八成员工在「野生」使用 AI：企业影子 AI 治理，从封堵走向纳管

很多管理者还停留在「我们公司不让用 AI」的认知里，但现实早就跑到了制度前面。美国外交关系委员会（CFR）的一份分析指出，超过 80% 的员工正在使用未经企业批准的 AI 系统，其中约 40% 每天都会使用。也就是说，不管你有没有采购、有没有制度，你的团队大概率已经在用个人账号的 AI 写方案、改邮件、总结会议纪要了。

这种「野生使用」之所以普遍，是因为它确实省事：员工不需要走采购流程，打开网页就能用。但正是这种零门槛，让它成为企业安全体系里最大的盲区——你既不知道谁在用，也不知道他们把什么数据喂了进去。

面对这种局面，第一反应往往是封堵：禁掉网站、装上网关、发一个「禁止使用 AI」的通知。但封堵基本是无效的。员工会用个人手机、个人热点、个人账号绕过公司网络；更关键的是，真正的风险不在「有人用 AI」这个动作，而在「数据出了你的域」。

一个销售把客户名单粘进公有模型的对话框，一次复制粘贴，这批数据就永远离开了你的控制范围——它可能被用于训练，可能被缓存，可能被其他用户间接触达。这种损失是静默的、不可逆的，等你发现时，补救成本远高于事前管控。

把影子 AI 的风险拆开看，CFR 的分析把它归纳为三个「隐形」维度。第一是隐形自主性：组织无法对 AI 的自主决策形成有效监督，当员工把任务交给一个会自己调用工具、自己执行的智能体时，安全团队既看不进输入，也看不透逻辑。第二是隐形身份：攻击者可以劫持机器身份渗透组织，生成式 AI 仅需约 20 秒音频就能克隆人声、突破声纹这类生物识别检查。第三是隐形代码：模型本身和它背后的数据流对使用者来说是不可见的黑箱，你不知道它到底读了什么、写了什么。

这三重盲区叠加起来，意味着企业面对的不再是「员工用了个新工具」，而是「一批不受控的智能体正在接触你的客户、你的合同、你的钱」——这才是影子 AI 真正让人睡不着觉的地方。

回到前面那个销售的故事。比起「他用了 AI」，更该被盯死的是「他把客户名单送出去了」。前者是习惯问题，后者是数据资产失控问题。在缺乏统一数据底座的公司里，这类出域几乎无法被拦截：员工在自己电脑上操作，数据走的是个人网络，公司侧的监控系统根本看不到。

所以治理影子 AI 的第一要务，不是消灭 AI，而是把数据边界画清楚：哪些数据绝对不能进公有模型、哪些业务环节必须在受控环境内完成。这一步做不到，再多的禁令都是纸面文章。

既然堵不住，务实的做法是「纳管」——与其禁止员工用 AI，不如给他们一个合规的、好用的 AI，并把它接回企业的统一身份、权限与数据底座。当员工能在受控环境里用上同样甚至更强的 AI 能力，又不必担心数据出域，私下使用自然就失去了吸引力。

纳管的核心是三件事：身份统一（谁在用、用什么都有账号可查）、权限分级（不同角色能碰哪些数据和动作）、数据回流（AI 的输入输出留在企业自己的系统里，可审计、可追溯）。做到这三点，AI 就从「野生」变成了「家养」——能力一样强，但风险完全可控。

纳管听起来是安全部门的事，但它对 IT 和系统架构提出了一个前置要求：你的业务数据得先在线化、受控化。如果客户信息散在销售个人微信里、合同躺在本地磁盘里、流程靠口头交接，那根本不存在一个可以「接回 AI」的统一底座，纳管也就无从谈起。

所以最划算的起点，还是那句老话——先把业务搬上线。一套规范的管理系统，既把数据收拢到受控环境，也为未来的 AI 接入预留了标准接口。当数据在线、权限清晰，治理影子 AI 才不会是无米之炊。