治理與安全是企業AI落地關鍵

勤業眾信於10月 29日攜手 Netskope與 Illumio舉辦「AI Security：打造可信任的 AI 未來」研討會，內容指出，AI 正以前所未見的速度重塑企業營運與決策模式。然而，隨著 AI 應用快速普及，Shadow AI、資料外洩與模型安全等新興風險也同步浮現。面對 AI 時代，企業資安已不只是防禦問題，更是支撐 AI 創新與規模化應用的關鍵基礎。唯有將安全與治理前置，才能讓 AI 從「可用」走向「可信」，打造安全、可靠且永續的 AI 未來。

勤業眾信網路安全負責人陳威棋開場致詞時表示，AI 正快速改變企業的決策方式、營運模式與競爭節奏，但技術發展往往快於治理制度建置。談及企業普遍擔心治理拖慢創新的疑慮，陳威棋指出，治理不是替 AI 踩煞車，而是讓企業有信心踩下油門。他說明，完整的 AI 治理不只是一套政策或規範，更應連結企業目標、業務流程、組織運作、權責分工與文化建立，才能讓 AI 從單點試驗轉化為可持續的營運能力。不過，完整制度的建立需要時間，企業往往希望先看見成果，而非等到所有管理機制到位後才開始行動。

陳威棋建議採取「治理與工具雙軌並進」，一方面逐步建立治理架構，另一方面運用工具讓高價值應用場景優先落地，透過盤點、測試、監控與風險控制，快速形成可驗證的成果。他強調，企業不必在治理與創新之間二選一；先讓價值被看見、讓風險被管住，就是 AI 治理最務實的第一步。藉由 Quick Win 累積信任與經驗，企業即可逐步擴大治理深度與 AI 應用規模。

代理型AI治理如何重塑企業價值鏈與決策韌性

勤業眾信科技與轉型服務副總經理林翰則從企業風險邊界進一步說明，AI 一方面加速決策與創新，另一方面也可能放大資料、權限與跨系統操作的風險。林翰表示，AI 既是成長的加速器，也是風險的放大器；企業要做的不是把AI關在門外，而是清楚畫出它能活動的邊界。他指出，當 AI 從回答問題走向自主執行任務，治理對象便不再只是模型輸出，更包括 Agent 可接觸的資料、可使用的權限、可呼叫的工具及可執行的行動。企業需建立盤點、最小權限、行為監控、人工核准與追溯機制，才能在異常發生時快速辨識並限縮影響。他強調：可信任的 AI，不是零風險的 AI，而是風險能被看見、被量化，也有人能負責的 AI。唯有讓風險維持在可控範圍，企業才能放心擴大授權，一面擁抱 AI 的可能性，一面在浪潮中穩健成長。

全面解碼企業內的AI潛在威脅

Netskope 資深技術顧問劉宇庭表示，生成式 AI 帶來生產力躍進，卻也衍生出難以覺察的安全盲區。員工在 Prompt 中輸入敏感資訊、未經授權的 Shadow AI 應用，以及新興的 AI Agent 與 MCP 整合，都可能成為機密外洩的破口。當 AI 互動、資料流向與自動化操作難以被完整掌握時，企業便可能面臨傳統資安機制難以涵蓋的安全缺口。

透過 Netskope Skylight AI Security，企業可提升 AI 使用可視性、掌握 AI 應用與 Agent 活動，並依據資料敏感度與安全政策進行檢查及控管，協助及早識別風險、降低資料外洩與不當操作的可能性，在兼顧安全與營運效率的前提下，安心釋放 AI 潛力。

Agentic AI時代的東西向風暴與零信任新戰場

Illumio高級安全技術總監 Billy Chuang說明，當 AI 從回答問題走向自主執行任務、呼叫工具與多代理協作，企業內部的東西向流量、非人類身分與工具權限，成為橫向移動風險的關鍵。透過零信任分段限制不必要的通訊。Illumio Insights 與Segmentation 分別提供洞察與隔離能力，彼此互補，但並非安全保證。最後提出九十天實務路徑：先建立流量可視性，再盤點相依關係與制定政策，接著於小範圍驗證並演練，縮小事件影響，維持關鍵營運。

勤業眾信科技與轉型服務副總經理白哲豪指出，企業導入 AI 時，地端部署與商用雲端服務在導入難度、運作穩定度與安全責任上各有差異。地端部署讓資料留在企業內部，但模型更新、防護機制與系統維運都須由企業自行承擔。商用雲端服務上線快，穩定度也較有保障，但企業須掌握資料流向，並清楚界定與服務商之間的責任分工。無論採用哪一種方式，企業都須面對同一個前提：大型語言模型（LLM）產生幻覺或偏離預期行為，是技術本身的特性，無法完全消除。

因此，避免損失的關鍵不在於期待模型永遠正確，而在於限縮出錯時造成的影響範圍。除了在 AI 架構上加入防護與調整，更重要的是企業能否看見每一個 Agent 的運作，包括哪些 Agent 正在執行、存取哪些資料與系統，以及使用什麼權限。他建議企業依任務授予最小必要權限，避免一次給予過大的存取範圍。Agent 執行所在的沙盒（sandbox）也應設定權限邊界，並管控對內與對外的網路連線，讓單一 Agent 出錯時，影響停留在可控範圍內。