BYOA（Bring Your Own Agent）正在成為 2026 年企業 IT 治理的新課題。 根據 Gartner 對資安主管的調查，69% 的企業已掌握或懷疑員工在使用未經核准的公開 GenAI 工具；McKinsey 2026 年組織現況報告指出，88% 的企業正在部署 AI，但只有 25% 的領導者預期短期內會讓 AI Agent 以自主角色加入團隊。這個落差背後藏著一個很現實的問題：多數 CIO 和 CTO 根本不知道自家組織裡跑了多少 AI agent，也不清楚這些 agent 在做什麼。
這篇文章會拆解 BYOA 的概念、Shadow Agent 帶來的具體風險、為什麼 AI agent 已經是你的「數位勞動力」的一部分，以及 CIO 和 CTO 現在就能採取的治理框架。
Shadow Agent：比 Shadow IT 更難追蹤的風險
2010 年代的 Shadow IT 教訓還記得吧？員工偷偷用 Dropbox、Slack，IT 部門後知後覺。現在同樣的劇本在 AI 領域重演，但風險更大。
根據 Harmonic Security 分析 2,245 萬筆企業 GenAI prompt 的研究，只有 40% 的企業購買了正式的 AI 訂閱，但超過 90% 的企業裡有員工在使用 AI 工具，多數透過個人帳號登入，IT 部門完全看不見。Cisco 的 2025 年調查也發現，46% 的企業因為員工使用 GenAI 而發生內部資料外洩。
Shadow Agent 跟傳統 Shadow IT 有個根本差異：過去員工用未授權的 Dropbox，頂多是把公司檔案存到外部——風險有邊界。AI agent 則是主動把敏感資料送進第三方模型，而且 agent 會自主行動、24 小時不間斷運行，甚至能寄信、修改記錄、觸發工作流程。員工在 ChatGPT 裡貼了一份合約要求「找出對我們不利的條款」，那個 prompt 本身就是一份商業情報。
各部門自行建 GPT、部署 Copilot、跑工作流程 bot 的情況越來越普遍。這些 agent 可能在局部產生價值，但 IT 領導層對它們的存在一無所知。結果是能力重疊、安全盲區、治理真空。
數字會說話：Shadow AI 的規模
| 指標 | 數據 | 來源 |
|---|---|---|
| 企業中有員工使用 AI 工具的比例 | 超過 90% | Harmonic Security, 2025 |
| 企業實際購買 AI 訂閱的比例 | 40% | Harmonic Security, 2025 |
| 員工透過個人帳號使用 GenAI 的比例 | 47% | Netskope, 2026 |
| 企業因 GenAI 發生資料外洩的比例 | 46% | Cisco, 2025 |
| 有 AI 治理政策的企業比例 | 37% | IBM, 2025 |
| 員工在禁令後仍繼續使用個人 AI 帳號的比例 | 接近 50% | Healthcare Brew, 2026 |
| 提供企業級 AI 替代方案後，未授權使用下降幅度 | 89% | Healthcare Brew, 2026 |
一組數據特別值得注意：只有 37% 的企業有 AI 治理政策，等於 63% 的企業在零規範下運作。同時，研究一再顯示，禁令幾乎無效——將近一半的員工就算公司明令禁止，還是會繼續用個人 AI 帳號。
AI Agent 已經是你的勞動力——只是沒人在管
AI agent 早就不是工具了。它們是數位工作者——有些負責輔助，有些自主行動——參與工作流程、產出內容、影響決策。
McKinsey 在 2025 年 9 月發表的〈The Agentic Organization〉報告裡提出一組讓人停下來想的數字：89% 的組織仍然停在工業時代的運作模式，9% 採用敏捷或產品平台模式，只有 1% 以去中心化網路方式運作。但 AI agent 的發展速度不等人，Gartner 預測到 2026 年底，40% 的企業應用程式將內建任務型 AI agent——2025 年這個數字還不到 5%。
Databricks 的 2026 年 AI Agent 報告也印證了這個趨勢：企業正從單一聊天機器人轉向多 agent 系統，後者在不到四個月內成長了 327%。使用 AI 治理工具的企業，將 AI 專案推入正式上線的數量是沒有治理的 12 倍以上。
把這些數據拼在一起，結論很直接：AI agent 已經是勞動力的一部分，CIO 和 CTO 必須用管理員工和外包商一樣的方式來管理它們——盤點能力、理解角色、有計畫地部署。
BYOA 治理框架：四個必做的維度
既然禁令不管用，CIO 需要的是一套主動的治理框架。綜合 McKinsey 2026 AI Trust Maturity Survey、Forrester 2026 企業軟體預測、以及 Red Hat 的 BYOA 實踐，可以歸納成四個維度：
1. 政策與治理
定義什麼 AI agent 使用是可接受的、agent 能存取什麼資料、能採取什麼行動。Cloud Security Alliance 推薦五步框架：發現、分類、風險評估、實施控管、持續監控。關鍵是政策要務實可執行，員工因為不切實際而無視的政策比沒有政策更糟。
2. 提供企業級 AI 替代方案
這是四個維度裡最關鍵的一個。數據很清楚：當企業提供正式的 AI 工具時，未授權使用下降 89%。沒有替代方案，光靠政策擋不住員工的需求。替代方案要能真正滿足員工用 ChatGPT 或個人 agent 解決的那些問題，不能只是一個功能閹割版的「企業核准工具」。
3. 技術安全控管
McKinsey 的研究指出，80% 的企業遇過 AI agent 的風險行為。技術層面需要：身分綁定（每個 agent 都有可追蹤的身分）、最小權限原則、即時監控 agent 的行為和資料流、稽核軌跡。
Red Hat 在 OpenShift AI 上的 BYOA 實作提供了一個參考架構：透過 MCP Gateway（基於 Envoy 的代理閘道）統一管控所有 MCP 伺服器，agent 只看得到被授權的工具，OAuth2 token 控制每個後端的存取範圍。平台負責安全和治理，agent 程式碼不需要改寫。
4. 變革管理
告訴員工什麼工具是核准的、什麼不是、為什麼。建立一個安全的提問管道，讓員工不用偷偷摸摸地使用 AI。McKinsey 的報告反覆強調一個比例原則：每花一塊錢在 AI 技術上，應該花五塊錢在人員的準備和轉型上。
Agent 分級管理：三層分類
有效的 Shadow AI 治理政策應該把 AI 工具分成三級：
| 級別 | 定義 | 舉例 |
|---|---|---|
| 完全核准 | 無額外限制，遵守標準資料處理規範即可 | 企業部署的 Claude Agent / Copilot |
| 有條件使用 | 核准但有特定資料處理規則 | 部門自建的 GPT，須遵守 DLP 政策 |
| 禁止 | 高風險或不合規 | 未經稽核的第三方 agent、在外部平台處理 PII |
這個分類要搭配持續更新的 AI 系統清冊。Forrester 預測，2026 年下半年將有一半的企業 ERP 供應商推出自主治理模組，結合可解釋 AI、自動稽核軌跡、即時合規監控。等不及供應商的企業，現在就可以先從盤點和分類做起。
混合勞動力策略：人 + 數位 Agent
未來的勞動力是混合的。你有正職員工、約聘、自由工作者，現在還有 AI agent。BYOA 治理不只是資安議題，更是勞動力規劃的議題。
當 agent 可被看見、可被管理時，它們可以：擴展團隊能量而非取代人、降低外包支出、縮短 AI 投資的回收時間、透過補強團隊能力來支援內部人才流動。McKinsey 在 2026 年組織現況報告中發現，超過 70% 的雇主徵才所需技能同時出現在可自動化和不可自動化的工作中——多數技能依然有用，只是應用方式會改變。AI 流暢度（使用和管理 AI 工具的能力）的需求在兩年內成長了七倍。
這裡的思維轉換是：不要問「哪些工作會被 AI 取代」，要問「哪些能力缺口可以用 agent 來補，怎麼部署最有效」。
CIO 和 CTO 的下一步
如果你的團隊已經在用 GenAI——統計上來看，這幾乎是確定的——第一步是可見性。
具體來說：
- 盤點現有 agent：你的組織裡有哪些 AI agent？它們是誰建的、在做什麼、存取了什麼資料？
- 建立 agent 清冊：把每個 agent 標記技能、類別、供應商，讓它們從分散在各部門的隱形工具變成可搜尋、可治理、可跨部門復用的資產。
- 部署企業級替代方案：在員工自己找到工具之前，先提供滿足需求的正式方案。
- 設定三級分類政策：完全核准、有條件使用、禁止——搭配對應的資料處理和監控規則。
- 投資人員轉型：技術預算的五倍花在人的準備上。培訓 AI 流暢度、建立跨功能團隊、重新設計含有 agent 角色的工作流程。
McKinsey 的 AI Trust Maturity Survey（2026 年 1 月執行、約 500 家企業參與）有一個不太舒服的發現：平均 RAI（Responsible AI）成熟度分數從 2025 年的 2.0 進步到 2026 年的 2.3（滿分 5），但在策略、治理、agentic AI 控管三個維度，只有大約 30% 的企業達到 3 級以上。技術能力在進步，治理能力沒跟上。
什麼是 BYOA（Bring Your Own Agent）？
BYOA 指的是員工在沒有組織核准的情況下，把個人 AI agent 平台帶進工作場域使用。這個模式跟 2010 年代的 BYOD（Bring Your Own Device）類似，但風險更大——因為 AI agent 具備自主行動能力，不只是存取資料，還會發送郵件、修改記錄、觸發工作流程。
Shadow Agent 跟 Shadow IT 差在哪裡？
Shadow IT 的風險是「資料被存到外部」，Shadow Agent 的風險是「資料被主動送進第三方模型，而且 agent 會持續自主行動」。傳統的資料外洩防護（DLP）工具很難偵測 AI 推論行為，因為它不像傳統的檔案傳輸那樣有明確的流量特徵。
企業禁止 AI 工具有用嗎？
幾乎沒用。多項研究顯示接近一半的員工在禁令後仍繼續使用個人 AI 帳號。反而當企業提供功能足夠的官方 AI 工具後，未授權使用下降 89%。禁令只會把 Shadow AI 推到更深的地下。
CIO 應該優先做什麼？
第一步是可見性——盤點組織裡所有已知和未知的 AI agent，包含它們的技能、資料存取權限、行為模式。第二步是提供企業級替代方案。第三步是建立三級分類的治理政策。
AI Agent 治理跟 AI 模型治理有什麼不同？
模型治理關心的是模型的準確性、偏差、公平性。Agent 治理除了這些，還要管「agent 做了什麼」——它觸發了哪些動作、存取了哪些系統、做了哪些決策。McKinsey 的 Rich Isenberg 說得精準：「Agency 不是一個功能，是決策權的轉移。」問題從「模型準不準」變成「當系統自己行動時，誰負責」。
引用來源
- McKinsey — The Agentic Organization: Contours of the Next Paradigm for the AI Era
- McKinsey — State of AI Trust in 2026: Shifting to the Agentic Era
- Gartner — 40% of Firms to Be Hit By Shadow AI Security Incidents（Infosecurity Magazine 報導）
- Harmonic Security — What 22 Million Enterprise AI Prompts Reveal About Shadow AI in 2025
- Forrester — Predictions 2026: AI Agents, Changing Business Models, and Workplace Culture Impact Enterprise Software
Insights
我們協助多家金融、製造和專業服務客戶建立 AI agent 的治理框架，從盤點現有的 Shadow AI 使用狀況、設計分級政策、到評估企業級 AI 平台的導入。經驗上，最常見的阻力不是技術，而是組織慣性——很多 CIO 知道問題存在，但不確定從哪裡切入。我的觀察是：先做盤點、再提供替代方案、最後才談政策，這個順序比反過來有效得多。先理解員工為什麼偷偷用 AI，才能設計出他們願意遵守的規範。
如果你正在思考企業內 AI agent 的治理策略，或者想評估現有的 Shadow AI 風險，歡迎跟 Tenten 團隊預約諮詢。我們可以從一次盤點工作坊開始。
