务委派带来了极高的效率提升。然而，如果将AI智能体视为黑盒，任由它们在没有人类监督的情况下相互传输原始数据，就会损害运营完整性和人类的问责制。

核心问题不在于AI工具本质上具有恶意，而在于缺乏监管的智能体到智能体委派剥离了人类的语境认知。当智能体将私密内部聊天记录与归档的公开报价结合在一起进行综合分析时，它缺乏道德和语境意识来判断哪些内容应该保密。如果团队负责人无法追溯智能体从何处获取了数据，该团队就会失去对其工作成果的主导权。

只有以人类尊严和监督为中心，AI增强才能发挥最佳效果。员工、领导层与客户之间的信任，建立在明确知晓敏感信息以清晰责任制度得到妥善处理的基础之上。建立数据血统不仅是一项企业合规工作；对于处于成长期的企业而言，它是使团队能够在保持问责的同时与AI智能体安全协作的关键桥梁。

本周建议行动

1. 审计团队正在使用的多智能体工作流，梳理出所有在一个AI智能体未经人工验证直接将数据传递给另一个智能体的情况。

1. 设立强制性的“人在回路”（human-in-the-loop）审查节点，每当智能体在生成面向外部或客户的文档前访问内部沟通渠道时，都必须经过人工审查。

1. 对内部数据库进行标签标注，以清晰区分面向公众的资源、内部讨论草案和受限的财务记录。

来源

• Securing the agentic enterprise with data lineage — MIT Tech Review