隨著人工智慧（AI）應用快速滲透企業核心業務流程，資安風險的管理重心也正從技術防禦轉向制度治理。Check Point Software Technologies亞太及日本區資安長 Jayant Dave 提出 AI 治理五步驟框架，並明確指出：台灣企業在《AI 基本法》上路與金融監督管理委員會（FSC）監理要求雙重驅動下，約有 24 個月的視窗期建立完整治理基準，時間緊迫。
攻擊目標已從模型轉移至工作流程
在討論治理框架之前，企業高層必須先理解當前威脅態勢的根本性轉變。Jayant Dave 指出，2026 年攻擊者的真正目標已不再是 AI 模型本身，而是模型所支撐的企業工作流程（Workflow）。隨著 AI 模型與自主代理程式（AI Agent）深度嵌入企業日常運作，
攻擊者正系統性地針對這些流程發動「工作流程中間人攻擊（Man-in-the-Workflow Attack）」，而非直接對抗模型的安全防護機制。
這一趨勢在實際案例中已有具體體現。某 Fortune 100 企業目前在內部部署超過 50,000 個 AI Agent，但其紅隊測試（Red Teaming）機制仍停留在個別模型的隔離評估層級，完全無法應對跨工作流程的鏈式攻擊情境。當一個 AI Agent 的輸出成為下一個 Agent 的輸入，單點測試的防禦邏輯已形同虛設。
伴隨工作流程攻擊興起的，是兩項新型威脅手法。
- 代理式設定檔（Agentic Profiles）正被武器化，成為持續性的越獄向量（Jailbreak Vectors）。攻擊者不再試圖突破 AI 安全機制，而是直接改寫 Agent 的運作規則，使其執行惡意指令。
- Anthropic、OpenAI、Groq、Mistral 等主流 AI 供應商的應用程式介面（API）金鑰，已成為駭客系統性竊取的高價值目標，一旦遭竊即可繞過身分驗證，直接操控企業部署的 AI 系統。
三個概念不釐清，治理框架無從建立
面對上述威脅，許多企業的第一反應是強化資安防禦。然而 Jayant Dave 強調，在建立任何防禦機制之前，企業高層必須先釐清三個經常被混淆的核心概念。
AI 安全性（AI Safety） 指的是 AI 系統的行為是否符合業務預期，涵蓋模型幻覺（Hallucination）、偏見（Bias）與對齊（Alignment）問題，屬於工程與資料科學團隊的職責範疇。AI 資安（AI Security） 則是防禦來自內部或外部攻擊者對 AI 系統的惡意操控，屬於資安長與安全部門的核心業務。而連結兩者、確保整體機制有效運作的關鍵齒輪，正是目前企業普遍缺失的 AI 治理（AI Governance），應涵蓋政策制定、持續監控與責任歸屬的完整管理架構。
與此同時，「人類在迴圈中（Human in the Loop）」這一過去廣泛採用的 AI 監督概念，也已不符合現實需求。Jayant Dave 指出，
當前的正確模式應是「AI 在迴圈中（AI in the Loop）」：由 AI 輔助人類做出關鍵決策，而非要求人類逐一審核每個 AI 輸出。AI 模型的迭代速度已遠超人工審核能力，靜態治理機制根本無法跟上動態模型的更新頻率。
五步驟建立 AI 治理架構
針對上述挑戰，Check Point 提出具體可操作的五步驟治理路線圖：
第一步：盤點 AI 使用現況，建立單一事實來源（Single Source of Truth）。 企業應透過端點日誌、網路代理伺服器（Proxy）記錄，全面清查內部 AI 工具的實際使用情形。實際導入案例顯示，大型企業往往發現 70% 至 80% 的 AI 應用為過去未知的影子 AI（Shadow AI）。
第二步：客觀風險評級。 以「系統失效可能性」與「失效後業務衝擊程度」兩個維度進行評分，
將 AI 應用分為四個風險等級。涉及信貸審核、醫療決策等關鍵業務的 AI 系統，須建立完整的人工監督機制與緊急停止（Kill Switch）機制。
第三步：建立 AI 風險清冊（Risk Register）。 每項已識別風險須指定單一負責人，並附上書面接受原因與具體檢視日期。Jayant Dave 強調，當金管會或監管機構要求企業出示 AI 治理文件時，風險清冊是唯一被要求的核心憑證。
第四步：成立 AI 治理委員會。 委員會架構分為三線：第一線由業務與技術人員確保 AI 系統符合業務目標；第二線由風險長（CRO）、法務與合規部門負責監管；第三線為內部稽核，可直接向董事會報告，並在判斷 AI 系統存在重大風險時，具備立即中止系統運作的權力。
第五步：處理影子 AI，建立快速審核機制。 全面禁止影子 AI 並非有效策略，反而可能迫使使用者轉入更隱蔽的管道。Check Point 建議企業公布經核准的 AI 工具清單，並將新工具審核流程壓縮至五個工作天。對照台灣金融業目前平均九個月的新技術審核週期，快速核准機制的建立是推動合規 AI 應用的關鍵前提。
台灣監管環境提供 24 個月視窗期
從監管角度審視，台灣正處於關鍵的政策定形期。《AI 基本法》已於 2026 年初納入立法進程，明確將 AI 治理列為八大關鍵產業的核心要求。Jayant Dave 指出，相較於新加坡與澳洲，台灣在監管執行面的進度相對審慎，目前仍在歐盟模型與美國模型之間尋求平衡，企業尚有約 24 個月的時間視窗，在監管細則正式落地前完成內部治理架構的建置。
金管會現行監理框架已要求企業針對關鍵 AI 應用在三至六個月內建立最低限度的補償性控制措施（Compensating Control）。企業若能以此為基準提前布局，將在未來監管稽查時具備明顯優勢。
從防禦到治理，資安思維需要全面升級
Check Point Software 台灣區總經理劉基章表示：「AI 時代下，漏洞從被發現到遭利用的時間已縮短至數小時，資安產業必須重新思考防禦的本質。」治理框架的建立，正是這個「重新思考」的起點。
對台灣企業而言，AI 治理不是選項，而是監管合規與風險控管的雙重必要條件。24 個月的視窗期看似充裕，但從盤點影子 AI、建立風險清冊到成立治理委員會，每個步驟都需要跨部門協作與持續投入。現在開始，才不會太晚。