把 ChatGPT 當筆記本比中毒的隨身碟更危險！Shadow AI 正在悄悄搬空你的機密資料

一、Shadow AI 是什麼？從 Shadow IT 進化而來的新威脅

Shadow IT，指的是員工在未經 IT 部門知情或核准的情況下，自行使用的軟體、服務或設備。私人 Dropbox 帳號、個人 Google Drive、未申請的 SaaS 訂閱——這些都是典型的 Shadow IT 樣貌。企業 IT 部門與 Shadow IT 的戰爭，打了將近二十年，至今仍未結束

Shadow AI，是這場戰爭的下一個戰場。

簡單來說，Shadow AI 指的是：員工在未經企業授權、審查或管控的情況下，使用 AI 工具處理工作任務的行為與現象。這包含但不限於：

• 使用個人帳號登入 ChatGPT、Claude、Gemini 等大型語言模型
• 安裝具備 AI 功能的瀏覽器擴充功能（如 AI 摘要工具、智慧寫作助手）
• 使用未經企業評估的 AI 生產力應用程式（如 AI 會議記錄工具、AI 簡報生成器）
• 透過個人裝置使用 AI 工具處理工作內容，完全繞過公司網路和管控

但 Shadow AI 和傳統 Shadow IT 之間，有三個關鍵差異，讓它的風險等級高出不止一個量級。

1. Shadow AI 不只是「儲存」你的資料，它會「處理」你的資料

傳統 Shadow IT 的風險，通常是資料被存放在未受管控的地方，存在外洩的可能性。但 Shadow AI 的問題在於，員工主動將資料「餵進去」，讓 AI 進行分析、改寫、摘要、翻譯——在這個過程中，資料早已離開企業的數據邊界，進入第三方伺服器進行運算。

2. Shadow AI 的使用門檻極低，擴散速度遠超 Shadow IT

安裝一套未授權的企業軟體，需要一定的技術能力和主動意圖。但打開瀏覽器，進入 ChatGPT 的網頁，貼上文字，按下送出——這個動作，任何人在三十秒內都能完成，完全不需要任何技術背景。這意味著 Shadow AI 的滲透速度，遠比任何一代 Shadow IT 都快。

3. Shadow AI 的邊界非常模糊，員工往往沒有意識到自己正在「違規」

當員工私裝未授權軟體，他們通常知道這件事「可能不符合公司規定」。但當員工把一段文字貼進 ChatGPT 請它潤稿，大多數人的心理認知是：「我只是在用一個網路工具」，而不是「我正在把公司資料送到外部伺服器」。這種認知落差，讓 Shadow AI 的治理難度遠高於傳統 Shadow IT——你面對的不是惡意行為，而是大規模的無意識風險。

這也正是為什麼，單靠技術封鎖幾乎無法解決 Shadow AI 問題的根本原因：當員工不認為自己做錯了什麼，任何阻礙他們的措施，都只會被視為需要繞過的障礙，而不是需要遵守的規則。

二、Shadow AI 的三條數據外洩路徑

在討論如何治理之前，我們必須先理解風險是怎麼發生的。Shadow AI 的數據外洩不是單一路徑，而是至少有三條截然不同的管道同時在運作。

1. 消費者版 AI 工具的訓練數據回流

這是最常被誤解的風險點。許多員工（甚至許多 IT 人員）認為，只要不使用「企業版」就等於在用「免費版」，風險差異只在於功能多寡。但實際上，差異在於數據使用條款。

以 OpenAI 為例，消費者版 ChatGPT 的預設設定（在用戶未主動關閉的情況下）允許 OpenAI 將對話內容用於改善模型。企業版 ChatGPT Enterprise 則明確承諾不使用客戶數據訓練模型。這兩者之間，隔著的不只是一個帳號等級，而是你的商業機密是否成為下一版語言模型訓練素材的差距。

2. Prompt 本身就是機密

這個風險更為隱微，也更難被察覺。員工往往沒有意識到，他們輸入給 AI 的「問題」本身，就已經包含了高度機密的資訊。

舉一個非常真實的場景：法務人員將一份 NDA 草稿貼入 Claude，請 AI「把法律語言改得更口語一點」。這份 NDA 裡包含了交易金額、雙方公司名稱、核心智慧財產範疇。員工的意圖只是節省時間，但他無意間把一份機密文件完整地送出了公司的數據邊界。

業務人員把客戶的完整需求規格書貼進去請 AI 整理重點；HR 把薪資結構試算表貼進去請 AI 幫忙做視覺化建議；工程師把產品架構圖的文字描述貼進去請 AI 寫技術文件——這些場景每天都在發生，每一次都是一次無聲的數據外洩。

3. AI 外掛與瀏覽器擴充功能的隱性授權

第三條路徑是最容易被忽略的，因為它發生在「背景」，員工甚至不需要主動做任何事。

Grammarly、Notion AI、Otter.ai、各種 Chrome 擴充功能形式的 AI 助手——這些工具在安裝時要求的權限往往包含「讀取所有網頁內容」或「存取剪貼簿」。這意味著，當員工在使用這些工具的同時，他們在公司內部系統上瀏覽的所有內容，都可能被這些第三方服務的伺服器接收和處理。

公司員工有沒有仔細閱讀過這些工具的隱私政策和數據處理條款？幾乎可以肯定：沒有。

三、「封鎖」為什麼是最差的答案

當 IT 部門發現 Shadow AI 的問題，第一個直覺反應幾乎都是：封鎖。

在防火牆上把 ChatGPT、Claude、Perplexity 的域名全部列入黑名單。這個做法看起來乾淨俐落，實際上卻製造了更大的問題。

封鎖製造的是看不見的風險，不是更小的風險。

從行為科學的角度來看，當員工面對一個被禁止但確實能幫助他們完成工作的工具，他們不會停止使用它——他們會找到繞過限制的方法。手機熱點、個人筆電、家中的個人帳號在下班後繼續處理工作——這些場景下的數據流動，IT 部門完全看不見，也完全無法管控。

封鎖還製造了另一個更深遠的問題：它讓員工把 AI 工具視為「需要被規避的障礙」，而不是「需要被負責任使用的工具」。這種對立心態，是建立健康資安文化最大的敵人。

真正有效的框架，是「Sanctioned AI vs. Shadow AI」的區分——也就是說，企業的目標不是消滅 AI 工具的使用，而是把員工從影子地帶拉回到可管理的光明地帶。

這需要兩件事同時發生：一方面，提供員工可以信賴、功能足夠好用的核准 AI 工具（讓他們沒有動機去繞道）；另一方面，建立清晰的使用政策，讓員工知道什麼可以做、什麼不行、為什麼。

政策的核心邏輯應該基於資料分類，而不是工具黑白名單：

• 公開資訊（行銷文案草稿、公開文件摘要）：可使用任何核准工具
• 內部資訊（內部流程文件、一般會議記錄）：只能使用企業核准版本的 AI 工具
• 機密資訊（財務數據、客戶個資、原始碼、法律合約）：禁止輸入任何 AI 工具，無論是否核准版本

四、Shadow AI 治理的起手式——三個本週就能做的動作

理解問題是第一步，但企業更需要的是可以立刻執行的行動。以下三個步驟不需要大型專案，不需要追加預算，本週就可以啟動。

1. 用現有工具做一次 AI 使用盤點

你不需要購買新工具才能開始。如果你的企業已有 CASB（雲端存取安全代理人）解決方案，立刻調取過去 90 天內的 AI 相關域名存取紀錄。如果沒有 CASB，Proxy 紀錄或 DNS 查詢紀錄也可以提供第一手數據。

盤點的目標不是抓人，而是理解真實的使用現況：哪些部門使用最頻繁？員工在使用哪些你不知道的工具？這份數據是後續所有治理決策的基礎。

2. 制定「AI 工具可接受使用政策（AI-AUP）」

這份政策不需要長篇大論，核心要素只有四項：

1. 核准使用的 AI 工具清單（包含適用情境）
2. 資料分類與 AI 使用的對應規則（如前段所述）
3. 禁止行為的明確列舉（具體案例比抽象原則更有效）
4. 違規通報管道（讓員工在不確定時有地方問，而不是自己決定）

政策發布後，最重要的是配合教育訓練，讓員工理解「為什麼」，而不只是「不可以」。理解背後原因的員工，才會在沒有人監督的時候做出正確的判斷。

3. 建立 AI 工具的快速審查流程

Shadow AI 存在的最大原因之一，是員工覺得「申請核准太麻煩、太慢，還不如直接用」。因此，你需要建立一個讓員工願意走正規管道的流程。

建議設立一個輕量化的 AI 工具審查小組（IT + 法遵 + 業務代表），針對員工提出的 AI 工具申請，在 5 個工作天內給出核准、附條件核准、或拒絕的決定，並說明理由。流程越快、越透明，員工繞道的動機就越低。

治理 Shadow AI 的本質，是重建數位信任

Shadow AI 治理，從表面上看是一個資安問題，但本質上是一個組織信任問題。

員工使用未核准 AI 工具，通常不是出於惡意，而是因為他們有真實的工作需求，而組織沒有提供足夠好的合規選項，或者合規的代價太高（流程繁瑣、工具難用、申請遙遙無期）。

當你理解了這個根本原因，你就會明白：Shadow AI 治理的目標，不是把員工管死，而是讓企業能夠安心擁抱 AI 帶來的生產力紅利，同時把風險維持在可見、可管理的範圍內。

沒有治理框架的 AI 採用，等於在沒有安全帶的情況下開快車。你可能一路順風，但當意外發生的時候，代價會遠遠超過你省下的時間。

現在就開始盤點。在你讀完這篇文章的同時，你的員工可能正在把下一份機密文件貼進 ChatGPT。