员工在用AI，管理者手里有没有一本账
过去一年，AI 已经悄悄进入大多数组织的日常工作：写方案、做纪要、查政策、改合同。表面上看，效率是提升了的。但如果现在问三个问题——谁在用？接的是哪个模型？哪些内容被粘了进去？——多数管理者答不上来。
这不是个别现象。Verizon 的报告显示，员工在公司设备上使用未经授权 AI 工具的比例，一年内从 15% 升到 45%；LayerX 的调研里，77% 的员工习惯性地把公司数据粘进 AI 聊天框。个人 AI 越好用，组织的知识资产就越是在无声地外流。
所以真正要解决的不是「要不要禁」，而是「有没有账」。管不住的前提，往往是看不见。
管控台不是「公司账号」，而是组织的控制平面
市面上不少所谓企业版，本质是给个人助手加一个管理员入口：能开账号、能看名单，但看不到调用过程，也管不住数据往哪走。真正的企业级集中管控，位置不一样——它坐在员工客户端和模型之间，是一层控制平面。
以柚子智能体企业管控台（ECP）为例，菜单就五块：大模型服务、身份与席位、技能配置、知识库与搜索、诊断与审计。五块对应五件事：模型从哪来、谁能用、能用什么能力、能查什么资料、出了问题怎么回查。
部署形态还分两种。共享模式下模型网关与点数池由平台托管，开通即用；私有模式下企业自管上游渠道和点数池，管理员先完成私有 AI Gateway 的一次性初始化，再开放员工使用。选哪种，本质是数据边界画在哪里的问题。
四个开关：审计、权限、额度、隔离
第一个是调用审计与全链路追溯。每一次真实调用都应经过企业网关：员工、设备、模型、渠道、request id、消耗点数全部落账，管理员在调用记录里逐条读回；审计日志另外记录管理员、动作、资源和时间。异常调用不是靠回忆排查，而是靠 id 串联。
第二个是权限与席位。员工入职建号，设备准入要审批——通过前先确认员工状态、授权有效期和设备席位；通过后 ECP 会把凭据写入网关，禁用或刷新设备同样同步。员工离职一键禁用、远程吊销，历史记录完整保留。
第三个是额度。员工有默认的 Token 额度，企业有独立的点数池；模型按输入、输出、缓存分别配置成本倍率，价格还带版本号。这样「这个月 AI 花了多少、花在谁身上、花在哪个模型上」是可以读出来的，而不是月底看一张账单慢慢猜。
第四个是部门隔离。知识库的集合权限跟部门、角色绑定，职能应用按部门开放，通用技能才全员可见。核心资料不跨部门流转，是配置出来的结果，不是靠大家自觉。
上线不是点个开关：私有模式的最小闭环
私有模式的顺序有讲究：先启动私有 AI Gateway 并确认服务健康，再在 ECP 完成一次性 bootstrap 保存租户与凭据；然后配置上游渠道、模型列表和模型成本；接着建员工、分配额度和可用模型；最后用员工设备发起一次真实调用，从调用记录、点数余额、审计日志三处交叉读回。
这几步里最容易出问题的不是配置本身，而是「保存成功但没生效」。所以操作指引反复强调读回：员工模型保存后重新打开详情，确认没有回退；渠道保存后确认模型列表和默认模型；调用完成后确认余额确实发生变化。同步流水会记录失败任务和原因，可以按任务重试。
也要说清边界。柚子智能体企业版自己承认「慢呆浅」：启动速度受系统环境影响、工具调用逻辑严谨但不够灵活、聚焦强刚需场景，跨部门审批流这类高度个性化的流程暂不深入。管控台能保证的是看得见、管得住，不是把所有流程都替你自动化。
一年后留下什么：管控是资产化的前提
组织用 AI 沉淀下来的资产有四类：数据、知识库、技能、工作流。它们只有被持续使用才会增值，而要被持续使用，前提是有人能回答「谁在用、用得好不好、值不值」。这正是行为四指标（活跃度、成本、价值、风险）的意义——AI 投入第一次可以被计量。
成本结构同样重要。一次性买断授权加算力自主选择，整体成本比按席位订阅的同类方案低 80%，不必为每个新增员工再买一份月费；模型可以换，沉淀在组织内的知识库和技能不用重来。
所以管控台的价值不在「限制」，而在可计量、可传承。没有账本的 AI 使用，年底只能说一句「大家用得挺多」；有账本的 AI 使用，才能回答哪些场景该加码、哪些该停。
如果你正在评估企业 AI 的管控方案，建议先问四个问题：调用能不能逐条回查、人和设备能不能即时收权、额度能不能按人按模型算清、资料能不能按部门隔开。这四件事答得上来，再谈上多少智能体、铺多少场景，顺序才不会错。
