超過一半客服人員偷用AI!「Shadow AI」是什麼?背後有何風險?
超過一半客服人員偷用AI!「Shadow AI」是什麼?背後有何風險?
##### 什麼是 Shadow AI? 近來,企業正面臨一項新的挑戰:生成式 AI 工具已被部分員工自發性導入工作流程,卻未經正式核准。這類現象被稱為「Shadow AI」,指的是未經資訊部門或管理單位批准,員工私自使用 AI 工具於業務上的情況。

根據 Zendesk《Customer Experience Trends Report 2025》,近五成客服人員表示曾使用未經公司授權的生成式 AI 工具進行工作。除此之外,Shadow AI 不僅存在於科技產業,也快速蔓延至在金融、製造、醫療領域,使用率年增 230% 至 250%,成長速度遠高於正式企業內部部署的 AI 系統。

如今在工作現場,生成式 AI 已經成為員工正在自發採用的工作夥伴。面對這股「自帶 AI 工具」的浪潮,企業若只看見風險,可能錯失掌握新生產力的契機。

##### 為什麼出現 Shadow AI?不是故意違規,而是效率需求 為什麼 Shadow AI 的情況如此嚴重?多份報告一致指出,Shadow AI 的快速擴散與幾項結構性因素有關。一方面,生成式 AI 工具近年大幅普及,使用門檻大幅降低;另一方面,職場節奏加快、工作量增加,也促使員工主動尋求協助工具以提升效率。

Microsoft 和 LinkedIn 在《Work Trend Index 2024》中指出,有 75% 的知識工作者表示目前已在工作中使用 AI 工具,其中將近一半是近半年內才開始使用。AI 被導入的原因多為節省時間、提升專注力或簡化例行性任務。調查中,90% 的使用者認為 AI 幫助他們節省時間,85% 表示能讓他們更專注在高優先任務,超過八成也認為 AI 讓他們更有創意與工作成就感。

這樣的應用趨勢在各產業皆有明顯變化。Zendesk 調查發現,金融服務業的 Shadow AI 使用率年增達 250%,製造業與醫療照護亦有超過兩倍的年增幅。這類產業往往需處理敏感客戶資訊或遵循嚴格法規,因此 Shadow AI 的盛行,讓風險與效率之間的衝突張力更加突出。

隨著 Shadow AI 的使用範圍持續擴大,其帶來的潛在風險不容忽視。從資料安全到合規性問題,企業需要正視這些挑戰並尋求平衡之道。

##### Shadow AI 背後的風險,不僅是資料外洩這麼簡單 儘管 Shadow AI 可能帶來短期效能提升,其潛在風險也引起企業資安與合規團隊的關注。根據 Infosecurity Magazine 指出,38% 的員工曾在未授權情況下將公司資料輸入 AI 工具;在英國,已有 20%公司因 AI 使用而發生資料外洩。

在歐洲,若未遵守《一般資料保護規則》(GDPR),企業最高可能面臨 2,000 萬歐元或年營收 4% 的罰款。此外,AI 模型本身的運作邏輯與資料來源亦可能出現偏誤,若未經妥善訓練或缺乏審查流程,其產出內容可能導致誤導性資訊、偏見回應或與企業價值觀不符的決策。

此外,企業對 AI 應用尚未建立清楚共識與制度,也讓風險控管更加困難。Microsoft 報告指出,59% 的企業領導者表示難以衡量 AI 的實際生產力提升,而 60% 認為組織缺乏明確的 AI 發展計畫或願景。這樣的治理真空,讓 Shadow AI 成為員工個人決策的產物,也使企業難以全面掌握其風險與潛在價值。

##### 企業該怎麼應對 Shadow AI?禁止解不了問題 面對 Shadow AI 的廣泛存在,多數研究不再主張以「封鎖」為主要解法。由於員工導入 AI 工具的動機常出於正向目標,如簡化流程與提升效能,若企業一味禁止反而可能壓抑創新,並使這些行為更加隱蔽。

各界因此提出更務實的策略:在控管風險的同時,建立正式使用路徑,促進可見與合規的 AI 應用。Zendesk 與 IBM 建議企業可考慮以下措施:

  • 導入具企業級授權與保安設計的 AI 工具,減少員工自尋替代品的需求

  • 建立 AI 使用政策,明訂哪些任務與資料類型可交由 AI 處理

  • 設立 AI 中心(Center of Excellence)協調治理、訓練與實驗空間

  • 使用行為分析工具辨識潛在的 Shadow AI 使用情形

儘管如此,AI 的治理並無單一標準。企業須考量自身產業性質、員工工作模式與法規要求,建立兼顧風險控管與創新彈性的框架。關鍵不是禁止,而是導入能見度與信任機制,讓創新行為回到組織治理視野內。

Shadow AI 並非只是違規或抗命的表現,更反映了企業在面對新技術浪潮時,治理與需求尚未同步的落差現象。當員工主動導入工具以解決實務困境,這些行為往往揭示出組織中制度未能及時因應的斷層。

唯有建立清晰且具彈性的 AI 使用政策,鼓勵可見化的創新與實驗空間,企業才能將「影子使用」的能量導引回組織治理的框架之內,讓技術與風險控管並行,進而提升整體競爭力與信任基礎。

資料來源:Infosecurity Magazine、Work Trend Index 2024、Zendesk
本文授權轉載自:未來商務

往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓