员工通过浏览器、插件、桌面客户端或接口使用生成式 AI，可能为业务带来效率，也可能绕开企业已经建立的审批与数据管理流程。管理者首先需要弄清“用了哪些工具、用于什么场景、涉及哪些数据、谁负责复核”，而不能仅凭访问过某个站点就断言发生了数据泄露。
影子 AI 通常指未纳入组织正式管理或审批的 AI 使用。它描述的是管理可见性与流程边界问题，并不自动等同于违规行为、恶意操作或已经发生的安全事件。
先看四类入口，明确治理范围
企业可从浏览器服务、扩展插件、桌面客户端和 API 调用四类入口整理 AI 工具清单。以现有身份、终端、网络和应用管理记录为线索，说明每类数据覆盖哪些系统、保留多长时间、哪些场景暂时不可见。
工具名称与访问频率能够帮助识别使用趋势，但通常不足以证明上传了什么具体数据。核查应依据实际日志字段、授权范围与可验证证据，区分“访问记录”“上传迹象”和“已确认的数据交互”。
第一步：发现，建立可以复核的清单
先记录工具、账号或人员、部门、使用时间、业务场景和审批状态；无法确认的内容标为待核验。清单应包含允许使用、需要审批、未纳入管理和暂不可识别等状态，避免把所有未知工具都直接归为高风险。
数据采集需要遵循企业已经建立的权限与数据保护要求。优先使用必要的使用元数据，不因治理需要就无限收集提示词、文件内容或个人信息。新增采集范围前，应明确目的、访问权限与留存规则。
第二步：归因，关联人员和业务场景
发现工具后，将线索与责任人、部门、工作任务、数据敏感度和制度要求关联。相同工具可能服务于公开文案，也可能被用于处理内部材料，风险判断要回到具体场景。
证据不足时，不将推测写成已经确认的事实。出现异常线索后，由有权限的责任人进一步核验数据交互和审批情况，并记录结论、处理依据与后续动作。
第三步：分级管控，兼顾效率与边界
低风险场景可使用经审核的工具和账号，明确允许处理的数据范围；中风险场景可增加审批、脱敏和复核；高风险场景则按企业既有安全策略采取限制与人工处置。具体措施取决于企业的技术条件、合同和管理制度。
不要把工具禁用视为治理完成。需要为员工提供可使用的替代入口、例外审批和反馈渠道，同时说明如何恢复正常业务，避免管理要求与实际工作脱节。
从专项排查走向日常治理
将 AI 工具纳入资产目录，将使用边界纳入数据分类和审批规则，并持续复核新增工具、异常记录和整改结果。每项整改保留责任人、证据、完成时间和复核结论，形成发现、处置、复核的闭环。
选择 AI 管理方案时，企业可围绕 SMARTLIC 已确认的 AI 使用与成本管理方向，核对当前产品版本的数据范围、接入条件和管理边界。本文提出的日志关联、风险分级与处置方式是治理设计建议，不作为未经确认的产品功能清单。
常见问题
访问外部 AI 服务就代表数据已经泄露吗？
不能这样判断。需要结合实际交互证据和数据类型核验，访问元数据本身不足以证明具体上传内容。
应该禁止所有 AI 工具吗？
应根据数据敏感度、业务必要性和可控条件分级管理，并为合规使用提供清晰路径。
第一阶段最重要的成果是什么？
是范围明确、证据可追溯、责任可落实的工具与场景清单，而不是未经核验的风险数量。
