AI Agent正在从实验走向生产——98%的组织正在修改应用以支持AI Agent交互。但77%的受访者担忧AI Agent将引爆身份与访问控制危机，AI Agent激增带来的身份数量爆炸式增长正使传统IT安全模型不堪重负。F5报告揭示了AI Agent时代的安全范式挑战。
AI Agent部署的现实：98%组织正在准备
2026年的数据表明，AI Agent已不再是一个遥远的未来概念。98%的组织都在积极计划修改其面向外部的应用，以便与AI Agent进行交互。这一数据远超预期，表明AI Agent的部署正在加速，而非放缓。
最常见的方法是部署具备身份感知能力的基础设施——使用高级负载均衡器，根据机器或智能体的身份来路由和管理流量。接近一半（47%）的组织预计将实施身份感知机制。约四分之一的组织正在专注于开发并规范面向公众的API，使AI Agent能够直接访问应用数据和功能。另有20%正在采用语义数据标准来确保AI Agent能明确理解信息的上下文和含义。
身份危机：AI Agent时代的核心安全挑战
77%的组织预计AI Agent在身份和访问控制方面会出现问题。这是受访者列出的最普遍的担忧，超过凭证盗窃、可视化盲区等其他安全顾虑。
AI Agent的激增将使需要管理的身份数量呈爆炸式增长。每个AI Agent都可能需要独立的身份标识、访问权限和行为记录。传统面向人类用户的身份管理模型无法有效应对这种规模。组织需要从“管理用户身份”转向“管理机器身份”的范式转变。
其他主要担忧包括：凭证盗窃——AI Agent的凭证可能被窃取并用于未经授权的操作；可视化与安全问题——AI Agent的行为难以被传统监控工具观测；传统IT和安全模型无法应对这些新型威胁。
身份感知基础设施：应对AI Agent安全挑战的路径
接近一半（47%）的组织预计将部署身份感知基础设施。这通常包括：根据机器或智能体的身份来路由和管理流量的高级负载均衡器；面向AI Agent的访问控制和认证机制；能够区分人类用户和AI Agent流量的策略引擎。
另有约四分之一的组织正在开发并规范面向公众的API，使AI Agent能够直接访问应用数据和功能。这要求API设计时考虑机器对机器的交互模式，而非仅面向人类用户。
AI Agent的信任边界与治理框架
AI Agent的自主性要求新的治理框架。组织需要建立：清晰的身份边界——每个AI Agent应有明确身份和权限范围；可观测性——AI Agent的行为应可追溯和审计；信任机制——AI Agent之间的交互应有认证和授权流程。
F5的洞察指出，AI系统需要编排控制平面，而应用服务可以扮演这一角色。组织越是把AI Agent视为需要管理的系统组件而非一次性实验，就越能有效地管理相关的安全风险。
