10 月 2 日，治理厂商 OneTrust 围绕智能体扩展其企业平台，把重心放在运行时控制与集中监督上：AI Control Plane、Governance Command Center，并集成 ChatGPT、Claude、Copilot、Glean。架构目标是把策略直接作用于智能体的动作、保全决策证据，并与隐私、同意、风险、数据等既有治理项目连通。同一周，Red Hat 强调智能体安全必须超出模型本身、落到身份与基础设施纵深，Thales 则推出面向 AI 暴露面的数据治理——三家指向同一件事：当智能体开始真正办事，治理要从文档合规升级为运行时控制面。
背景：agent 能办事之后，治理的重心变了
早期的企业 AI 治理，多停留在「有没有文档、有没有评估、有没有审批流」的纸面层面。可当智能体从问答助手变成能调用工具、改记录、发起交易的执行体，纸面治理就不够了：一个动作已经发出，事后再补文档救不回损失。OneTrust 这轮更新的信号，正是把治理当成一层「控制面」来建——策略在动作发生前就介入，决策证据在动作发生后被保全。这和过去把治理当成一次性评审清单，是两种不同的工程姿态。
控制面做什么：策略作用于动作，证据可被保全
OneTrust 的 AI Control Plane 负责集中接管智能体的行为，Governance Command Center 做策略执行与总览，并向上对接 ChatGPT、Claude、Copilot、Glean 等被企业广泛采用的入口。关键在于它不止「记录」，而是把政策直接作用在动作上：哪些动作需要审批、哪些数据智能体碰不得、哪类决策要留痕，都在控制面里统一编排。决策证据被保全，意味着一次 agent 行为的权威来源、所用证据、所做决策与执行结果都能被回看，出了事能追溯，而不是只剩下一段普通日志。
同波信号：安全是基础设施问题，不是模型问题
把 OneTrust 和同周另外两家放在一起看，趋势更清楚。Red Hat CTO Chris Wright 撰文强调，模型级护栏在 agent 能跨企业系统执行之后远远不够，身份、运行时、网络与基础设施的纵深防御才是重点。Thales 推出面向 AI 时代暴露面的数据安全态势管理，把数据发现、分类、访问与活动上下文连上加密、令牌化、脱敏等直接修复能力。三家的共同指向是：agent 一旦能办事，它的安全边界就不再只是模型输出的合规，而是它所在的身份、网络与数据基础设施。
为什么值得写：治理从「文档」走向「拦截」
这篇值得写，是因为它把近期几条分散的厂商动作串成一条清晰主线：企业 AI 治理正在从「写清楚规矩」走向「在动作前拦一道」。对采购方而言，这降低了治理沦为摆设的风险——政策不再是一份没人回看的 PDF，而是真正卡在 agent 调用链上的控制点。对厂商而言，控制面正在变成智能体基建里新的必争层：谁掌握了动作级的策略与证据，谁就握住了企业敢把 agent 放出去办事的那道阀门。把 OneTrust、Red Hat、Thales 视为同一波信号而非孤立发布，正是这篇的增量认知。
边界：控制面也会变成新的复杂度
需要清醒看待的是，控制面本身会带来新的复杂度与摩擦。策略若定得太粗，agent 处处被拦、效率归零；定得太细，又容易在具体场景漏判。把 ChatGPT、Claude、Copilot、Glean 都接进同一控制面，意味着治理要读懂各家不同的动作语义，集成深度与覆盖度都有待真实部署检验。另一道坎是证据的可信度：保全的「决策证据」若由 agent 自己生成，仍需独立校验，否则只是把不可审计换了一种更漂亮的包装。对选型方更实在的建议是，先看控制面能不能对自己已有的 agent 入口真正生效、策略能否按动作粒度配置、出事能否秒级回溯，而不是被「治理平台」四个字先入为主。
结语
OneTrust 这轮更新，连同 Red Hat、Thales 的同波动作，提示行业一件事：智能体治理的下一阶段，不在文档里，而在控制面里。当 agent 真正开始办事，谁能把策略做成动作前的拦截、把证据做成可审计的回执，谁才敢把它放进核心业务系统。