多數企業以為員工乖乖用公司發的帳號辦公，攤開最新的調查數字才發現，事情完全不是這樣。Gartner 在 2025 年 3 月到 5 月間，調查了 302 位資安主管，結果有 69% 的組織懷疑或已經有證據，顯示員工正在使用被禁止的公開生成式 AI 工具處理公務。員工用得比想像中快，企業訂出正式 AI 使用規範的腳步卻遠遠追不上，這中間越拉越大的落差，正是 Shadow AI（影子 AI）之所以棘手的原因。
Shadow AI 指的是員工沒有經過 IT 或資安部門審核授權，拿個人帳號、私人裝置，把 ChatGPT、Gemini、Claude 這類消費級生成式 AI 工具用在公務上。聽起來只是多開一個瀏覽器分頁，實際上等於把公司資料送進一個公司完全看不見、也管不到的系統——一旦資料外洩或誤觸法規，企業要承擔的代價，往往比想像中重得多。Gartner 甚至預測，到 2030 年會有超過 40% 的全球企業，因為未經授權的 AI 工具而發生資安或合規事件。
這篇會先把 Shadow AI 真實的樣貌講清楚，再給 HR 和 IT 主管一套不必全面禁止、也管得住風險的治理做法。先從員工實際在偷用什麼、怎麼偷用講起，再一步一步拆進實際的風險、台灣的法律紅線與治理步驟。
Shadow AI 是什麼？員工「偷用」AI 的真實樣貌
Shadow AI 最精準的定義，包含三個要素：員工沒有經過公司審核授權、用的是個人帳號或私人裝置而不是公司提供的管道、而且拿來處理的是公司業務或客戶資料。三個條件同時成立，才算是真正的 Shadow AI，不是單純「員工用了 AI」這麼簡單。
這個現象最麻煩的地方在於它幾乎「隱形」。Microsoft 旗下身分識別服務 Microsoft Entra 的官方說明就指出，員工存取生成式 AI 工具產生的網路流量，看起來跟一般瀏覽網頁沒有兩樣，IT 部門光靠肉眼或傳統防火牆規則，很難即時分辨出哪一段流量是員工把資料貼進了 ChatGPT 或 Claude。要抓出這些流量，得靠專門分析網路流量特徵的工具，去比對已知生成式 AI 服務的連線模式才做得到。
範圍也比多數人以為的更廣。Shadow AI 不只是員工自己開瀏覽器聊天，還包含員工自行串接的 AI API、瀏覽器外掛，甚至是企業內部系統裡「早就內建但沒人盤點過」的 AI 功能。同一套軟體，可能上個月還只是文書工具，這個月的更新就悄悄加了 AI 摘要或自動回覆，公司卻從沒正式評估過這個功能能不能用。
說到底，Shadow AI 的核心問題不是工具本身不好，ChatGPT、Claude 這些工具論效率確實很強，問題出在「公司不知道」。員工用了什麼工具、把什麼資料貼進去、資料流向哪裡，企業完全沒有紀錄，也就談不上管理。
Shadow AI 和 Shadow IT，有什麼不同？
不少人聽到 Shadow AI，第一反應是「這不就是 Shadow IT（影子 IT）換個新名字」，員工偷用沒登記的軟體，以前也不是沒發生過。但這兩者的風險等級完全不同。
Shadow IT 講的是員工未經授權使用任何 IT 應用程式或服務，常見的例子像是個人雲端硬碟、沒申請核准的協作軟體，問題通常是資料散落各處、版本管理混亂、可能踩到合規紅線。Shadow AI 的問題性質不一樣：資料一旦被貼進生成式 AI 工具，等於送進一個會學習、甚至會自己採取行動的模型，公司幾乎無法收回這筆資料，也確認不了它後續會被拿去做什麼、會不會變成模型訓練的一部分。
Microsoft 官方文件把兩者的差異整理成清楚的對照，可以看出風險等級的落差：
| 對比項目 | Shadow IT | Shadow AI |
|---|---|---|
| 定義 | 未經授權使用任何 IT 應用程式或服務 | 未經授權使用生成式 AI 應用程式與工具 |
| 主要風險 | 資料散落各處、安全漏洞、合規違規 | 資料外洩進 AI 模型、合規違規、AI 工具自主行為失控 |
| 常見例子 | 個人雲端儲存、未經核准的協作軟體 | AI 聊天機器人、AI 模型 API、瀏覽器外掛 |
| 偵測方式 | 應用程式盤點、雲端應用分析 | 分析網路流量，辨識生成式 AI 應用的連線特徵 |
而且下一代的風險已經不只是「聊天機器人生成文字」這麼單純。愈來愈多企業開始導入 AI 代理人（AI Agent），讓 AI 拿著員工的系統權限，跨系統自主執行任務，像是查詢客戶資料、發送郵件，甚至修改系統設定。一旦這類代理人被誤用或遭到挾持，影響範圍不再只是一段對話外洩，而是有人假借員工的身分在系統裡做事。這不是舊問題換了新名詞，而是真的更難管。
影子 AI 有多普遍？2026 年最新統計一次看懂
把幾份調查的數字並排來看，更能看出這個落差有多明顯。企業這一端，Gartner 調查的 302 位資安主管裡，69% 懷疑或已經證實員工在用被禁止的生成式 AI 工具；員工這一端，Microsoft 2024 年的《工作趨勢指數》（Work Trend Index）調查發現，78% 有在用 AI 的員工都會自行把個人的 AI 工具帶進工作中（這個現象被稱為 BYOAI，Bring Your Own AI），中小企業的比例更高達 80%。到了 2025 年，Microsoft 在英國做的另一份調查顯示這個比例還在往上爬：71% 的員工用過公司沒核准的消費級 AI 工具，51% 每週都在用。多份調查呼應同一個趨勢：員工使用 AI 的速度，遠遠超前企業訂出正式使用政策的腳步。
數字之外，更該留意的是員工自己對風險的警覺度偏低。Microsoft 的英國調查發現，員工雖然普遍已經在用這些工具，但只有 32% 會擔心自己輸入的資料外洩隱私，29% 會擔心影響公司的資安，換句話說，多數人享受了 AI 帶來的效率，卻沒把資料外洩的風險當一回事。
這裡要誠實說明：目前規模較大的量化調查，幾乎都來自 Gartner、Microsoft 這類國際研究機構與國際企業樣本，台灣本地目前還沒有對等規模的官方統計。但這些國際數字的量級與逐年攀升的趨勢，仍然可以拿來當作台灣企業評估自身風險的參考基準，員工用 AI 提升效率的動機放諸四海皆準，治理落後的問題也不會因為換了個地區就自動消失。
哪些產業的影子 AI 風險特別高？
不是所有產業的風險都一樣高。愈是仰賴工程與研發、愈常處理敏感資料的產業，Shadow AI 滲透得也愈深，這對 HR 和 IT 主管在分配治理資源時，有實際的參考價值。
技術與工程職能是滲透最快的一群。這類職務天天都要寫程式、除錯、整理技術文件，把程式碼或系統架構貼進 AI 工具尋求優化建議，幾乎是最自然不過的舉動，Microsoft 的調查也觀察到，BYOAI 的現象在各世代、各規模的企業裡都普遍存在，工程相關職能又是其中滲透最深的一群。
金融與醫療這類受到高度監理的產業，風險又多疊加了一層。這類產業的資料一旦外洩，面對的不只是資安問題，還有法規罰則。以歐盟《一般資料保護規則》（GDPR）第 83 條為例，最嚴重的違規，罰則最高可達 2,000 萬歐元或全球年營收 4%，以較高者為準，這個量級足以看出高監理產業一旦出事，代價有多重。
產業風險不一樣，治理的優先順序也該不一樣，不能全公司套用同一套鬆緊。
員工為什麼甘冒風險，也要偷用 AI？
多數員工偷用 AI，並不是故意要違規，而是官方工具的效率跟不上工作的需求，員工只好自己想辦法。
Microsoft 在英國的調查具體列出員工都拿 AI 工具做什麼：49% 用來草擬或回覆工作溝通內容、40% 用來寫報告或簡報，還有不少人用它摘要整理會議記錄、輔助寫程式除錯。這些都不是摸魚的舉動，反而是員工想更快把事情做完的正常心理。
制度面的落差同樣關鍵。同一份調查裡，41% 的員工表示用 AI 已經是個人生活習慣的延伸，自然而然就帶進工作場合；28% 則直接說，是因為公司根本沒提供官方版本的工具可以用。多數企業從來沒有明確告訴員工「什麼可以用、什麼不能用」，員工只能自己判斷該不該把某份資料貼進去，判斷錯了才會出事。
正因為員工偷用 AI 的動機是正向的（想更有效率地把事情做完），單純用禁止去擋這個需求，並不會讓行為消失。員工不會因為被禁止就不用，只是換一個公司看不到的方式繼續用，行為反而被逼進更難監控的角落。
偷用 AI 會踩到哪些風險？從資料外洩到失控的 AI Agent
偷用 AI 的風險，其實可以拆成三個層次，一層比一層麻煩。
最直接的是資料外洩。員工把程式碼、客戶資料、財務資訊貼進公開的 AI 工具，資料就送進了外部服務商的系統，公司幾乎沒辦法把它收回來，也確認不了這筆資料後續會不會變成模型訓練的一部分、會不會被別人用提示詞問出來。
2023 年南韓三星電子的半導體部門，就發生過一起很有代表性的案例。當時有工程師為了檢查程式碼有沒有錯誤，把半導體診斷用的原始碼貼進 ChatGPT 尋求協助；另一名員工則是把用來偵測設備瑕疵的程式碼上傳，想請 AI 給優化建議；還有人把內部會議錄音轉成文字後，也丟進去請 AI 整理會議記錄。不到三週，類似的事件就發生了三次，三星隨後全面禁止員工使用生成式 AI 工具，違反規定最重可能被解僱。這起事件說明，等到問題發生了才用「全面禁用」補破網，代價遠比事先建立規範要高得多，即便是全球數一數二的科技公司，也逃不過這個教訓。
再往上一層是法遵風險。員工把受保護的個資或營運機密貼進公開 AI 工具，可能已經違反資料保護規範，面對的處罰也不輕。以歐盟 GDPR 為例，最嚴重的違規，罰則最高可達 2,000 萬歐元或全球年營收 4%，以較高者為準。
最新一層風險，則是 AI 代理人（AI Agent）帶來的。跟單純的聊天機器人不一樣，AI Agent 是拿著員工的系統權限，跨系統自主執行任務，查詢資料、發送郵件，甚至修改系統設定都可能包含在內。美國國家標準與技術研究院（NIST）2025 年更新的風險分類框架裡，首度把這種自主行動的 AI 系統列為傳統聊天機器人沒有的新型風險面。一旦這類代理人被誤用或遭到挾持，影響範圍不再只是一段對話外洩，而是有人拿著員工的身分，在系統裡自己做事。
個資法與營業秘密法，員工偷用 AI 可能踩到哪些紅線？
這些風險放進台灣的法律脈絡裡看，不只是公司內規層次的事。
員工把含有客戶個資的內容貼進公開 AI 工具，可能已經觸及個人資料保護法的規範。個資法對機關與企業蒐集、處理、利用個人資料，都設有特定目的與合理範圍的限制，員工未經同意就把客戶的姓名、聯絡方式、消費紀錄整段貼給 AI 工具處理，已經超出當初蒐集這些資料時講好的用途。
把公司研發資料、製程參數、客戶名單貼進 AI 工具，則可能動搖公司主張營業秘密法保護的前提。營業秘密法第 2 條明定，一項資訊要受到保護，必須同時符合三個要件：具有秘密性（不是同業普遍知道的資訊）、具有實際或潛在的經濟價值、而且所有人已經採取合理的保密措施。資料一旦被貼進公開的 AI 工具，等於任由它離開公司的掌控範圍，事後很難再證明公司對這項資訊已經採取合理保密措施。
換句話說，這節不是要嚇讀者，而是要說明，公司訂出白紙黑字的 AI 使用政策，本身就是在補齊合理保密措施這一塊，也呼應了為什麼接下來要談的治理框架非做不可。
不盲目禁止，五步打造影子 AI 治理框架
光靠一紙禁令，擋不住員工想更有效率工作的動機，也解決不了 Shadow AI 已經存在的事實。真正能解決問題的，是一套看得見、分得了級、也持續調整的治理框架。
以下五個步驟，參考了 NIST 生成式 AI 風險管理框架裡「治理、盤點、衡量、管理」四大核心功能的邏輯，也對照了台灣行政院「使用生成式 AI 參考指引」裡「先盤點、再分級、才訂規則」的做法，轉譯成 HR 和 IT 主管可以直接照著執行的五個動作。順序很重要。得先看得見，才分得了級；分了級，政策才有依據；政策訂了，還要有官方替代方案讓員工不必偷用；最後得靠持續教育與稽核，讓整套框架跟著風險演進，而不是訂一次就結案。
步驟一：先建立能見度，盤點員工正在用哪些 AI 工具
治理的第一步永遠是先看見。企業可以從既有的網路流量紀錄與雲端存取紀錄著手，找出哪些網域正被員工頻繁存取、資料上傳量是不是出現異常波動，藉此拼湊出組織內部實際有哪些 AI 工具正在被使用。
不必一開始就採購昂貴的專門系統，用現有的網路或雲端存取記錄，就能先抓出大致的輪廓。Microsoft 旗下 Microsoft Entra 的全球安全存取功能，就是透過分析網路流量，辨識 ChatGPT、Claude 等已知生成式 AI 服務的連線特徵，把原本看不見的使用狀況攤在管理者眼前。看得見，不是為了抓員工的把柄，而是治理的起點，沒有這一步，後面的分級和政策都無從談起。
步驟二：把 AI 工具分級，核准、限制、禁止各有一套規則
盤點完之後，不是一刀切全部核准或全部禁止，而是依風險分成三級。核准使用的是企業級工具，資料不會被拿去訓練外部模型，也有存取控制與紀錄；可以限制使用的工具，例如禁止輸入客戶個資，但可以用在一般的草擬工作；明確禁止的工具，則是資料處理政策不透明，或已知有疑慮的服務。分級的判斷基準，應該對照個人資料保護法與營業秘密法對合理保密措施的要求，而不是憑感覺決定。分級的目的不是把大部分工具都打入禁止，而是讓員工清楚知道哪個可以用、哪個不行，安心用該用的工具。
步驟三：訂出白紙黑字的 AI 使用政策
政策不需要寫成一長串法律條文，而是要具體到操作層級，像是哪些資料類型絕對不能輸入 AI、AI 產出的內容要不要經過人工複核。行政院對公務機關訂出的做法可以作為參考：機密文書不能由生成式 AI 代寫，不能詢問涉及機密業務或個資的問題，AI 產出的內容也不能直接當成決策依據。企業可以把這套邏輯，轉譯成適合自己員工日常情境的版本，員工才有依據判斷什麼能做、什麼不能做，不用再自己憑感覺猜。
步驟四：提供好用的官方工具，員工才不必偷用
前面的調查已經指出，員工偷用 AI 最大的原因之一，就是公司根本沒提供官方版本可以用。與其只靠政策去約束，不如同步導入企業版或受控版的 AI 工具，資料不外流、有存取紀錄可查。把員工原本要偷用的需求，用一個一樣好用、卻安全得多的官方管道接住，治理才留得住人心，而不是逼員工繼續躲著用。
步驟五：持續教育與稽核，讓政策跟著風險調整
政策訂完不是終點。AI 工具與相關風險都在快速變化，企業需要定期稽核使用狀況、更新分級名單，同時持續教育員工為什麼要這樣規範，而不只是條列一堆規則要員工死背。員工理解風險背後的脈絡，才會真心配合，而不是想辦法繞過規定。NIST 的風險管理框架也強調，衡量與管理是需要反覆進行的循環，不是做一次就結束的專案。
政策訂出來後，HR 和 IT 主管各自要做什麼？
治理框架要真正落地，需要 HR 和 IT 兩邊分工合作，不能丟給 IT 部門單打獨鬥。
IT 主管負責的是技術面：盤點目前有哪些 AI 工具正在被使用、設定分級對應的存取權限、評估並導入企業版的替代方案，同時持續監控有沒有異常的資料流向。
HR 主管負責的則是人的面向：把 AI 使用政策寫進員工手冊與新人訓練，設計員工聽得懂、記得住的教育訓練內容，並且建立一個員工可以安心通報「我不確定這樣用 AI 可不可以」的溝通管道，而不是等出事了才處理。
技術管得住工具，制度才管得住人。兩邊少了任何一邊，治理框架都只是紙上談兵。
Shadow AI 不會因為多數企業睜一隻眼閉一隻眼就消失，員工想更有效率完成工作的動機也不會變。企業能做的，是把這股力量從看不見的角落，導回一個看得見、也管得住的框架裡。與其等下一次資料外洩事件發生後才手忙腳亂全面封鎖，不如現在就從盤點手上正在被使用的 AI 工具開始做起。