Chỉ 29% đội ngũ bảo mật có thể thường xuyên báo cáo dữ liệu nhạy cảm mà nhân viên gửi đến các công cụ AI

Bài viết này dựa trên những phát hiện trong báo cáo khảo sát năm 2026 của Cloud Security Alliance (CSA), DLP trong kỷ nguyên AI, do Jazz đặt hàng.

Trong tháng 6 và tháng 7, CSA hỏi 433 chuyên gia CNTT và bảo mật liệu đội ngũ của họ có thể lập báo cáo cho biết dữ liệu nhạy cảm đã được gửi đến các công cụ GenAI bao nhiêu lần trong 30 ngày qua hay không. 29% cho biết họ có thể thường xuyên lập báo cáo này.

Con số đó sẽ ít đáng chú ý hơn nếu những người tham gia khảo sát xem GenAI là một kênh nhỏ. Họ xếp đây là nguy cơ rò rỉ dữ liệu hàng đầu, với 48% đưa kênh này vào ba nguy cơ hàng đầu.

Tôi phụ trách bộ phận kỹ thuật tại một công ty phát triển giải pháp ngăn ngừa mất dữ liệu, và phần lớn công việc của tôi xoay quanh việc xác định bằng chứng về sự dịch chuyển dữ liệu xuất hiện ở đâu trong hệ thống, cũng như nguyên nhân tạo ra rủi ro. Từ góc độ đó, khoảng cách giữa những gì các đội ngũ tin rằng họ có thể nhìn thấy và những gì họ có thể chứng minh là hệ quả trực tiếp từ cách các biện pháp kiểm soát GenAI được thiết kế.

Mức độ tự tin về khả năng quan sát GenAI vượt xa những gì các đội ngũ có thể chứng minh

Hơn một nửa số người tham gia khảo sát chấm mức độ quan sát GenAI của họ ở mức 4 hoặc 5 trên thang điểm 5. Tuy nhiên, chỉ 29% có thể thường xuyên củng cố đánh giá đó bằng một báo cáo đơn giản đếm số lần dữ liệu nhạy cảm được gửi đến một công cụ AI.

Nguồn: Cloud Security Alliance, DLP trong kỷ nguyên AI (2026), n=433. Dựng lại từ các biểu đồ trong báo cáo, trang 22 và 23.

Việc thực thi cũng theo xu hướng tương tự. Chỉ 22% số người tham gia khảo sát chặn nghiêm ngặt dữ liệu nhạy cảm trên kênh GenAI. Thiết bị lưu trữ tháo rời, vốn được họ xếp là nguy cơ rò rỉ dữ liệu thấp nhất, có tỷ lệ chặn nghiêm ngặt cao nhất, ở mức 31%. Việc chặn nghiêm ngặt tập trung ở những kênh có công cụ lâu đời nhất.

Nguồn: Cloud Security Alliance, DLP trong kỷ nguyên AI (2026), n=433. Dựng lại từ các biểu đồ trong báo cáo, trang 23 và 26; các cột được chuẩn hóa về 100% khi việc làm tròn khiến một hàng có giá trị 99% hoặc 101%.

Cùng với khảo sát, Jazz cũng công bố dữ liệu đo lường từ môi trường của khách hàng. Theo dữ liệu này, một tổ chức trung bình sử dụng 169,5 công cụ AI riêng biệt, trong đó có 9,8 công cụ được phê duyệt, nghĩa là 94,2% nằm ngoài danh sách được phê duyệt.

Vì sao khoảng cách tồn tại: danh sách công cụ không ghi nhận sự kiện nào

Cách ứng phó phổ biến với rủi ro GenAI là phê duyệt một số ít dịch vụ AI theo các thỏa thuận dành cho doanh nghiệp, đồng thời không khuyến khích hoặc chặn những dịch vụ còn lại. Con số 94,2% cho thấy trên thực tế danh sách đó đã tụt hậu đến mức nào. Khi có hạn chót, một kỹ sư sẽ dùng bất kỳ công cụ nào giải quyết được vấn đề trước mắt, bởi quy trình mua sắm công cụ đã được phê duyệt kéo dài hàng tuần.

Ngay cả một danh sách đầy đủ cũng không thể tạo ra báo cáo mà CSA yêu cầu. Đội ứng phó sự cố hoặc kiểm toán viên sẽ hỏi về một sự kiện cụ thể khiến dữ liệu bị đưa ra ngoài, trong khi danh sách công cụ không ghi nhận sự kiện nào.

Để biết điều gì đã xảy ra trong sự kiện đó, bạn cần bốn thông tin: dữ liệu nhạy cảm nào có liên quan, công cụ nào đã nhận dữ liệu, dữ liệu được gửi qua tài khoản nào và vì sao người đó gửi dữ liệu.

Quản trị ở cấp công cụ thường thất bại trước tiên ở khâu tài khoản. Cùng một trang web có thể phục vụ cả tài khoản doanh nghiệp của công ty bạn, với các thiết lập lưu giữ dữ liệu và điều khoản hợp đồng, lẫn tài khoản cá nhân miễn phí của nhân viên, vốn không có những điều khoản đó. Khi một công cụ được phê duyệt nhưng sử dụng qua tài khoản cá nhân, lượng bằng chứng bạn có được cũng chẳng nhiều hơn bao nhiêu so với khi dùng một công cụ chưa được phê duyệt.

Mục đích khó xác định hơn, nhưng lại quyết định liệu có điều gì sai trái xảy ra hay không. Một chuyên viên phân tích tài chính dán mô hình doanh thu vào chatbot để sửa công thức bị lỗi là đang làm công việc của mình. Cùng hành động đó, nếu do một người đã nộp đơn xin nghỉ việc vào thứ Sáu thực hiện, sẽ cần được trao đổi theo cách rất khác. Điểm khác biệt nằm ở bối cảnh của người đó, điều không bao giờ thể hiện trong nội dung được gửi đi.

Các biện pháp kiểm soát hiện có chỉ quan sát được một điểm

Khảo sát không cho thấy có cách tiếp cận nào chiếm ưu thế trong việc kiểm soát dữ liệu nhạy cảm được gửi đến các công cụ AI. Các biện pháp gồm chặn tên miền AI ở cấp mạng, kiểm tra nội dung qua trình duyệt và chỉ áp dụng chính sách sử dụng được chấp nhận đều nhận được tỷ lệ từ 21% đến 23%; các nền tảng AI dành cho doanh nghiệp có tích hợp DLP nhận được 10%.

Mỗi biện pháp kiểm soát này được thiết kế xoay quanh một điểm kiểm tra duy nhất. Chặn tên miền cho phép hoặc ngăn kết nối, đồng thời ghi lại trang web mà kết nối hướng đến. Tiện ích mở rộng trình duyệt nhìn thấy nội dung được nhập trong trình duyệt đó, nhưng bỏ sót mọi thứ được gửi từ ứng dụng máy tính, trợ lý lập trình bên trong trình soạn thảo mã hoặc công cụ dòng lệnh. DLP tích hợp trong nền tảng AI dành cho doanh nghiệp chỉ nhìn thấy dữ liệu đi vào nền tảng đó. Mỗi biện pháp đều chỉ chọn một nơi để quan sát và hy vọng dữ liệu sẽ đi qua nơi ấy.

Điểm kiểm tra duy nhất cũng lý giải các con số về thực thi. Nếu một biện pháp kiểm soát không thể phân biệt tài khoản doanh nghiệp với tài khoản cá nhân, hoặc thao tác dán thông thường với thao tác tiềm ẩn rủi ro, thì biện pháp đó buộc phải chặn cả hai hoặc không chặn trường hợp nào. Khi đó, việc chặn nghiêm ngặt sẽ ngăn cản cả công việc hợp lệ lẫn hoạt động rủi ro. Khi được hỏi lý do chính khiến họ chưa áp dụng biện pháp chặn chủ động quyết liệt hơn, 46% số người tham gia khảo sát cho biết họ lo ngại làm gián đoạn quy trình công việc, còn 39% nêu mức độ tin tưởng chưa đủ vào độ chính xác của DLP.

Những điểm cần lưu ý

Các số liệu khảo sát do người tham gia tự báo cáo, và khảo sát không đối chiếu mức đánh giá về khả năng quan sát với phạm vi bao phủ thực tế. Người tham gia chủ yếu đến từ châu Mỹ (80%) và các tổ chức có dưới 5.000 nhân viên (67%), vì vậy kết quả có thể không phản ánh đồng đều tình hình tại các tập đoàn toàn cầu lớn. Dữ liệu đo từ xa đến từ các tổ chức đã chọn triển khai loại hình khả năng quan sát này, nên kết quả có thể thiên về những tổ chức vốn đã lo ngại về tình trạng AI lan tràn.

Công cụ và tác nhân được phê duyệt sẽ càng làm suy yếu danh sách

Khi các sản phẩm SaaS được phê duyệt bổ sung trợ lý AI, câu hỏi dữ liệu đã được gửi đến công cụ nào thường có hai đáp án: ứng dụng mà nhân viên mở và nhà cung cấp mô hình AI đứng sau ứng dụng đó. Các tác nhân AI khiến vấn đề phức tạp hơn. Khi một tác nhân lấy một tệp rồi gửi đi đâu đó thay mặt nhân viên, câu hỏi ai thực hiện việc đó và vì sao giờ đây một phần thuộc về phần mềm. Như một bài viết gần đây của Unite.AI về tấn công chèn lệnh vào các tác nhân đang vận hành thực tế lập luận, tác nhân có thể bị điều hướng bởi nội dung mà nó đọc, vì vậy lời tự thuật của chính nó về những gì đã làm không thể thay thế bằng chứng về mục đích.

Một phép thử bạn có thể thực hiện trong tháng này

Hãy xem xét 30 ngày qua và chọn mẩu dữ liệu nhạy cảm nhất mà bạn cho rằng đã đến được một công cụ AI. Sau đó, kiểm tra xem nhóm của bạn có thể cung cấp những thông tin sau mà không phải tự tổng hợp thủ công hay không:

• Dữ liệu đó là gì và đến từ đâu
• Công cụ nào đã nhận dữ liệu, kể cả những công cụ không có trong danh sách được phê duyệt
• Dữ liệu được gửi qua tài khoản công ty hay tài khoản cá nhân
• Người đó đang làm gì khi gửi dữ liệu

Nếu có thể nhanh chóng xác định hai mục đầu, còn hai mục cuối đòi hỏi phải phỏng vấn nhân viên, thì cơ chế quản trị của bạn chỉ bao quát danh sách công cụ và rất ít dữ liệu của bạn.