评论：企业向AI系统开放全部内部数据，等于给内鬼配了超级智能助手

Craig Borysowich 2026年11月7日 3 分享

企业正把所有掌握的信息都喂给AI系统：邮件、安全漏洞、基础设施图、员工记录、机密项目、运营故障。他们把这叫作生产力。但当某个不该知情的员工意识到，这台机器知道所有见不得光的事都藏在哪儿，会发生什么？

想象一下《上班一条虫》里那个长期被忽视的员工Milton Waddams。

他被人从一个工位挪到另一个工位。同事们几乎不搭理他。管理层不再听取他的意见。公司显然已经忘了他还存在。

只不过现在是2026年，Milton现在能用上企业AI助手了。

就是这个助手，一直在默默接入多年的内部通信、Jira工单、Confluence页面、基础设施图、运营事故记录、漏洞评估、组织架构图和安全修复项目。

多年来，Milton一直被当作什么都不懂的人。

而与此同时，这台机器几乎被赋予了所有信息的访问权限。

而且，和人力资源部的人不同，AI助手永远有空回答他的问题。

这是一个虚构场景，但它背后的安全问题绝非虚构。

在整个企业界，各组织正竞相打造一种它们从未拥有过的东西：一个能够理解整个企业的人工智能系统。

不只是理解财务表现。不只是理解客户。还要理解它的人员、技术、流程、内部政治、运营依赖关系，以及尚未完成的安全项目。

这种雄心令人难以抗拒。一个能理解整个组织的AI，可能彻底改变生产力，消除机构知识断层，加速故障排查，并协调那些几乎互不沟通的部门之间的工作。

但在生产力演示的光鲜表面之下，还潜藏着另一种可能。

如果企业AI最大的意外后果不是取代员工，而是让一个恶意员工能造成的破坏急剧放大，那会怎样？

想想企业在部署企业AI时实际在做什么。

它们在把AI接入Outlook和Gmail，那里多年的内部通信记录揭示着决策、冲突、人际关系和机密讨论。

它们在把AI接入SharePoint和共享驱动器，那里存放着架构文档、业务计划和安全策略。

它们在把AI接入Jira和Confluence，开发团队在那里记录缺陷、推迟的修复、架构上的妥协，以及维护复杂企业系统那种混乱的现实。

它们在让AI接触基础设施清单、变更管理记录、运营事故、灾难恢复计划、组织层级，在某些部署中还包括漏洞管理数据。

越来越多的企业正在让AI agent访问那些不仅能检索信息、还能执行操作的工具。

单看每一项集成，都有其商业合理性。

但合在一起，它们创造出了某种非同寻常的东西：一个关于组织实际如何运作的持续演化的模型。

不是组织架构图所宣称的运作方式。

也不是架构图所声称的运作方式。

哪些系统依赖哪些其他系统。哪些项目已经落后。哪些控制措施还在等待修复。哪些人掌握关键决策。哪些运营流程依赖人工干预。哪些历史事故暴露出的弱点至今仍未解决。

这些信息以前可能从未集中存在于同一个地方。

现在，AI系统可以按需把它们拼合起来。

这里有一个重要的区别。企业AI未必拥有不受限制的访问权限或完美的知识。有些平台只在获授权的用户提问时才检索信息。另一些则构建可搜索的索引、持久上下文或知识图谱。理解的深度取决于具体部署方式。

但发展方向是明确无误的。

我们正在刻意构建旨在打破组织信息孤岛的系统，同时却仍在依赖那些正是围绕这些孤岛设计的安全模型。

这就引出了一个令人不安的问题。

当使用这种非凡企业智能的人并非为公司利益行事时，会发生什么？

每个企业安全意识培训都会警告钓鱼攻击、可疑附件和未经授权的数据传输。

很少有人考虑到那个正被债务悄悄淹没的员工。

想象一名中层员工，长期被财务问题困扰。他不是什么犯罪天才。也不是什么老练的黑客。只是一个开始琢磨着靠雇主的某些信息或访问权限弄点钱的人。

过去，获取有价值的企业情报可能需要专业知识、特权访问或费尽心思的调查。

企业AI有可能降低这道门槛。

这名员工可能对基础设施、网络安全或企业架构几乎一无所知。但AI能解释技术材料，跨部门串联业务信息，把复杂的文档转化成通俗易懂的摘要。

一个从来看不懂网络拓扑图的人，可能突然就明白了某个应用的业务重要性。

一个不熟悉知识产权估值的人，可能识别出某个机密项目的商业敏感性。

一个过去只能接触到零散信息片段的员工，现在可能理解这些片段是如何拼合在一起的。

企业间谍活动未必需要在组织内部安插一名老练的情报人员。有时只需要一个普通员工，愿意把有用的信息提供给愿意为此付钱的人。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）