夜雨聆风
随着生成式 AI 在办公、研发、客服、运营等场景中快速普及，越来越多员工和业务团队开始自发使用各类 AI 工具提升效率。但与此同时，一个新的安全盲区也在形成——影子AI。
所谓影子AI，是指未经企业正式审批、评估和纳管，就被员工、开发团队或业务部门直接使用、接入或部署的 AI 工具、模型、插件、API 及智能代理能力。例如，员工使用公共 AI 工具处理工作内容，开发人员将代码或日志提交给 AI 辅助排障，业务部门绕过流程接入第三方模型 API，这些都属于典型的影子 AI 场景。
影子 AI 之所以会快速蔓延，原因很简单：门槛低、见效快、约束弱。员工只需注册账号或调用接口，就可以立即使用 AI 完成文档生成、代码辅助、内容总结等任务。很多企业将影子 AI 视为管理问题，但从实践看，它本质上更是一个安全问题。因为影子 AI 带来的并不只是“用了未经批准的工具”，而是企业原有安全边界正在被悄然打破，主要体现在以下几个方面。
第一， 敏感数据外发风险上升
员工可能会将客户信息、合同文本、财务数据、会议纪要等内容直接输入 AI 工具，研发人员也可能将代码、配置、日志甚至密钥提交给 AI 进行分析。一旦这些数据进入第三方平台，企业往往难以掌握其后续的存储、调用和保留方式，数据泄露和合规风险随之上升。
第二， 企业攻击面被持续放大
当前很多 AI 产品不仅是聊天工具，还包含插件、知识库接入、模型 API、工作流引擎以及 AI Agent 等能力。如果这些组件未经安全评估就被引入，新的外部连接、接口调用和自动化执行路径都可能成为风险入口。
第三， 传统安全控制对 AI 场景覆盖不足
大多数 AI 平台基于 HTTPS 通信，传统边界设备很难洞察具体交互内容。而提示词输入、文件上传、接口调用和 Agent 自动执行等行为，也不同于传统业务系统访问模式。结果是，企业可能根本不知道哪些员工正在使用哪些 AI 平台，哪些数据正在流向外部模型。
第四， 身份安全治理压力加剧
AI 工具的接入往往会带来新的账号、API Key、Token 和服务凭证，形成大量未纳管的外部身份和非人类身份（NHI）。如果缺乏统一治理，这些身份容易出现权限过大、长期有效、缺乏轮换和责任归属不清等问题，进一步扩大整体攻击面。面对影子 AI，企业很难依靠简单封堵解决问题。更现实的做法是：以可见性为前提，以数据与身份为核心，建立面向 AI 场景的持续治理机制。
具体来说，企业至少应做好四件事：
建立明确的 AI 使用规范：清楚界定哪些工具可以用、哪些数据不能输入、哪些场景需要审批。
提供安全合规的官方替代方案：只有官方工具既安全又好用，员工才不会转向高风险平台。
提升 AI 使用行为的可见性：持续识别组织内部正在访问哪些 AI 平台、调用哪些模型服务、使用哪些账号和密钥。
将 AI 纳入身份安全治理体系：对 AI 相关账号、服务身份、API Key 和 Token 建立统一台账、权限控制和生命周期管理。
AI 正在成为企业数字化能力的重要组成部分，影子 AI 也将成为未来长期存在的安全议题。对企业来说，真正关键的不是“有没有人偷偷用 AI”，而是能否看见、管住并持续治理这些风险。
只有围绕资产可见、数据可控、身份可管、行为可审计建立完整能力，企业才能在保障安全的前提下，真正释放 AI 的业务价值。
END
