本周在 SAP TechEd 大会上，SAP 发布了一系列聚焦 AI 治理的解决方案。这些方案分别面向 AI 时代治理的不同

本周在 SAP TechEd 大会上，SAP 发布了一系列聚焦 AI 治理的解决方案。这些方案分别面向 AI 时代治理的不同维度，但背后遵循的是同一套基本原则。

三条基本原则

建立在经过验证的业务控制之上：企业已经拥有既有的治理标准与实践，AI 治理应当与这些控制措施相连接，并对其形成扩展。

以信心采纳创新：SAP 所倡导的治理方法，与 SAP 自身在开发、部署和治理其交付的解决方案与服务时所采用的、公开且有文档记录的方法完全一致。

随业务成长保持掌控：企业已有的控制与标准，不仅要促进 AI 的采用，还应当让人在采用规模扩大时能够评估成本、风险与价值。

自自主技术这一新世界出现以来，人们一直在努力寻找它最具价值的应用方式。随着价值实现路径逐渐清晰，一个新的挑战随之浮现：既要确保 AI 的使用不会带来非预期、可能有害的后果，又要让这种使用符合不断出台的监管要求。通过遵循上述原则，SAP 让这两个目标可以同时达成。更重要的是，正如在 SAP TechEd 上所展示的，SAP 也提供了当下与未来进行治理、控制与创新所需要的解决方案。

SAP TechEd 上发布的 AI 治理能力

真正的 AI 治理，不是在事后判断政策与规则是否被遵守，而应当确保治理在真正需要的时刻被施加。SAP Enterprise AI Gateway 通过把身份认证、策略执行与路由集中在运行时统一处理，同时支持持续监控、用量追踪与审计，从而实现这种主动式治理。该网关由此管控跨越 MCP、API、智能体与智能体之间的连接以及大语言模型的流量。它构建在 SAP Integration Suite 之上，把对运行中的 AI 的实时监督与控制整合并简化。

作为网关的补充，SAP 还宣布客户可以通过 SAP AI Core 直接访问经过筛选的 SAP Sovereign Cloud 大语言模型。这让客户能够在关键流程中使用这些模型，同时遵守既定的治理标准。此外，通过在 SAP Sovereign Cloud 上提供直接访问，客户还能降低 AI 运营的成本与复杂性。

让智能体获得有效运行所需的架构上下文，对控制智能体行为同样关键。在 SAP TechEd 上，SAP 介绍了 SAP LeanIX 产品组合中的新功能，使企业架构师能够控制 Joule Agents 用于决策与执行决策的架构数据。

这一架构上下文功能依赖一个知识摄取智能体，它从安全与架构决策文档中提取相关信息，提出与 SAP LeanIX 知识图谱的连接建议，并在向智能体开放这些数据之前，把所有数据提交人工审批。

最后，为支持直接在 SAP AI Agent Hub 中开展欧盟《人工智能法案》评估，SAP 推出了全新的 AI Governance Assistant。该助手会审计智能体清单中不完整的文档并加以标记，用已完成的评估预填字段，识别那些看起来属于高风险但缺少分类的系统，并在事实表发生实质性变化时触发重新评估。正如架构上下文功能依赖人工审批一样，AI Governance Assistant 的全部输出都以草稿形式呈现，交由法务与合规团队审核。

深入看 SAP 与 AI 治理

SAP TechEd 上讨论的这些 AI 治理解决方案与创新，属于一个更大的故事。这个故事在某种程度上是历史性的。SAP 长期在核心运营与财务职能的治理中扮演关键角色，SAP 的 AI 治理方法正是建立在这一传统之上，也是它的自然延伸。

SAP 对此当然并不陌生。它早已为 AI 治理建立了清晰的内部标准，并持续推出专注于 AI 治理的功能与解决方案。SAP AI Agent Hub 就是其中之一，它本身也是 SAP LeanIX 中 AI 治理能力的延伸。该平台让企业能够快速创建并维护一份可靠的智能体清单，无论这些智能体来自哪个平台、哪台 MCP 服务器或哪个大语言模型；其强大的发现能力，对全面的 AI 治理至关重要。

这个故事的另一半是价值。AI 治理之所以关键有诸多原因，但企业投资 AI 是为了实现可衡量的业务目标。事实上，有效治理所需的可观测性，可以被复用并增强，用于绩效管理与评估。例如，借助 SAP Signavio 的智能体挖掘能力，企业可以在自身业务流程的语境中监控智能体行为，从而在确保智能体合规的同时，捕捉智能体带来的业务影响。

治理不应是事后考虑

AI 的演进不会放缓，AI 的采用也不会。遗憾的是，尽管关注点理所当然地落在持续发现利用 AI 实现运营卓越与竞争优势的新方式上，这种关注不应意味着治理退居次要位置。恰恰相反，治理是 AI 成功落地的关键。

需要记住的是，AI 时代的治理并不只是监管合规或企业合规的问题。由于这项技术包含不同程度的自主性，治理必须施加于技术本身的行为，而不只是管理它的人的行为。这也是 SAP 强调治理策略在运行时强制执行的原因之一。

不过，今天看到的挑战在于，尚无人为 AI 治理建立起清晰的行业基准与标准实践，专注于治理的成熟平台也普遍缺乏。之所以说"普遍缺乏"，是因为事实上 SAP 恰好提供了这样一个平台，它建立在数十年的治理专业能力与经验之上。对 SAP 而言，治理从来不是事后考虑；而在今天的 AI 治理上，正如本文所列的诸多创新所示，它毫无疑问处于最优先的位置。