Delinea與SailPoint的最新報告揭示，全球企業普遍部署代理式AI工具，卻在數據治理與即時監管方面存在嚴重不足，僅約半數組織能即時執行數據存取政策，且員工繞過審批使用AI的行為普遍，恐導致敏感資訊外洩。湯森路透為此投入巨資開發專屬AI模型，旨在提升AI在專業領域的數據準確性與安全性，突顯企業強化數據管控的迫切性。
根據Delinea和SailPoint近期發布的兩份產業報告指出，儘管企業對人工智慧（AI）的應用日漸普及，尤其是在代理式AI工具（Agentic AI Tools）的部署上，但在數據治理與即時監管方面卻存在顯著落差，這恐為企業帶來潛在資安風險。
所謂代理式AI工具，簡單來說，是一種能自主判斷並執行任務的AI系統，例如自動處理客戶查詢或進行資料分析。Delinea在2026年秋季發布的「AI執行落差」報告，綜合美國、英國、德國、澳洲、新加坡、阿拉伯聯合大公國、法國及印度的2,254位資訊科技（IT）與資安主管，以及2,250位非IT員工的調查結果顯示，高達99.7%的受訪組織雖然已制定AI工具數據存取政策，但僅有約51%的組織能即時執行這些政策。更令人擔憂的是，只有19%的組織能即時偵測到代理式AI工具是否超出原定範圍存取數據。
Delinea執行長Art Gilliland點出核心問題：「大多數組織無法明確回答三個關鍵問題：環境中運行的AI代理工具有哪些？它們能存取什麼？以及它們實際上做了什麼？」他進一步指出，一個AI代理工具在初期可能擁有合法存取權限，但運行中卻可能偏離預設軌道，存取不應觸及的資訊。過去一年內，高達87%的IT與資安主管曾遇到或懷疑AI工具存取了超出任務範圍的敏感資訊。
此外，員工行為也加劇了風險。調查發現，有76%的員工曾繞過正式審批程序，將企業數據、應用程式或系統與AI工具結合使用，其中48%的員工更表示總是或經常這麼做。值得注意的是，高階主管（C-level）定期繞過AI存取審批的比例高達81%，遠高於中階員工的33%。
SailPoint Technologies的報告也指出，全球79%的組織已將AI代理工具投入實際營運，但僅有2%的組織使用專為管理與治理AI代理工具設計的資安工具。約有85%的組織仍依賴傳統身份驗證工具，這些工具並非為管理這些「非人類身份」而設計。SailPoint行銷長Wendy Wu強調，企業不能期待AI代理工具的成熟曲線像人類程式那樣耗費五年時間，資安必須從一開始就針對機器速度進行建置。亞太地區在這方面相對滯後，有37%的組織仍處於身份安全成熟度的最初階段。
面對這些挑戰，湯森路透（Thomson Reuters）則採取了不同的策略。該公司投入4千萬美元開發專屬AI模型「Thomson」，並由數百位領域專家參與訓練。湯森路透技術長Joel Hron表示，僅僅透過「檢索增強生成（RAG）」提供受信賴的內容給一般型AI模型是不夠的。RAG是一種讓大型語言模型能從外部資料庫中檢索相關資訊，再結合自身知識生成回答的技術。但Hron認為，單靠RAG無法根本改變模型處理資訊的方式。他們專注於透過專有數據、訓練方法和領域知識，教導AI模型學習專業工作的模式，以提供「信託級AI」的嚴謹、可追溯與可驗證的答案，並強調人類監督在專業AI應用中的必要性。