阴影 AI 数字背后隐藏的真相

大多数组织的员工已经在使用雇主从未批准的 AI 工具。到现在，这不应让任何人感到惊讶。员工一向倾向于使用能提高工作效率的技术，无论这些工具是否由 IT 正式引入。AI 只是加速了这种行为。

AI 采用的速度仅是故事的一部分。更能揭示的是它向我们展示的采用环境。员工自行选择 AI 工具往往表明 IT 对工作实际开展方式缺乏完整视图。那些难以识别未经授权的 AI 使用的组织，可能同样面临补丁更新缓慢、加密不一致或设备超出既定安全策略的情况。影子 AI 并不导致这些薄弱环节，但它会使这些问题更加凸显。

我们自己的2026 年数字工作空间报告分析了遍及 17 个行业、数百万受管设备的遥测数据，避免了让员工回忆或披露所使用工具的局限性。报告发现，2025 年 AI 助手的使用增长接近 1000%，成为工作场所增长最快的应用类别。

The figure tells us how quickly employee behaviour is changing. It also opens a less familiar line of enquiry: do organisations with high exposure to unapproved applications show weaknesses in more established areas of device management? Healthcare provides the clearest indication that they might. In our study, healthcare appears among the industries most exposed to compliance risk from unsanctioned applications; and elsewhere in the report also records some of the slowest patching and higher rates of unencrypted desktops.

采用只是全局的一部分

Understanding which AI tools employees use is only one piece of the puzzle. The more revealing question is why they choose them, because those decisions often highlight the gap between the workplace IT believes it has created and the one employees experience every day.

一旦使用情况确定，已批准与未批准的 AI 工具的分布就更具揭示性。Microsoft Copilot 在 IT 控制部署的受管移动设备上广泛安装，受益于其在 Microsoft 365 中的定位。脱离受管环境后，ChatGPT 以显著优势领先。它出现在 91% 的未授权 iOS 设备和 61% 的未授权 Android 设备上，而 Gemini 则占据了其余 Android 使用的很大比例。

已批准的服务与自行选择的服务可以轻松共存于同一工作环境。员工可能可以使用企业 AI 服务，却仍转向其他工具，因为他们觉得后者更快、更熟悉或更适合特定任务。从他们的角度来看，这往往是完成工作最实用、最快速的方式。对 IT 和合规团队而言，这会导致对哪些应用处理公司信息以及是否遵循现有治理政策产生不确定性。

通信软件中的模式类似。消费者消息应用占受管桌面平台已安装通信工具的近一半，此外还有 Teams、Zoom 和 Slack。金融服务和医疗行业尽管有严格的记录保存义务，也并非例外。当组织假设敏感对话始终局限于已批准渠道时，合规问题便出现。政策查询、患者讨论或内部决策若转移到消费者应用中，可能不再位于用于保留、监控或调查的系统中。相关员工可能并无规避控制的意图，仅是使用同事回复最快的渠道。

这些模式指向了工作方式的更广泛转变。员工越来越多地在不同的应用、浏览器和 AI 服务之间切换，而这些工具并不总能整齐地纳入传统管理模型。挑战不仅在于识别另一个应用，而在于保持对整个环境中工作方式的清晰认识，以便治理能够跟上员工行为的步伐。

AI 采用与设备卫生以不同速度发展

The rapid adoption of AI has exposed another reality of enterprise IT: technology doesn’t evolve at the same pace across the organisation. Employees can begin using an AI service within minutes, without a procurement process or a support ticket.

弥补设备管理缺口可能需要数月时间，尤其是在包含企业笔记本、共享设备、加固硬件以及员工自带手机的混合环境中。遥测数据显示补丁更新速度差异很大。iOS 设备的最新版本更新速度约为 Android 设备的八倍，而 macOS 的更新速度约为 Windows 的 1.5 倍。

加密覆盖率同样不均衡；银行桌面有 23% 未加密，医疗和高科技行业约为 27%，媒体和娱乐行业为 28%。教育行业超过一半的桌面和移动设备未加密，而政府部门每五台桌面中就有一台未加密。

操作系统更新的行业细分提供了更多背景。医疗、制药以及零售批发行业拥有最多的 Android 设备，这些设备的系统版本落后于当前发布四至五代。未打补丁所泄露的信息在这些环境中各不相同，可能涉及患者记录、临床数据、药物研究以及支付信息等。

旧设备常嵌入在更换和维护困难的运营环境中。医院病房或仓库的加固手持设备可能仍运行数个主要版本落后的操作系统，而该环境的工作人员却可以使用最新的公共 AI 服务。AI 的使用可能立即引起关注，尽管老化的终端本身已经是长期的敏感信息泄露渠道。

这正是 AI 采用与终端管理关系变得更加清晰的地方。报告在不同章节中分别讨论影子边界风险和安全卫生，但医疗行业出现在两者中。它因未经授权的应用导致的合规风险被识别，同时又因操作系统更新缓慢和未加密桌面比例相对较高再次出现。当安全、设备管理和应用信息分散在不同系统中时，这种重叠可能被隐藏。每个团队可能对自己负责的资产有准确的视图，却忽视了跨团队的风险集中点。

监管时间表已改变

Some organisations have expected regulation to create the pressure needed to address these gaps, although the timetable now gives them longer than previously anticipated. Under the political agreement reached by EU negotiators on 7 May, the high‑risk obligations of the AI Act for standalone systems under Annex III have moved from 2026年8月 to 2027年12月. This is the category under which many enterprise AI deployments are expected to fall. Transparency obligations still apply from 2026年8月, while the broader requirements that would prompt many organisations to create AI inventories and formal risk assessments now arrive sixteen months later.

这一延迟为组织提供了更多准备时间，但也消除了可能加速投资的即时外部期限。

市场正对已识别的治理缺口作出响应，尽管这笔支出的价值取决于这些平台与更广泛终端资产的连接程度。单独的 AI 治理仪表盘可能识别出正在使用的工具，却将设备状态、加密和应用性能等信息留在其他地方。监管可以设定期望并定义问责，但除非能够将底层数据整合，否则无法形成完整的运营全景。

终端对任何部署 AI 的组织都很重要

Every organisation’s AI strategy will ultimately depend on the devices employees use every day. That’s true whether AI is delivered through a browser, embedded into a business application or running directly on the endpoint.

部署助手、代理或本地模型的开发者和企业团队必须兼容员工已有的设备。这些设备可能较旧、受管理程度高或已面临性能压力。在 Windows 桌面上，IT 管理、安全和系统工具占已安装软件堆栈的近三分之二。终端防护、补丁管理、加密和资产清点代理在 AI 工作负载启动前就已经争夺处理器容量和内存。

在该环境中添加助手会改变对设备的需求。对于本地推理和代理工作流尤为重要，因为可靠性和可用计算资源决定服务是否能如预期响应。数字工作空间 2026 报告发现，Windows 设备的强制关机次数是 Mac 的 3.1 倍，应用无响应状态是其 7.5 倍。随着员工在日常工作中开始依赖 AI 助手，这些可靠性差异直接影响采用率和信任度。若服务在需要时不可用、响应慢或不一致，便会很快被绕过。

一台新发放的行政笔记本和一台共享的临床设备可能同属一家组织，却在补丁、性能和控制方面处于截然相反的两端。围绕理想化终端设计 AI 部署容易忽视最难实现的环节。这些薄弱点往往集中在受监管和运营环境中，设备使用时间更长，且中断会影响前线工作。这也是可视性不足后果最为严重的场景。

洞悉整体环境

Policies remain necessary, but their reach is limited when an organisation cannot see which tools employees use or the condition of the devices through which they access them. Employees will continue to select services that help them complete a task quickly. Some will use an approved assistant, while others will choose a public service that feels easier or produces a better result. Written rules alone will not give IT teams an accurate account of that behaviour.

运营挑战在于在情境中理解 AI 的使用，这可能涉及设备年龄、操作系统、补丁状态、加密覆盖率以及已运行的应用。单独查看时，每个数据集似乎都易于管理。但将其结合后，便能揭示出在相同员工、设备或业务流程周围聚集的多个薄弱环节。受监管的组织应首先将 AI 使用情况、补丁和加密信息整合到共享视图中，然后识别在这些数据集中反复出现的资产部分。影子 AI 可能是问题最明显的迹象，而更广泛的风险则潜伏在用于管理工作场所的系统之间的空隙中。