北京
公司里到底有多少个AI工具在跑，IT部门大概率答不上来。NordLayer把这种局面叫作"AI动物园"——几十个未经批准的LLM每天在员工手里运转，每一个都在悄悄扩大数据泄露的口子。
这家公司推出了一个叫AI Scout的独立产品，专门用来盯这件事。
盯的不是订阅，是真实使用
AI Scout的监控范围覆盖浏览器和桌面端的交互行为，同时提供控制手段，目的是限制机密信息在系统之间外泄。
它能识别哪些AI服务是经过授权的、哪些不是，让企业把观察到的实际活动和获批的工作软件清单做比对。
这里有个关键区别：它的报告统计的是真实使用行为，而不是采购了多少订阅。也就是说，员工自己注册的免费账号、绕开审批流程打开的服务，都会被算进去。
它还会估算已部署LLM的token消耗量。
员工往AI系统里发了什么内容，也在检查范围内。AI Scout用一套控制机制，在特定提示词提交之前识别可能敏感的材料。
NordLayer的说法是，这些防护动作发生在提交之前，有可能阻止机密材料流向外部AI服务。基于浏览器的控制手段还能在员工输入需要额外审查的信息时介入。
监控范围不止于常规的聊天机器人。它延伸到了AI代理，以及这些代理与工作中使用的连接服务之间的技术关系。
管理员可以检查与编程代理相关的MCP基础设施，查看这些系统在实际中具备哪些能力。
59%的公司每年在AI上花超100万美元
监控需求的背后，是企业AI投资和员工使用未批准服务这两件事在同时增长。后者有个专门的说法：影子AI。
Writer的2026年企业调查显示，59%的公司在AI技术上的年度支出超过100万美元。
NordLayer引用的一份墨尔本大学报告显示，42%的员工使用经过批准的AI系统，而70%的员工在工作中使用免费模型。
IBM的数据是，涉及影子AI的泄露事件，会让全球平均泄露成本增加40万美元——这个平均成本本身是499万美元。
这些数字解释了为什么当员工使用正式批准平台之外的AI服务时，企业很难维持可见性。
NordLayer产品战略副总裁Andrius Buinovskis的原话是："公司今天面对的是一个AI动物园——几十个未经批准的LLM在全体员工中日常使用，每一个都在扩大组织面对数据泄露和安全漏洞的暴露面。"
他接着说，真正的AI治理需要广泛的可见性，新的LLM方案出现速度太快，手动审查每一个新AI工具根本没法规模化，组织需要的是把所有AI使用——不管批没批——都收进一个平台的遥测能力。
提交前拦截，而不是事后追责
NordLayer产品研发副总裁Vakaris Noreika的说法是，AI Scout是按AI实际运作的方式来构建的，不只是看表面，而是看技术层面在发生什么。
他提到，AI DLP的设计目标是检查提示词并在提交前加以控制，确保敏感数据从一开始就不会被输入进去。
这个思路和传统的DLP不太一样。传统做法往往是在数据流出之后才发现，而AI Scout把拦截点放在了提交动作之前。
对于正在被"员工到底在用哪些AI"这个问题困扰的团队来说，先看清楚实际使用情况，可能比先制定一份审批清单更现实。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
