据TechRadar报道，Archive360首席执行官在9月23日刊发的分析文章中指出，企业高管花大量时间讨论AI代理是否已具备投产条件，但这一出发点本身就是错的，因为代理并不在真空中行动，其决策质量高度依赖所使用数据的质量。文章认为，在将代理投入生产之前，组织需要受治理的数据输入、恰当的访问权限，以及对代理产出的可靠记录。

文章称，模型的安全性与性能固然重要，却无法弥补对代理可检索信息控制薄弱的问题。如果把过时的客户信息、重复记录或从未被正确分类的材料交给代理，它只会基于手头现有内容行事，并在成千上万笔交易中迅速做出依据不足的决策。采用与治理之间的差距正在快速拉大：在急于引入AI的过程中，许多组织尚未解决底层数据问题就把代理推向生产，因此绝大多数AI项目投资回报为零并不令人意外。

文章还提出，AI代理治理并不止于代理可以访问的数据，也包括代理产生的数据，例如它作出的决定、收到的指令和创建的文件。随着AI参与企业内部的重大决策，AI的可追溯性与可辩护性已成为关键能力。

数据问题被文章列为第一优先。文章认为这并非新问题，多数大型组织多年来都在试图梳理分散在运营平台、文件共享、归档以及早该退役的应用中的信息，但代理式AI能够大规模、快速地利用这些弱点，使该问题更为紧迫。在向代理开放数据之前，IT部门需要识别敏感与受监管信息，一致地应用分类与留存政策，并判断哪些数据源足够新、足够可靠。遗留数据尤其需要谨慎处理：退役应用中往往存有价值的业务历史，同时也含有重复记录、过时信息以及受法律保留或留存要求约束的数据。文章建议企业保留赋予遗留数据含义的上下文与关系，再提供经过挑选、由政策控制的数据集。缺少上下文，代理要么无法完成任务，要么依据错误判断行事。

访问权限被文章视为一项业务决策。企业常犯的另一个错误是给代理开放超过其需要的访问范围；系统能够与代理连接，并不意味着就应该连接。文章主张把代理当作员工对待，遵循最小权限原则，例如客服代理可能需要当前账户与交易信息，但通常不需要法律文件或历史员工记录，访问范围应严格跟随代理的既定用途。来源同样重要，代理不应把当前记录系统与几十年前的归档视为同等权威，而必须知道信息来自何处、何时更新、适用哪些政策。

文章最后强调，治理并不在代理拿到获批数据后就结束。AI相关数据正迅速成为诉讼、合规审查与客户投诉中的重要材料，组织应当能够说明代理被要求做什么、访问了哪些信息、应用了哪些政策以及随后发生了什么。提示词、检索内容、输出以及由此产生的决策都应作为业务记录保留，使审查者能够重建AI的决策，并追溯到源数据和授权该活动的人员或职能。问责也不应只落在技术团队身上：安全、数据、隐私、法律与合规负责人各有角色，但必须有一名具名的业务负责人对结果负责，因为自动化可以执行动作，却无法承担责任。文章称，数据就绪不是AI试点成功后再补做的次要工作，而是决定试点能否投产的一部分。