答案已发布17 来源
封锁 AI 应用，不等于管住 AI 风险
ThreatLabz 在 Zscaler 平台观察到，2025 年企业 AI 与机器学习交易接近 1 万亿笔，其中近四成遭到封锁。 PagerDuty 调查发现，在曾因工作使用过 AI 的受访者中，66% 表示自己曾在认为公司政策不允许的情况下使用 AI。
发布者使用 GPT-6 Luna 编辑图片由 GPT Image 2 生成
研究答案
要点
- ThreatLabz 在 Zscaler 平台观察到，2025 年企业 AI 与机器学习交易接近 1 万亿笔，其中近四成遭到封锁。
- PagerDuty 调查发现，在曾因工作使用过 AI 的受访者中，66% 表示自己曾在认为公司政策不允许的情况下使用 AI。
- 更稳妥的治理方式，是发现实际 AI 用途、保护敏感数据、限制智能体权限与操作，并让合规工具便于员工使用。
AI 提示
openai.comCreate a landscape editorial hero image for this Studio Global article: Why do AI blocklists give Singapore firms a false sense of security despite IMDA’s January 2026 Model AI Governance Framework for Agentic AI. Article summary: AI blocklists can confuse control over the corporate network with control over actual AI use: employees may move work to personal devices, while AI inside approved software remains accessible. IMDA’s January 2026 framewo. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
封锁名单可以限制员工通过某些途径使用 AI，却未必能消除他们借助 AI 完成工作的需求。ThreatLabz 对 Zscaler 平台数据的分析显示，2025 年企业 AI 与机器学习交易接近 1 万亿笔；相关报道指出，企业封锁了近四成交易，其中也包括广泛使用的工具。1
6 这些数字反映的是该平台观察到的流量和封锁情况，并不能说明封锁究竟消除了多少风险，也不代表新加坡所有企业的 AI 使用状况。
对新加坡企业来说，关键不只是“哪些应用要列入禁用名单”，而是如何管理实际发生的 AI 使用：员工可能通过个人设备处理工作，也可能使用带有内置 AI 助手的获批软件，或让能连接业务系统的智能体执行任务。新加坡资讯通信媒体发展局（IMDA）的《代理式人工智能模型治理框架》提供了相关指引，建议企业评估风险，并限制智能体的访问权限、自主程度和行动范围。20
26
为什么只靠封锁名单不够
请求被拦截，不代表 AI 使用已经停止
网络封锁可以阻止某个特定途径访问服务，却无法证明员工不再有想借助 AI 完成的工作。PagerDuty 于 2026 年 6 月发布的调查显示，在曾因工作使用 AI 的受访者中，66% 表示自己曾在认为公司政策不允许的情况下，在工作中使用 AI 工具。38 调查访问了澳大利亚、日本、英国和美国的大型企业办公室专业人士，共 1,250 人；它反映的是较广泛的职场现象，并非新加坡员工的使用比例。
41
这并不是说每一道封锁都会被绕过，而是说，单靠禁止并不足以完整反映员工的实际行为和企业面临的风险。
AI 不只存在于独立应用中
企业的 AI 使用范围，可能包括获批业务软件内置的助手、系统整合功能和智能体，而不只是公开聊天机器人。企业需要了解每个系统可以读取哪些信息，以及能够执行哪些操作。IMDA 的框架建议，评估智能体风险时，应考虑其能否访问敏感数据、自主程度、行动范围，以及操作是否可逆等因素。20
26
因此，治理问题不应止于“这个应用有没有列在名单上”，还要追问：“这个 AI 能访问、披露或更改什么？”
网络监控存在盲区
员工可能使用个人设备或未受监控的网络处理工作任务。在这种情况下，企业网络上的封锁记录未必能完整呈现信息如何流转。企业应把这类情况纳入风险规划，而不要假设网络日志记录了所有 AI 使用行为。
同样，获批软件内置的 AI 功能也需要检查权限和数据流。软件获批，并不自动意味着其中每个助手或整合功能都拥有适当权限。
有些信息暴露风险与 AI 封锁无关
Forcepoint 的文章援引《财富》杂志的报道指出，Anthropic 一套内容管理系统的配置问题，导致约 3,000 份未发布的资料对外可见。40 这是一个被报道的案例，并非 AI 封锁名单或新加坡企业风险的证据。它所说明的是：发布设置和权限配置本身也可能导致信息暴露，与企业允许使用哪些 AI 应用是两回事。
更可行的 AI 治理路径
企业不必在全面禁止和完全放开之间二选一。更实用的做法，是结合实际使用情况的可见性、数据保护、权限边界，以及员工愿意使用的合规工具。
盘点实际发生的 AI 使用。 记录获批工具、软件内置功能、系统整合和智能体，并结合技术发现机制与清晰的员工申报渠道。网络数据可以作为了解情况的一个来源，但不应被当作所有工作流程的完整记录。
优先保护最敏感的数据。 找出风险最高的数据库和资料库，检查员工及各类系统有哪些访问权限。无论数据存放或使用在哪里，都应落实相应保护措施，而不是只依赖应用名称清单。
为获批 AI 设定并测试权限边界。 检查助手能读取、发送和更改什么。只开放完成任务所需的权限；对于影响重大或难以撤销的操作，则要求人工审批。这与 IMDA 关于评估智能体风险、限制其范围、自主程度和访问权限的指引一致。
20
让合规使用真正方便。 提供能满足正当工作需求的工具和审批流程，减少员工转向未获批替代方案的诱因。衡量标准不应只有多少请求被封锁，也应包括员工能否安全地完成实际任务。
封锁名单可以是控制措施之一，却不能可靠地代表风险已经降低。更有效的治理，应让真实的 AI 使用情况更清晰，在信息流转过程中保护敏感数据，并限制 AI 系统能够执行的操作。
Studio Global AI
继续你的研究
此页面包含一个有来源支持的答案，您可以在 Studio Global 内继续。
人们还问
“封锁 AI 应用，不等于管住 AI 风险”的简短答案是什么？
ThreatLabz 在 Zscaler 平台观察到，2025 年企业 AI 与机器学习交易接近 1 万亿笔，其中近四成遭到封锁。
首先要验证的关键点是什么？
ThreatLabz 在 Zscaler 平台观察到，2025 年企业 AI 与机器学习交易接近 1 万亿笔，其中近四成遭到封锁。 PagerDuty 调查发现，在曾因工作使用过 AI 的受访者中，66% 表示自己曾在认为公司政策不允许的情况下使用 AI。
接下来在实践中我应该做什么？
更稳妥的治理方式，是发现实际 AI 用途、保护敏感数据、限制智能体权限与操作，并让合规工具便于员工使用。