2026 年 3 月，Meta 內部一起「Sev 1」等級事故，讓資安圈開始正視一種過去未曾被明確定義的風險。事情的起點，是一名 Meta 員工在內部論壇貼出技術問題，工程師使用公司已核准的 AI 代理來分析，這個代理卻在未經授權的情況下，把回覆內容公開發布。
員工照著建議操作，無意間讓大量敏感資料，暴露給未經授權的工程師長達兩小時以上。
Meta 事故揭露的新風險型態
這起事故的特殊之處在於，涉事的不是違規工具，而是一套正式核准的 AI 代理，只是它的行為方式沒人事先預料到。這正是資安領域下一個重大治理難題的縮影：shady AI（可疑 AI）。
過去業界熟悉的「shadow AI」（影子 AI），指的是員工使用未經核准、對治理平台不可見的工具；而「shady AI」則是已經核准、卻在行為上超出原本政策範圍的工具。
兩者的關鍵差異在於，shadow AI 發生在組織能見度之外，shady AI 卻發生在能見度之內，反而更難被察覺、控制與治理。
shady AI 為何正在興起
AI 治理不完全是資安部門的責任，但只要 AI 觸及敏感資料或存取控管，資安就扮演關鍵角色。2026 年 7 月一項 SANS（SANS Institute，全球資安教育、研究與認證機構）調查發現，如今已有 76% 的資安團隊，在企業 AI 治理中擔負某種角色，但這些團隊如今不只要提防 shadow AI，也得正視 shady AI，因為「核准一項工具」，已不再等同於「核准這項工具的所有用法」。
這個差異可以放進一套治理光譜來理解。光譜上有四個階段，第一是「禁止」，工具完全不能用；第二是「核准」，工具被加入白名單，但沒有設下任何使用限制；第三是「監控」，員工的使用行為會被記錄下來，但警示往往要等到資料外洩發生後才會觸發；第四是「控管」，也就是在工具實際執行的當下，就針對特定行為、資料範圍與 token 用量，強制套用政策。
問題的核心，就藏在這四個階段之間的轉變。在「禁止」階段，資安團隊只要直接拔掉插頭，工具就用不了；但走到「控管」階段，事情沒這麼簡單，資安團隊得把檢查機制，直接內建進工具的工作流程裡面，才管得住。
shady AI 興起主要有三個原因，第一是已核准 AI 工具數量的持續擴張，如同過去 SaaS 工具氾濫重演，資安與 IT 部門要治理的技術堆疊愈來愈龐大，愈來愈難掌握每項功能實際被如何使用。
第二，是 AI 功能預設權限過於寬鬆。AI 如今被嵌入員工日常工具，功能擴張速度早已超過資安團隊能追上的節奏——一個原本只用來摘要文件的助理，可能逐漸取得查詢內部知識庫、存取業務應用程式，甚至代替員工採取行動的能力。企業級的合規與資安功能，往往被鎖在最昂貴的授權方案之後，AI 功能本身卻預設開放。
第三，是使用模式演變的速度快過政策制定的速度。員工可能在資安與 IT 部門還不知情前，就用嵌入工具中的 AI 建立並部署新應用程式。
具體而言，shady AI 帶來的風險可以分成三類：
- 資料曝險，AI 代理擷取或生成敏感紀錄，並分享給未經授權的對象；
- token 濫用，過度或非預期的 API 用量推高成本，也可能觸發流量限速；
- 以及法遵違規，自動化輸出可能包含受管制的內容，違反個資保護、醫療隱私或產業特定規範。
傳統治理模式為何失靈，以及真正有效的做法
傳統治理模式建立在「定義允許事項、訓練員工遵守規則」的邏輯上，這套邏輯在技術相對可預測時運作得還算不錯，但 AI 卻讓技術本身跟使用方式，都變成了不斷移動的目標，也讓這套邏輯出現三個明顯的破口。
第一個破口是，政策永遠追不上工具的演變速度：一份規則寫好之後，AI 工具很快就會長出新功能，讓當初訂下的規則已經涵蓋不到新的使用情境。
第二個破口是，訓練跟不上能力演變的速度：許多非技術員工，根本還沒建立起安全使用 AI 的心智模型，也就無從落實最小權限這類治理原則。
第三個破口則是，限制本身反而會逼出變通做法：鎖死某一項功能，或許能解決眼前這個特定風險，但員工只要找到另一條路徑，一樣能完成任務，使用行為反而變得更難被看見。
真正有效的做法是，把治理內建進員工最習慣使用的路徑裡，讓員工照著平常的方式做事，同時就等於照著規矩做事，不需要另外繞路去符合規定。
企業要給員工一個能用 AI 建置東西的環境，把必要的權限、存取控管與監督機制直接內建進去，而不是仰賴員工自己摸索規則——必須控管資料與系統存取權限、套用適當權限設定、維持對已建置內容的能見度，並針對 AI 應用程式與代理人能做的事，設下明確控管邊界。
當建立、執行與監控都發生在同一個環境裡，各方都能因此受益。員工能在資安要求的邊界內快速建置部署，運用專業知識解決問題；資安與 IT 團隊則能維持能見度、套用一致控管，更有信心地擴大 AI 採用規模。治理不再是阻礙創新的路障，而是變成阻力最小的那條路。
科技的變化總是快得驚人，而我們每天的工作，就是從龐雜的趨勢中理出觀點、提煉出決策者真正需要的洞察。如果你也對 AI 發展充滿熱情，《TechOrange 科技報橘》正在徵內容編輯！
👉了解職缺內容
＊本文開放合作夥伴轉載，參考資料：TheNextWeb、TheNextGenTechInsider，首圖來源：Unspalsh
（責任編輯：鄒家彥）
