2026 年 8 月 · 6 分钟阅读
AI敏感数据第二波：
39.7%交互触及企业数据
关键定义
AI第二波（Second Wave of AI） AI从试验阶段进入运营依赖的阶段，Agent与编码助手等工具真正接入企业数据与工作流，数据流动量级从试点跃升到数十亿次。
AI采用缺口（AI Adoption Gap） 前沿企业与普通企业在AI工具数量与员工采用率上的巨大差距，前沿企业采用近6倍于平均速度，导致数据治理与安全管控难以同步。
Cyberhaven Labs基于222家公司数十亿次真实数据流动发布的《2026 AI采用与风险报告》给出了一个此前被低估的图景：AI的“第二波”已经到来且正在运营。39.7%的所有AI交互涉及敏感数据——平均每名员工每三天就把专有信息输入AI一次。数据，正以前所未有的规模流向AI。
一、第二波：从试验到运营依赖
报告揭示了一个尖锐的“AI采用缺口”。前沿企业已利用超过300种GenAI工具，采用速度接近普通公司的6倍；在领先组织中71.4%的员工使用GenAI，而在谨慎企业中这个数字只有2.5%。最激进的采用者是科技（40.5%）、制药（33%）与金融服务（28.7%）——这些恰恰是敏感数据密度最高的行业。
当采用差距如此之大，数据治理与安全管控几乎不可能同步跟上。这正“第二波”区别于早期试验的核心：不再是几个团队试水，而是整个组织的数据流开始经由AI工具流动。
二、敏感数据：每三天一次泄漏风险
39.7%的所有AI交互涉及敏感数据，意味着平均每名员工每三天就把专有信息输入AI一次。这不是边缘案例，而是日常工作流的一部分。当编码助手覆盖近50%的开发者（前沿企业达90%）、且23%的企业已采用Agent构建平台时，敏感数据流入AI的通道数量和频率都在同步攀升。
风险不仅来自输入，也来自输出与再分发。一旦专有数据进入AI工具，企业往往失去对它的控制——谁访问了、被用于什么、是否被第三方模型用于训练，都可能超出企业的管控范围。
三、影子账户：三分之一员工用个人账号
报告最令人不安的发现之一，是约三分之一的员工通过个人账户访问AI工具，其中58%的Claude用户和60%的Perplexity用户使用个人账号。这意味着大量敏感数据流向了不受企业管控的第三方系统——企业既无法审计，也无法在泄露发生时快速响应。
更值得警惕的是，最常用的前100个GenAI SaaS应用中，82%被归类为“中等到严重”风险。高采用不等于低风险——恰恰相反，最流行的工具往往也是最需要管控的。
四、中国开源模型：一半端点使用量
DeepSeek与Qwen等中国开源权重模型，现已占所有端点AI使用的50%。对企业而言，这是一个需要专门处理的现象：大量数据正在流向开源权重模型，而这些模型的安全承诺、数据驻留与审计能力需要单独评估——不能默认开源就等于安全。
结合影子账户问题，这意味着企业面临双重失控：一方面个人账户绕过企业管控，另一方面开源权重模型引入额外的数据治理不确定性。两者叠加，企业的敏感数据暴露面被显著放大。
五、行动清单：把数据治理嵌入AI工作流
面对“第二波”，企业需要从三个层面行动。第一，建立可见性——识别所有AI交互中哪些触及敏感数据，先看清数据流向，才能谈管控。第二，关停影子账户——把AI使用从个人账号强制迁移到企业管控的工作区，并在工作区层面控制模型开关，杜绝意外激活。第三，专项治理高采用工具——对编码助手与Agent平台实施专门的DLP与最小权限策略，确保模型提供方不保留或使用企业数据训练。
关键原则是：数据治理必须嵌入AI工作流，而非事后补救。当近四成AI交互已经触及敏感数据时，等待问题暴露再治理的成本，远高于在采用之初就建立管控。
参考来源：
常见问题
什么是AI的“第二波”？+
Cyberhaven将2026年定义为AI的“第二波”——AI从试验进入运营依赖阶段。报告基于222家公司数十亿次真实数据流动：前沿企业已利用超过300种GenAI工具，采用速度接近普通公司的6倍；在领先组织中71.4%的员工使用GenAI，而谨慎企业中仅2.5%。
敏感数据风险到底有多大？+
39.7%的所有AI交互涉及敏感数据，意味着平均每名员工每三天就把专有信息输入AI一次。最激进的采用者——科技（40.5%）、制药（33%）、金融服务（28.7%）——同时把敏感数据监管的赌注推得最高。
影子账户问题有多严重？+
三分之一（约1/3）的员工通过个人账户访问AI工具，其中58%的Claude用户和60%的Perplexity用户使用个人账号。这使企业完全失去对数据流向的可见性——敏感数据进入不受企业管控的第三方系统。
为什么中国开源模型占据一半端点使用量？+
DeepSeek和Qwen等中国开源权重模型现已占所有端点AI使用的50%。对企业而言，这意味着大量数据流向开源权重模型，而这些模型的安全与数据驻留承诺需要单独的评估与管控，不能默认视为安全。
企业应如何应对数据暴露风险？+
首先建立对所有AI交互的可见性，识别哪些交互触及敏感数据；其次强制把AI使用从个人账户迁移到企业管控的工作区，关闭影子账户；最后对编码助手与Agent平台这类高采用度工具实施专门的DLP与最小权限策略，把数据治理嵌入AI工作流而非事后补救。
相关文章
美国第一部 Agent 专项法案：可追溯性正在变成投标条件
9月3日两党议员提出 Stop Rogue AI Act：NIST 一年内制定 Agent 安全标准——机器可读清单、动作验证、防篡改日志；联邦承包商须达标。自愿标准+承包商强制=CMMC 式采购杠杆，可追溯正从最佳实践变成合同义务。
欧盟把 ChatGPT 定为『超大型搜索引擎』：AI 搜索的 DSA 合规倒计时
8月31日欧盟依 DSA 将 ChatGPT 指定为 VLOSE——159.1M 欧盟月活、2027年1月前须建成系统性风险评估+独立审计+算法透明度+公开广告库。触发门槛看能力而非品类，Gemini、Perplexity、Claude 都盯着同一个 45M 用户时钟。
EU AI Act 第15条：网络安全韧性必须延伸到 Agent 的动作层
8 月 2 日生效的 EU AI Act 高风险义务中，第15条要求网络安全韧性覆盖 Agent 的动作层——它调用的 API、MCP 服务器，而不只是模型输出；第12条要求防篡改日志至少保留 6 个月。
欧盟 AI 法案数字综合法案：高风险推迟，透明度先行
《数字综合法案》(Regulation EU 2026/1744) 于 7 月 27 日生效：高风险 AI 义务推迟到 2027 年 12 月 2 日（Annex III）与 2028 年 8 月 2 日（Annex I），但 Article 50 透明度与市场监督义务已于 8 月 2 日起强制执行。