11月13日，用友举办YonAIG企业AI治理与运营平台新品体验会，围绕智能体规模化应用中的管理、安全、质量与成本问题，介绍了覆盖智能体观测、运营、上下文、评估、运维、安全六大治理域的产品方案，帮助企业建立从智能体接入、授权、运行到持续改进的治理与运营体系，让企业AI从“可用”推进到“可控、可信、可进化”。
当AI进入企业业务，治理需要贯穿执行全过程
随着AI应用从内容生成延伸至任务规划、工具调用和业务执行，智能体正在成为企业业务流程的参与者。人员负责定义目标、明确边界和处理例外，智能体则在授权范围内拆解任务、调用能力、推进工作。
当智能体能够访问业务数据、调用系统，企业需要明确它代表谁行动、可以使用哪些数据、能够执行哪些操作；当任务跨越多个系统和环节时，需要记录决策依据、调用过程与返回结果；当智能体数量增加时，还需要管理能力资产、评估工作质量、核算运行成本。
这些问题直接影响AI能否进入核心流程、能否扩大应用范围。缺少统一的身份与权限管理，可能带来越权访问和责任不清；缺少运行观测与质量评估，企业难以判断任务是否真正完成；缺少成本与运营分析，也难以决定哪些应用值得推广、哪些需要调整。
因此，企业AI建设需要同步建立覆盖核心流程与规模化应用的治理机制，让智能体的执行有边界、过程有记录、效果有依据。
企业AI治理，让AI可控、可信、可进化
作为用友BIP企业AI产品体系的核心组成部分，YonAIG面向企业级智能体提供全生命周期治理与运营支撑，覆盖智能体观测、全周期运营、企业上下文与记忆、评估优化、运维管控、安全六大治理域，并以安全与合规治理贯穿始终。
在这一体系中，治理与运营共同服务于业务运行：身份、权限和安全策略约束智能体的行为；上下文与记忆为回答、判断和任务推进提供企业业务依据；观测、评测与运维帮助管理者了解运行状态、识别执行偏差、验证改进效果；能力资产与用量管理则支撑智能体复用和投入分析。
用友网络数据智能解决方案部总经理王宏业在产品介绍中，围绕“管得住、用得好、可持续”阐述企业AI落地需求。YonAIG将这些需求落实到身份、权限、数据、记忆、行为、质量与成本等管理对象，推动企业将分散的智能体应用纳入统一的治理与运营体系，让AI可控、可信、可进化。
六大核心场景，回应智能体落地中的实际问题
围绕“观测、评估、上下文、安全、运营、运维”的六大场景域，YonAIG的核心能力覆盖了业务负责人、IT管理员、运维、架构师与安全合规等角色，让企业AI可控上岗、可信运行、可持续进化。
场景一：全周期运营，让智能体从上岗到退役都有管理
面对不断增加的智能体、技能和工具，企业首先需要掌握有哪些AI资产、分别归谁管理、具备什么能力、可以被谁使用。
YonAIG围绕智能体创建、身份配置、授权、上岗与退役建立管理链路，将数智分身、数智员工和数智团队纳入统一管理，并通过能力中心沉淀智能体、技能、MCP等资产，支持分级管理与共享复用。
配合运营看板，管理者可以从资产、员工使用、部门渗透和消耗成本等维度了解应用情况，识别推广与优化对象，让智能体上线后的管理落实到使用分析、运营行动和效果复盘。
场景二：上下文与记忆治理，让AI理解企业、接续工作
企业中的术语、指标、组织关系和工作规则具有特定含义。智能体要准确理解任务，需要使用与当前业务、组织和岗位相适应的信息。
YonAIG通过记忆晋升、时鲜治理、语义冲突仲裁、上下文源管理等机制，将企业记忆从零散的技术组件提升为一套有策略、可追溯、可仲裁的治理体系，这是智能体在复杂企业环境中保持一致性与可信度的基础保障。
场景三：安全与合规，让执行有边界、操作可追溯
智能体参与业务，需要把权限与安全要求落实到每一次访问和调用。
YonAIG围绕用户登录、智能体运行、技能安装与执行、工具调用等环节，结合统一身份认证、角色权限、文件访问控制、技能安全审查、密钥凭证保护等能力开展管控；在数据使用中，通过数据权限、脱敏与加密等机制保护敏感信息。
全链路日志记录了智能体相关操作，为核查访问行为、执行过程和授权关系提供依据。企业由此能够将安全管理融入智能体日常工作，使业务操作有约束，异常问题有线索，审计核查有记录。
场景四：全链路观测，看清任务过程、消耗与异常
智能体返回结果之后，管理者还需要知道任务经历了哪些步骤、在哪个环节出现问题、消耗了多少资源。
YonAIG从追踪、会话、用户等维度组织观测数据：通过单次请求的调用树查看执行步骤、耗时、错误与消耗；通过会话维度了解多轮对话的整体表现；通过用户维度分析使用量、成本与反馈，并支持下钻至具体记录。
结合指标过滤与阈值告警，相关人员可以发现异常并进入对应现场排查，让任务过程可检查、问题环节可定位，为技术排障和业务分析提供共同依据。
场景五：评估与优化，让质量判断和改进验证有标准
任务成功返回，并不等于业务答案准确、工作质量达标。企业需要将质量标准落实为可执行的评测规则。
YonAIG在线评测可按过滤条件和采样规则圈选观测数据，通过大模型或代码评测器进行异步判定，并将评分关联回对应观测记录，用于分析、报告与告警。
通过同一份观测数据连接运行现场与质量评分，企业可以检查低分表现、分析具体问题，并在调整评测标准或相关配置后复验。评测由此为质量判断和改进验证提供依据，减少单纯依靠经验或用户投诉判断效果的局限。
场景六：运维管控，让业务运行与故障处置有支撑
智能体持续承担任务，需同时关注会话状态、执行编排、资源使用和运行异常。
YonAIG将会话、编排、沙箱资源与模型运行纳入运维管控范围，结合日志检索、运行监控与告警信息，支持运维人员查看任务状态、排查异常和开展处置。
这一场景与观测、评测共同构成运行保障：观测提供执行现场，评测判断质量表现，运维承接异常处理与运行维护，帮助企业将智能体纳入日常生产运行管理。
从单点应用走向规模运营，掌握AI落地的确定性
企业AI的应用深度，取决于智能体能够承担多少实际工作，也取决于企业能否持续掌握其业务依据、行为边界、运行表现和投入情况。
YonAIG将这一管理命题转化为具体产品能力：从上岗授权到退役交接，从上下文维护到记忆管理，从执行留痕到质量复验，让治理进入智能体工作的全过程。
随着智能体更多参与企业经营，用友BIP通过治理与运营能力的协同，帮助企业建立应用AI、检查AI和改进AI的方法，让智能能力在明确规则下进入业务，并持续积累为可管理、可复用的企业能力。