從一個 Agent 到一百個 Agent，安全投入通常沒有等比例增加

前四個陷阱談的是架構設計問題，這一個談的是組織與資源分配的問題：從 POC 的一兩個 Agent，擴展到生產環境的數十、上百個 Agent 時，安全治理的投入往往沒有跟著等比例增加，形成「規模越大、單位風險投入反而越低」的失衡狀態。

失衡的三個典型徵兆

安全審查成為瓶頸後被繞過：當每個新 Agent 上線都要走一輪完整的安全審查，而 Agent 數量快速增加時，審查流程會成為交付瓶頸——此時最常見的結果不是增加審查資源，而是「這個 Agent 風險比較低，先上再說」。

監控成本壓縮監控範圍：完整的日誌記錄、內容過濾（Model Armor、ShieldGemma 的推論成本）都是實際的金錢支出。當 Agent 數量增加、成本上升時，常見的成本優化手段就是縮減監控範圍或降低過濾強度——而這通常是在成本會議上決定的，資安團隊不一定在場。

通用防護取代場景化防護：規模小的時候，每個 Agent 可以有客製化的安全設計；規模大了之後，為了維運效率會改用統一的通用防護模板，但通用模板未必適合每個場景的風險特性。

對應的思路：把安全治理本身自動化

這個陷阱的解法不是「投入更多人力做安全審查」（那不可能等比例擴展），而是把安全治理本身自動化、模板化：

• 用 Organization Policy（主題一 Day3）建立不可繞過的技術護欄，讓「低風險先上再說」在技術上就做不到
• 用標準化的 Terraform/IaC 模組封裝安全設定，讓新 Agent 部署時自動繼承正確的 IAM、VPC-SC、日誌設定，而不是每次靠人工設定
• 建立分級機制：依 Agent 的風險等級套用不同強度的防護，而不是所有 Agent 都用同一套（成本過高）或都用最低標準（風險過高）

這正好呼應 SAIF 的核心精神之一——自動化防禦以跟上威脅演進：規模化的安全治理，必須靠自動化而不是靠人力堆疊。

這篇的檢查清單

• [ ] 安全審查流程是否會隨 Agent 數量增加成為瓶頸？是否有自動化替代方案？
• [ ] 監控與過濾的成本是否已納入規模化的預算規劃，避免上線後被壓縮？
• [ ] 是否已建立 Agent 風險分級機制，套用不同強度的防護？

💡 關於作者 我是 Fngi，專注在 AI 安全與雲端資安領域。如果這篇對你有幫助，歡迎追蹤 Instagram @aid3fend，我在那裡分享更多 AI 資安的實務筆記與趨勢觀察。