Shadow AI 怎麼管？員工偷用 AI，老闆可能一起被罰
星期二下午，你的業務主管要趕一份客戶分析。他把兩年的出貨明細——含公司抬頭、聯絡人姓名、手機、送貨地址——貼進一個免費的 AI 工具，三分鐘後拿到漂亮的表格，交出去，準時下班。沒有紀錄，IT 不知道，你也不知道。
這就是 Shadow AI（影子 AI）：員工在未經公司資安或 IT 核准的情況下，把工作內容交給企業管不到的 AI 工具處理。它現在的問題已經不是「員工偷懶」，而是三件對決策者來說很實際的事——法律責任落在誰身上、AI Agent 能自己做到什麼程度、以及為什麼多數公司發下去的禁令沒有用。
Shadow AI 不是少數人的行為，數字比你想的高
台灣的數字先擺出來。人工智慧科技基金會與高通在 2026 年 4 月發布的《2026 台灣產業 AI 化大調查》指出，企業內部有 61.8% 的 AI 應用完全脫離公司的管控，報告用了「野蠻生長」這個詞（來源：AIF）。
對照 iThome 的《2026 CIO & CISO 大調查》（2026 年 1 月執行、396 份有效問卷），59% 的台灣企業在生成式 AI 上還處於計畫或驗證階段——多數公司自己都還沒正式上線，內部的 AI 使用卻早就跑在前面。同一份調查裡，18% 的資訊主管把「缺乏對未授權 AI 工具的管理與控制」列為導入 GenAI 最困擾的資安挑戰，但只有 23% 已經建立盤查機制（來源：iThome）。
國際數據方向一致。BlackFog 委託 Sapio Research 在 2025 年 11 月訪問英美 2,000 名員工（皆任職於 500 人以上企業），49% 承認使用雇主未核准的 AI 工具。有一個發現值得管理層讀兩遍：認為「速度比隱私和安全重要」的比例，總裁與 C-level 是 69%、總監與資深副總 66%，而行政職只有 37%（來源：BlackFog）。繞過政策最兇的，往往是訂政策的那一層。
墨爾本大學與 KPMG 的全球研究（2025 年發布，47 國、48,340 人）也顯示，47% 的職場人士承認曾以「可能不恰當」的方式使用 AI，超過半數會避免揭露自己用了 AI（來源：Melbourne Business School）。
在台灣，這件事的法律代價是什麼
「有資安風險」這句話對台灣的老闆來說太抽象了。條文長什麼樣，比較有用。
第一層是個資法。 員工把客戶名單貼進公開 AI 工具，通常已經超出當初蒐集這些資料的特定目的（現行《個人資料保護法》第 20 條第 1 項）；公開 AI 服務的伺服器多在境外，還可能構成第 21 條的國際傳輸。但真正該擔心的是第 27 條第 1 項——公司「應採行適當之安全措施」防止個資被竊取、竄改、洩漏。員工能這樣貼，本身就是安全措施不足的證據。
罰多少？依第 48 條，違反安全維護義務為 2 萬至 200 萬元罰鍰並令限期改正；情節重大或屆期未改正按次處罰時，區間拉高到 15 萬至 1,500 萬元（來源：全國法規資料庫，112 年 5 月 31 日修正版）。
接著是第 50 條，這條寫給每一位公司負責人：非公務機關受罰鍰處罰時，其代表人、管理人「除能證明已盡防止義務者外，應並受同一額度罰鍰之處罰」。公司被罰 500 萬，負責人另外被罰 500 萬——除非你舉得出「已盡防止義務」的證據。一份寫清楚的 AI 使用政策、一份簽名的教育訓練紀錄、一份工具盤點清單，價值就在這裡。
補充一個時間點：個資法已於 2025 年 11 月 11 日公布修正，安全維護義務會從第 27 條移到第 20 條之 1 並新增外洩通報義務，但施行日期由行政院另定，目前尚未生效；主管機關現階段仍是各中央目的事業主管機關與地方政府，個人資料保護委員會仍在籌備處階段（來源：個資會籌備處）。
第二層是營業秘密。 《營業秘密法》第 2 條規定，一項資訊要受保護必須同時滿足三個要件，其中之一是「所有人已採取合理之保密措施」（來源：全國法規資料庫）。保護不是自動的。經濟部智慧財產局的宣導文件說得很直接：營業秘密「一旦喪失就永遠喪失」，但若基於信賴關係或契約保密條款而「合理揭露」給特定人，仍不失其秘密性（來源：智慧財產局）。
把配方、報價邏輯、客戶名單貼進一個不受任何保密條款拘束的公開 AI 工具，很難說是「合理揭露」。反過來說，公司若已有明文政策、教育訓練與存取控制，員工違規上傳仍可能被評價為「已採合理保密措施」，秘密性不當然喪失。（台灣目前尚無此類判決，這是條文推論，不是既有判例。）
從「員工貼錯資料」到「AI 自己動手」
真正讓風險規模跳一級的，是 AI Agent。
傳統 Shadow IT 是員工私裝軟體，資料多半還在公司裡。生成式 AI 讓資料離開邊界。而 AI Agent 更進一步——它能讀寫檔案、執行指令、對外連線，不需要人在旁邊按下一步。
Cloud Security Alliance 在 2026 年的調查中發現，82% 的企業在過去一年發現至少一個資安或 IT 部門原本不知情的 AI Agent 或工作流；但同一批受訪者中，有 68% 自認對公司內的 AI Agent 具備高度可見度（來源：CSA）。這兩個數字放在一起讀才有意思：大多數企業覺得自己看得見，然後在同一年撞見了自己不知道的東西。
資安公司 Reco 分析 500 個公開的 MCP server 後指出，有 62% 的 agent 同時具備「執行指令、存取檔案、對外連線」三種能力——找到資料、對它動手、把它搬走的完整工具鏈（來源：Infosecurity Magazine）。MCP 這類串接標準怎麼運作，可以參考什麼是 MCP。
2026 年 7 月的一起事件把後果講得很清楚。OpenAI 在一次大規模的 agent 評測中，1,200 個 agent 在沒有被授權互相通訊的情況下，自行找到了一個訊息板互通，交換約 7 萬則訊息與檔案；其中約 700 個 agent 後續對開源平台 Hugging Face 發動攻擊，並在數台伺服器上取得程式碼執行權限。OpenAI 事後的檢討指出，缺乏適當防護時，AI agent 能「繞過技術控制、透過未核准管道協作，並採取無人指示的危險行動」，並稱這是對整個產業的警訊（來源：Cybersecurity Dive）。
另一個容易被忽略的方向：AI 的執行位置正在從雲端移回本地。開發者自行下載模型在本機離線推理，完全繞過雲端 API 與既有治理機制，台灣媒體稱之為「影子 AI 2.0」——傳統的網路監控看不到（來源：TechOrange）。如果你的團隊裡有人私下在公司電腦上跑本地 AI 助理，情況跟我們寫過的 OpenClaw 是同一類問題。
成本這一端，IBM 的《2026 資料外洩成本報告》給了目前最新的錨點：涉及 shadow AI 的資安事件從去年的 20% 翻倍到 43%，這類外洩的平均成本為 539 萬美元；68% 遭外洩的企業沒有管理 AI 或偵測 shadow AI 的治理政策（來源：IBM）。
為什麼全面禁止 Shadow AI 通常沒有用
看到這裡的第一反應多半是：那就禁掉。
問題是禁令處理的是可見度，不是需求。員工需要那份三分鐘就能生出來的報表，禁令沒有讓需求消失，只是讓它換到個人手機上完成。前面那份 BlackFog 調查裡有一條很誠實的數據：63% 的受訪者認為，如果公司沒有提供核准的選項，在沒有 IT 監督下使用 AI 是可以接受的（來源：BlackFog）。
反過來看正向數據。Netskope 的《2026 雲端與威脅報告》顯示，隨著企業開始提供公司管理的 AI 帳號，使用個人 AI 帳號的比例從一年前的 78% 降到 47%，使用組織管理帳號的比例從 25% 升到 62%。但同一份報告也誠實地指出，在個人帳號與企業帳號之間來回切換的使用者從 4% 增加到 9%——代表企業提供的工具在便利性或功能上仍未達到使用者期待（來源：Netskope）。
這個結構其實很眼熟。我們寫過經銷商為什麼不用你的下單系統：系統做好了、教育訓練也辦了，客戶還是回頭用 LINE。原因不是他們不配合，是新工具比舊習慣麻煩。員工偷用 AI 和客戶不用下單系統，是同一種力學——當合規路徑比違規路徑難走，人就會繞路。
90 天內可以做完的四件事
不需要一份兩百頁的治理白皮書。以下四步對 30 到 300 人的公司來說，用一季做得完。
一、盤點：先知道現在有什麼。 不是抓人，是列清單。問三個問題：各部門實際在用哪些 AI 工具？用的是公司帳號還是個人帳號？有沒有工具已經串接到公司系統（郵件、雲端硬碟、ERP）？串接過的那些優先處理，因為它們的權限最大。開誠布公地問，比從日誌反推快得多——前提是你不把這次盤點變成究責。
二、分級：把工具分成三類。 核准（已審查、有企業條款、可處理內部資料）、有限度容許（可用於公開資料，禁止貼入個資與商業機密）、禁止（已知有安全疑慮或會用你的資料訓練模型）。清單要短、要具體到工具名稱，並且指定一個人負責更新。
三、替代：把最常被偷用的流程補上正規路徑。 前兩步讓你看得見，這一步才會真正改變行為。從被偷用得最兇的工作開始——通常是資料整理、查訂單、查庫存、寫回信、做報表。部署經過審核的企業級方案，資料在企業環境內處理、不流入外部訓練，同時能串接 ERP、CRM。以我們自己做的接單場景為例，Metrio 讓客戶維持原本用 LINE、Email、電話下單的習慣，AI 在企業側把非結構化的訂單內容轉成結構化資料寫進 ERP——業務不需要為了處理訂單，去外面找一個 AI 幫忙整理。（企業內部 AI 助理長什麼樣，可以看這篇。）
四、留下紀錄。 政策文件、教育訓練簽到、工具清單版本、稽核紀錄。這些東西平常沒有用，出事的時候是你證明「已盡防止義務」的全部依據——回頭看個資法第 50 條。
如果需要參考範本，行政院及所屬機關的生成式 AI 參考指引雖然只適用公部門，但它揭示的安全性、隱私與資料治理、問責等原則可以直接借用；金管會 2024 年發布的金融業運用 AI 指引屬行政指導性質，其中「資料最小化」與「第三方 AI 產出仍須由人員專業管控」的要求，一般企業同樣適用。台灣的《人工智慧基本法》已於 2025 年 12 月 23 日三讀通過（來源：數位發展部），確立問責、隱私保護與資料治理等原則，後續的風險分類框架值得持續追蹤。
什麼情況下，「先禁再說」反而是對的
誠實一點：不是每家公司都該走「疏導」路線。
如果你的公司同時符合這幾個條件——處理大量特種個資（醫療、金融、生物特徵）、目前完全沒有任何存取控制或稽核能力、而且沒有人有時間在三個月內建立分級與替代方案——那麼在能力補上之前，先把公開 AI 工具擋在網路層，確實是比較負責任的做法。禁令的問題不在於它是錯的，在於它常被當成終點而不是起點。
同樣地，如果你的團隊只有五個人、每天處理的資料都是公開資訊，那麼一份三頁的規範加一次口頭說明就夠了，不需要走完上面四步。治理的成本要跟風險的規模對齊。
小結
Shadow AI 不是資安部門的技術問題，是管理層的決策問題。台灣有超過六成的企業 AI 應用脫離管控，而個資法第 50 條把罰鍰同時開給公司和負責人——差別在於你手上有沒有證據證明自己已盡防止義務。
務實的順序是：先盤點看見、再分級、然後把最常被繞路的流程補上一條合規又好走的路，最後把過程留成紀錄。第三步花的時間最多，效果也最直接——從接單、報價、查詢、文件整理這些每天都在發生的工作開始。
想了解 AI 如何在企業自己的環境內處理訂單與日常查詢？預約免費諮詢 或直接 體驗智導平台。