Vanta 创始人 Christina Cacioppo 讲述了如何在 AI 时代将 Vanta 从合规起家发展为以数据和代理为核心的安全平台。Vanta 通过构建名为 “trugraph” 的安全数据湖支持自动化与 AI 代理，并聚焦于以 agent 为产品中心，目标提升客户留存。公司投入自身的 token 成本以降低使用门槛，并强调以质量优先进行模型选择。Vanta 专注于企业级 AI 实践，提升企业内部用户的使用以发现问题。AI 改变了安全优先级管理，从低严重度问题变为紧急修复，并面临市场与人才压力。公司强调扩大产品线与功能以应对未来安全威胁，并关注中小型市场客户。 #### 内容简介 本期访谈中，Vanta 创始人 Christina Cacioppo 分享了公司如何由合规（SOC 2）起家，逐步建设以 agent 与数据为核心的安全平台。Vanta 构建了名为 “trugraph” 的安全数据湖，深度集成约 400 个工具，利用大量专用 agents 自动化日常安全与合规任务，目标将当前约 25% 的 agent 触达率提升至 75% 以改善留存与体验。公司在模型与定价上选择自掏 token 成本以降低用户使用门槛，模型选型以质量优先；企业级 AI 的实践要点为“自己先用、双周复盘、推动内部使用”。访谈还讨论了 AI 代理对安全优先级的影响（低严重度问题可能被放大为紧急）、估值与人才市场的压力、以及对模型链式攻击等新威胁的担忧。关键事实包括：约 16,000 家客户、5 款产品、400 个连接，宣称可减少 82% 审计准备工时、客户报告 526% ROI，并以中小型已嵌入客户为主要市场定位。 #### 社区观点 支持观点：很多人赞赏 Vanta 把合规数据做成通用安全数据湖并以 agent 产品化，认为这是把重复劳动自动化、提高客户留存与价值的合理路径。批判/质疑：有人担心公司自掏 token 成本的策略短期能驱动采用，但长期对单位经济（unit economics）和盈利性是否可持续存疑，且可能掩盖真实成本。运维与治理关注：社区强调数据治理、权限边界与模型审计的重要性，担心把自动化推向“机器速度”会放大误报、错误修复或误操作的风险。安全风险提示：有声音指出 agent 与模型可能成为新的攻击面（如多步链式攻击、模型被误导），需要额外的防护与对抗性测试。市场/人才观点：大家普遍认为估值与人才竞争是真实问题，AI 热潮导致人才向话题性强或估值更高的团队流动，Vanta 需在文化与使命上持续吸引人。产品落地建议：有人建议分层推广 agent（先只读或提醒，再一步步代办）、强可观测性与回滚机制，以及把 ROI 案例包装成可复制的上手流程以加速销售。定价建议：社区建议提供多档限额与透明计费以平衡免费体验与长期可持续营收。 #### 内容导读 要理解这段访谈，先把视角放在两条主线：一是数据与合规起点构成的护城河，二是以 agent 驱动的产品化逻辑。核心结论是：Vanta 用合规数据构建了可复用的安全数据湖（trugraph），并把大量特定任务的 agents 作为前台产品，使自动化从“被动报告”变为“主动代办”，从而提升客户留存与价值；为降低采用门槛，公司选择先行承担模型成本并以质量优先选择模型。理解时注意三点操作建议：内部先用并定制化、每两周复盘模型表现并调整调度、推动内部广泛使用以发现并解决阻碍。同时要警觉两类风险：一是自动化带来的速度放大效应会改变修复优先级与运维压力；二是模型相关的新攻击面需要额外防护与治理。总体而言，本文适合想了解企业级安全产品如何在 AI 时代从合规扩展到平台化、以及面对技术/市场/组织挑战的读者。