生成式 AI 正從「回答問題的工具」進一步發展為能自主執行任務的 AI Agent（AI 代理）。企業開始利用 AI Agent 搜尋資料、操作應用程式、存取企業系統，甚至執行多步驟工作流程。然而，當 AI 從「提供建議」走向「採取行動」，企業面對的資安風險也隨之擴大。

這也使 AI 治理（AI Governance） 成為企業導入 AI 時的重要課題。AI 治理是企業針對 AI 的開發、導入與使用，建立政策、權責與風險管理機制，確保 AI 的使用符合組織規範、安全要求及相關法規。其範圍不只包含模型本身，也涉及資料使用、存取權限、資安控制、持續監督與稽核等面向。

對準備導入 AI Agent 的企業而言，資安風險評估正是 AI 治理中的重要環節之一。在正式部署前，除了評估 AI Agent 能帶來哪些效率與功能，更應先確認：AI Agent 能接觸哪些資料、擁有哪些權限，以及執行環境是否安全？


AI Agent 與一般生成式 AI 有什麼不同？

一般生成式 AI 多半由使用者輸入 Prompt，再產生文字、程式碼或其他內容；AI Agent 則可能進一步串接企業內部系統、瀏覽器、API 或其他工具，依照目標自主規劃並執行任務。

這代表 AI Agent 的風險不只存在於模型本身，也延伸至帳號權限、端點設備、資料存取與工具串接等層面。一旦權限配置不當或端點環境存在弱點，AI Agent 所具備的自動化能力也可能放大既有的安全問題。


AI Agent 常見的 5 大資安風險

1. 敏感資料外洩

AI Agent 在執行任務時可能接觸企業文件、原始碼、客戶資料或帳號資訊。若資料存取範圍過大，或缺乏適當控管，敏感資訊可能被非預期地讀取、處理或傳送。

2. Prompt Injection 與惡意指令

AI Agent 可能從網頁、文件、Email 等外部內容取得資訊。攻擊者可將惡意指令藏在這些內容中，誘導 Agent 忽略原有規則、存取不應取得的資訊，甚至執行非預期操作。

3. 過度授權

為了讓 AI Agent 自動完成工作，企業可能授予檔案存取、系統操作或 API 呼叫等權限。若未遵循最小權限原則，一旦 Agent 被誤導或遭濫用，影響範圍可能進一步擴大。

4. 自主行為難以預測

AI Agent 可以根據任務自行規劃多個步驟，但其執行路徑未必完全符合使用者預期。若缺乏適當限制與人工確認機制，錯誤決策可能透過自動化流程被快速放大。

5. 端點環境與設定風險

AI Agent 最終仍需要在企業的電腦、伺服器或其他端點環境中運作。若設備本身存在漏洞、不安全設定、權限過高或缺乏必要的安全控制，即使 AI Agent 本身沒有遭到攻擊，仍可能形成新的攻擊面。


企業導入 AI Agent 前，應評估哪些風險？

AI Agent 安全並非單一產品或工具就能完全解決，而應納入企業既有的 AI 治理、身分與權限管理、資料安全及資安管理流程。

在正式部署前，可先從幾個問題進行盤點：

  • 哪些端點正在使用或準備導入 AI Agent？

  • AI Agent 可以存取哪些企業資料與系統？

  • 是否授予超出工作需求的權限？

  • 執行 AI Agent 的端點是否存在漏洞或高風險設定？

  • 是否建立安全基線，並能持續確認端點符合要求？

  • 高風險操作是否需要人工確認或其他控制措施？

從端點風險評估開始建立 AI Agent 安全基線

完整的 AI 治理涵蓋政策、資料、模型、權限、稽核、風險管理等多個面向，而端點安全評估是其中一項重要的技術控制環節。

企業可以在大規模部署 AI Agent 前，先盤點端點環境中的 AI Agent 使用情況、安全設定與潛在弱點，建立可檢視的安全基線，再依風險嚴重程度安排改善優先順序。

TeamT5 ThreatSonar Plus 即從端點安全評估角度切入，協助企業辨識 AI Agent 相關風險，並結合弱點與組態檢測，讓資安團隊在導入 AI Agent 前更清楚掌握端點的安全狀態。

AI Agent 能為企業帶來新的自動化能力，但「能不能使用」之外，更重要的問題是「能不能安全地使用」。先釐清資產、權限、設定與端點風險，才能為後續更完整的 AI 治理建立可靠的技術基礎。