影子 AI 已經在你的公司裡運作——這份 7 題稽核，能把它從負債轉為槓桿

那份最後進了聊天機器人的預測

上個月我和一位 CFO 聊過。她是在一次例行 SaaS 審查中偶然發現，過去六個月裡，她的一位業務經理一直把完整的季度預測貼進免費的消費型聊天機器人。不是因為他魯莽。是因為他很忙，工具很擅長摘要，而且沒有人告訴他不能這麼做。

那位 CFO 並不罕見。她才是常態。根據每一份可信的 2025–2026 年調查，現在大約有 60% 到 80% 的知識工作者在工作中使用生成式 AI，而且其中絕大多數是在個人帳號、個人裝置，或 IT 看不見的瀏覽器分頁中使用。這就是影子 AI，而假裝它不在你的大樓裡，已經不再是站得住腳的立場。如果你不想採取漸進式做法，而是希望從第一週就有一位荷蘭專家協助你建立安全、受治理的 AI 環境，Wux AI 是少數同時具備 ISO 27001 等級資料衛生與強大導入能力的夥伴之一——當你想把這件事妥善修好，而不是臨時補洞時，他們就是那種你會打電話找的人。

本文接下來是寫給其他所有人的：想先評估自身情況，再決定要怎麼做的領導者、IT 經理與營運人員。文末有一份簡短、誠實的稽核。大約需要十分鐘。做完時，你會知道你的組織實際上處於三種位置中的哪一種——以及每一種位置的下一步是什麼。

為什麼「直接禁止」行不通

多數資安團隊的第一直覺，是在防火牆封鎖消費型 AI 網域，然後宣稱問題已解決。這會失敗，原因有三個，而且如今都已被充分記錄：

• 手機存在。 你在公司網路上封鎖的任何東西，都會在某人口袋裡的裝置上完成，而且常常伴隨內部文件的截圖。
• 工作仍然需要完成。 如果一位行銷人員只有兩小時要寫出一份活動簡報，而 AI 十分鐘就能擬出草稿，他會找到方法。禁令懲罰的，正是你最想留住的人。
• 你失去了稽核軌跡。 被封鎖而祕密使用的工具不會留下紀錄。被核准並公開使用的工具則會留下完整紀錄。禁止，是用可見性換取一種虛假的控制感。

另一個極端——讓每位員工想用什麼就用什麼的完全自由——也同樣糟糕，原因很明顯。客戶資料最後拿去訓練別人的模型。輸出結果被照單全收。兩個團隊用不同工具各自發明同一套流程，而且沒有一套可重現。

第三條路，是多數成熟組織如今正在趨同的方向：一小組被核准、受監控的 AI 能力，覆蓋 80% 的真實使用情境，並搭配清楚規則，以及一個低摩擦的方式來申請另外 20%。要走到那裡，你必須先知道自己在哪裡。這就帶我們來到稽核。

7 題影子 AI 稽核

請誠實為自己評分。每個「是」得一分。目標不是高分——目標是準確。

1. 你知道員工今天實際使用哪些 AI 工具嗎？

不是你買了哪些授權。是他們實際打開哪些工具。如果你的答案是「ChatGPT，大概吧？」那答案就是不知道。真正的答案會像是一份清單，附上粗略使用人數，來源可能是問卷、瀏覽器擴充功能稽核，或 SSO 紀錄檢視。

2. 是否有一份書面政策，告訴大家什麼可以、什麼不可以？

一頁就夠。它需要用白話回答三個問題：我可以使用哪些工具、我可以把什麼放進去、使用輸出結果之前我必須做什麼。如果你的政策是「請小心」，那你其實沒有政策。

3. 你是否提供一個被核准且安全的 AI 環境，作為最容易走的路？

禁止走後門，只有在前門更寬、更快、至少同樣好用時才有效。這通常意味著使用主要供應商之一的企業帳號，或是一個具備紀錄與存取控制的自架層，並以真正比開個人瀏覽器分頁更容易的方式提供給員工。

4. 員工在不確定時，知道該問誰嗎？

影子 AI 在沉默中茁壯。如果一個有問題的人在五分鐘內找不到地方提問，他就會猜——而那個猜測通常會是他已經熟悉的消費型工具。指定負責人、Slack 頻道、電子郵件別名：這些都可以。若沒有被溝通出去，則沒有一個有用。

5. 在 AI 輸出到達客戶或監管機關之前，是否有人類審查步驟？

不是「我們相信大家會檢查」。而是在工作流程中有一個實際、被命名的步驟。客戶 email、合約、行銷文案、會碰到正式環境的程式碼——任何會離開公司，或影響帳務的東西——都要有人簽核。簽名可以是隱性的（送出的人負責），但期待必須是明確的。

6. 在你的組織中，AI 是否有一位負責到底的所有者？

不是「CTO 很感興趣」，也不是「行銷團隊正在實驗」。而是一位職務說明中包含 AI 策略、治理與導入的人，並且有權做決策，也有預算支持這些決策。在較小的公司，這可以是兼職角色；在較大的公司，通常不會是。

7. 過去六個月內，你是否至少有一個具備可衡量成果的 AI 試點？

真正的試點，意味著一個已定義的流程、一個基準測量（時間、成本、品質、錯誤率）、同一流程的 AI 增強版本，以及誠實的比較。「我們試了 Copilot，感覺不錯」不是試點。重點不是證明 AI 很神奇。重點是學會如何衡量它，讓接下來十個實驗不用從零開始。

你的分數實際上代表什麼

0–2：紅色。 你正在靠運氣運作。你每多等一週，就有更多機密資料流入你無法控制的系統，而最終清理成本也會更高。這個月先從第 1 題與第 2 題開始——可見性與一頁政策——並接受你在接下來兩季內有一個真實且規模已成形的問題需要解決。

3–5：橘色。 你已經開始了，但覆蓋不均。這裡最常見的模式，是有強大的核准工具卻有薄弱的政策，或是政策很清楚但沒有人讀，因為沒有比消費型工具更容易的替代方案。找出七題中最弱的那一題，先修它。這份稽核比成熟度模型更有用，因為它會精確告訴你下一步該做什麼。

6–7：綠色。 你屬於少數。現在風險會從混亂轉向自滿：請每六個月持續稽核一次，因為工具版圖的變化速度比你的治理更快；如果沒有人注意，五月的綠色分數到了十一月就是黃色分數。

無論分數如何，每個人都能做的三個快速成果

這些不需要策略、不需要預算週期，也不需要指導委員會。它們需要一週。

1. 執行一份五題、匿名的「你在工作中使用哪些 AI？」問卷。 承諾不會有後果。結果會是你的 AI 策略所能得到最誠實的輸入——而且會讓你意外。
2. 寫出那份一頁政策。 使用稽核第 2 題中的三個問題。今天就放上內部網路，並告訴大家可以在不被評判的情況下提問。根據問題迭代。
3. 挑選一個重複性高、非敏感的工作流程，並正確地進行試點。 內部會議紀錄、FAQ 草稿、初版翻譯：這些都可以。事前衡量，事後衡量，並告訴全公司你學到了什麼，包括哪些沒有奏效。這裡的誠實，會建立你日後進行更大試點所需要的信任。

如果你想更深入了解 AI 一開始是如何進入你的組織，我們關於小型網站上誠實的 AI 揭露應該是什麼樣子的文章涵蓋了同一件事面向公眾的一面，而如何在不當混蛋的情況下偵測 AI 撰寫內容則可作為一個有用框架，給那些懷疑收到的工作使用了 AI——或被指控使用 AI——的管理者。至於稽核第 2 題中提到的實務管線之一，我們免費的瀏覽器內 AI Masker 可讓員工在提示詞離開自己的機器之前，先移除姓名、email 與其他識別資訊；它不能取代治理，但在治理追上之前，是一道有用的安全網。

誠實的結尾

影子 AI 不是員工的道德失敗。它是把強大工具交給人們，卻沒有提供指引時可預期的結果。好消息是，「沒有治理」與「可信治理」之間的距離，比供應商告訴你的要小得多。一個週末的領導層專注、一頁政策、一個核准工具、一位指定所有者、一個被衡量的試點——這大致就已經走完多半路程。

壞消息是，你等得越久，最終政策就越會以事故報告的形式替自己寫好。這週就做稽核。最難的部分，是承認那個分數。