生成式 AI 正迅速走進企業日常營運。由員工使用 ChatGPT、Microsoft Copilot 等工具處理文件，到企業建立客服聊天機械人、RAG 知識庫及自主式 AI Agent，AI 已不再停留於概念驗證，而是逐步接觸企業資料、系統權限，甚至代替人類執行工作。 當 AI 只負責生成內容時，企業關注的可能是答案是否準確；但當 AI 開始閱讀內部文件、呼叫 API、修改資料，甚至自主制訂及執行行動計劃，企業需要思考的問題便更為複雜： 誰正在使用 AI？AI 可以存取甚麼資料？它可以執行哪些操作？當 AI 被誤導、濫用或作出錯誤決定時，企業能否及時發現及阻止？ 在 Amidas Solution Day 2026 上，Check Point Cyber Security Evangelist Johnny Wong 以自主型企業的安全為題，分享企業在推動 AI 轉型時，如何從策略、資料、身份、應用程式，以至 Agent Runtime 建立完整防線。 AI 風險正由「內容安全」延伸至「行動安全」 近年的 AI 事故顯示，風險可以出現在多個層面

人工智能正由內容生成及問答工具，逐步發展成企業業務流程的一部分。 現時不少企業正建立 Retrieval-Augmented Generation（RAG）應用、企業知識平台及 AI Agent。這些 AI 系統不但能搜尋內部文件，更可以連接資料庫、SaaS 平台及外部工具，甚至代表用戶執行操作。 AI 的能力越強，能夠接觸的數據及系統亦越多。企業在推動創新的同時，亦需要重新審視現有安全架構能否應對 AI 帶來的新風險。 企業 AI 帶來哪些安全挑戰？ 企業 AI 環境可能同時涉及公共 AI 平台、內部數據、第三方模型、AI Agent、MCP Server 及不同外部工具。 這些組件令企業需要保護的，不再只是用戶登入及網絡流量，還包括 AI 如何理解指令、搜尋資料、選擇工具及執行操作。 Shadow AI 與數據外洩 即使企業未正式推出 AI 計劃，員工亦可能已經自行使用不同的公共 AI 工具。 當員工將客戶資料、內部文件、財務紀錄或程式碼輸入未經批准的平台，便可能形成 Shadow AI 及數據外洩風險。 企業首先需要了解員工正在使用哪些

企業對人工智慧及生成式AI（GenAI）的態度已逐漸演變。最初的觀望和評估階段，現在已轉向實際應用於生產環境。在這一過程中，企業考量到以下幾個因素： 敏感資料的安全性 人才資源的配置 成本預算的考量 因此，越來越多的企業選擇內部部署，並更偏好微調及檢索增強生成（RAG）技術...