AI News转载的一篇客座分析文章指出，企业AI采用速度已超过治理速度，传统监控工具无法识别AI活动，影子AI、SaaS内嵌AI和自主智能体构成三类不同风险。
AI解读：这篇文章的核心数字来自Cisco 2025年网络安全准备度指数：60% 的组织不知道员工向生成式AI工具提交了哪些具体请求。不知道输入了什么，就谈不上管住数据流向，所以文章把“可见性”定义为其他所有AI安全控制的前提。
问题出在工具的设计年代。企业的监控系统是按传统软件建的，能发现一个软件订阅，却认不出AI在网络里怎么流转；员工绕过官方渠道使用AI时，IT就看不到敏感数据实际去了哪里。文章明确说这是结构性缺口，不是文化问题。
文章区分了三类影子AI：员工把文档粘进公共聊天机器人、已批准SaaS平台后来悄悄加上的AI功能、以及被快速部署却缺少监督的自主智能体。第三类被单独强调，因为它以机器速度在系统内行动，人工审查跟不上，需要最小权限的零信任控制来限制损害。
对策部分给了两条：持续发现和建立资产清单，以及用行为分析而非已知攻击特征来检测异常。后者以Darktrace为例，称其从 2013 年就开始做AI，平台不对威胁做预设，而是学习每个设备、用户和交互的正常行为。需要注意的是，这是文章作者对单一厂商的描述，属于来源归因，不等于独立验证的结论。
AI News转载的一篇署名WebFX的分析文章称，企业环境的AI采用已经跑在AI治理前面，形成一个基础性的安全问题：组织保护不了自己看不见的东西，可见性因此成为其他所有AI安全控制的前提。
文章引用Cisco 2025年网络安全准备度指数（Cisco’s 2025 Cybersecurity Readiness Index）的数据：60% 的组织不知道员工向生成式AI工具提出的具体请求。缺少这种可见性，就难以监控数据流动、执行策略，也难以弄清企业内有哪些工具或智能体在运行。
文章把这一缺口归因于结构而非文化。组织当初建设的监控工具是用来追踪传统软件的，这些系统从未被设计用来检测AI如何在网络中移动。标准发现工具可以识别一个软件订阅，却常常完全错过AI使用模式。
当员工绕过官方渠道使用AI工具时，IT就失去了对敏感公司数据实际去向的可见性。文章称，这种结构性缺口带来真实的运营风险：数据流向安全团队无法监控或控制的目的地。
文章把影子AI拆成三类风险
影子AI指员工未经组织明确批准就使用AI工具和应用。文章指出，它与传统影子IT不同，因为流氓软件订阅仍会以某种方式被标准发现工具看到，而AI使用往往不会。文章称，影子AI的每个维度都有不同的风险画像，需要不同的应对方式。
第一类是未经批准的独立工具：员工为了省时间，把文档或数据集粘贴进公共聊天机器人。文章强调这种行为很少是恶意的，只是普通员工伸手去拿最方便的工具，并非有意绕过安全协议。
第二类风险藏在公司已经批准的工具里：平台后来新增的AI功能，早于当初的安全审查。文章称，内嵌能力比独立工具更难被发现，因为从监控角度看，这些流量与平台正常活动一模一样。
第三类是自主智能体：与多数助手不同，智能体在系统内采取行动，而不只是回答问题。文章称，监督远远落后于部署，因为智能体常被快速搭建起来解决眼前的工作流问题，没有走正式审查流程。一个拥有未受监控访问权限的智能体，能以人类审查流程无法匹敌的速度影响系统和数据。
传统安全工具失败在架构，而非投入不足
文章认为，这种失败是架构性的，不是努力或预算不够的问题。传统安全工具被建造来追踪预期位置上的已知软件，这与AI能力在组织内实际移动的方式并不匹配。
一个用来编目应用的工具，没有可靠办法对智能体在应用内部的行为进行分类或控制。文章称，多数企业依赖的监控系统缺少捕捉AI活动模式的框架，而随着AI采用加速，这种可见性缺口只会越来越宽。
文章给出的两条对策，以及一个厂商案例
第一条是建立持续发现与资产清单。文章称，一次性审计不够用，因为新的AI工具和功能是持续加入的，而不是按可预测的时间表出现。安全团队应像对待云工作负载那样，把每个资产都作为日常来追踪，而不是出事后再补。
第二条是用多层AI威胁检测，理由仅靠人工审查无法跟上任务的量和速度。文章称，采用先进行为分析的安全平台可以帮助团队识别异常的AI活动，而不只依赖已知攻击特征。
文章随后以Darktrace为例，称该公司自 2013 年起就从事这一方向，早于近期一波贴着AI标签的安全工具。文章描述其平台使用多层AI，覆盖本地网络、云应用、电子邮件、OT系统和端点。
文章称这套做法的独特之处在于没有起点或关于威胁长什么样的预设：技术会学习每台设备、每个用户和每次交互，从观察中形成对正常行为的理解，从而发现并串起细微的行为异常，而其他安全方案试图根据过去观察到的攻击模式预设什么是威胁。
文章最后称，可见性仍是企业安全推进AI创新的基础一步；采用持续发现和先进威胁检测平台的组织的，能够更有效地保护其AI生态。文章建议IT负责人优先考虑覆盖各AI接触点、使用行为分析而非特征检测实时识别威胁的平台。
- 文章引用数据：Cisco 2025年网络安全准备度指数显示，60% 的组织不知道员工向生成式AI工具提出的具体请求。
- 文章归因的三类影子AI：未经批准的独立工具、已批准SaaS平台后来新增的AI能力、自主AI智能体。
- 文章称自主智能体的监督远远落后于部署，常为快速解决工作流问题而未走正式审查。
- 文章称传统监控能识别软件订阅，却常完全错过AI使用模式。
- Darktrace案例描述来自文章作者，称其自 2013 年起从事AI，平台覆盖本地网络、云应用、邮件、OT和端点，且不预设威胁形态。
- 文章建议：持续发现与资产清单、零信任最小权限、以行为分析替代已知攻击特征。