Fastly 最新調查顯示，積極導入 AI 的企業資安事件復原速度反而較慢，且經濟損失更為嚴重，形成「AI 優先悖論」。日本 AI 優先企業復原時間較非 AI 優先企業多 54.6 天，經濟損失為兩倍以上。調查強調，企業應重新評估安全投資方向，並及早採取行動。
網路服務商 Fastly 最新發布的全球安全調查報告顯示，積極導入人工智慧（AI）的企業，在面對網路安全事件時，復原速度反而較慢，且經濟損失也更為嚴重，形成一種「AI 優先悖論」。
該報告訪問了北美、中南美洲、歐洲、亞太地區及日本等地的 2,000 名網路安全決策者，其中日本有 200 名受訪者。受訪企業規模均為 250 名員工以上，70% 的受訪者（日本為 61%）具有網路安全相關決策權或對決策有影響力。
調查將「AI 優先企業」定義為將 AI 整合至主要流程與服務中的企業。結果顯示，日本的 AI 優先企業平均需要 6 個月才能從網路安全事件中完全復原，較非 AI 優先企業多出 54.6 天。此外，AI 優先企業因資安事件造成的經濟損失，平均佔其營收的 3.22%，是非 AI 優先企業（1.27%）的兩倍以上。
Fastly 資訊安全長（CISO）Marshall Erwin 指出，AI 優先企業可能因過於追求快速發展，而忽略了安全措施。此外，AI 工具也可能受到提示注入（prompt injection）等攻擊，進而產生額外的風險。
全球範圍內，AI 優先企業平均需要 7 個月才能從資安事件中復原，較非 AI 優先企業多出 80 天。這顯示，積極投資創新的同時，若未能同步強化安全體系，恐將導致企業面臨更大的風險。
調查亦顯示，日本企業中有 56% 認為近期發生的資安事件與 AI 有關，其中 22% 是由於提示注入或模型中毒等直接濫用，34% 則是因為影子 AI 或資料外洩等安全漏洞所導致。全球範圍內，此一比例更高達 64%。
Erwin 特別強調，提示注入是 Fastly 最為關注的問題。由於大型語言模型（LLM）的特性，難以辨識輸入資料中隱藏的程式碼或提示。在日本，已有 22% 的企業實際經歷過此類攻擊，高於預期。
數據抓取（scraping）也是 Erwin 關注的焦點。AI 模型可能透過網路爬蟲程式，自動從企業網站或 API 大量獲取資料，並將其商業化，但相關成本卻由企業承擔。日本企業中，有 73% 曾受 AI 工具或機器人程式的數據抓取影響，39% 面臨營運中斷或效能下降等問題，36% 則表示基礎設施成本增加，平均每年增加 4300 萬日圓。全球範圍內，80% 的企業受到數據抓取影響，平均成本增加約 5400 萬日圓。
此外，日本有 54% 的企業認為 AI 相關的數據抓取或機器人活動正逐漸成為成本中心，57% 則擔心開發人員過度依賴 AI 編碼工具所帶來的安全風險。
為應對這些複合式威脅，Erwin 建議企業應重新評估安全投資方向。在日本，已有 86% 的企業採取措施應對 AI 數據抓取和機器人程式，其中 API 驗證與存取控制（51%）、基於 AI/ML 的偵測（47%）以及網站應用程式與 API 保護（WAAP，33%）是主要手段。
Erwin 警告，許多企業優先採用 API 驗證和 ML 基礎偵測，但解決數據抓取問題真正需要的，是 WAF 或機器人程式管理解決方案。目前，僅有 33% 和 29% 的企業導入這些工具，顯示在工具選擇上存在明顯落差。
針對新型態的基礎設施保護，企業對代理程式偵測解決方案（52%）和 API 安全性（51%）的關注度最高，其次是網站應用程式防火牆（40%）和 DDoS 防護（39%）。
Erwin 指出，代理程式偵測工具是安全主管和資訊科技主管掌握企業內部 AI 使用情況的重要第一步。然而，這些解決方案仍處於初期階段，確保可見性是當前的重要課題。
由於日本許多企業的 AI 導入仍處於概念驗證（PoC）階段，主要集中於利用生成式 AI 提高工作效率，因此因 AI 導致的網路安全事件報告較少。Erwin 預期，未來幾個月內，導入代理程式解決方案的企業數量將會快速增加，並呼籲企業應及早採取行動。
Erwin 總結，AI 應用程度越高的企業，面臨的網路安全風險和損失也越大，這種「AI 優先悖論」反映了 AI 導入速度超越了安全體系建設的現況。
