企业究竟如何保护AI？围绕这一问题，安全专家Lenny Zeltser与Sounil Yu发布了《AI安全决策报告》（AI Security Decisions Report），汇总了对约300名安全从业者的调查结果。

Lenny Zeltser表示，报告揭示了企业在AI安全治理中的四项关键发现。

首先，企业在保护AI时，最常采用的仍是现有安全工具。

调查显示，受访者最常使用的是通用安全工具和既有流程，其次是AI厂商和云服务商在产品中提供的安全功能，以及企业自研的控制措施；真正采用AI安全专用产品的比例最低。

Lenny Zeltser指出，优先使用现有能力本身并不意外，但企业需要确认，这些工具是否能够覆盖组织所涉及的全部AI资产类型。对于销售AI安全产品的厂商而言，也需要说明，其产品相较于客户现有能力究竟还能提供哪些额外价值。

第二，越是AI代理运行所依赖的关键资产，企业越缺乏专门防护。

AI代理基于模型作出判断，并能够自行选择执行步骤和工具。支撑其运行的关键资产主要包括三类：连接模型、工具与数据的编排层；提示词、检索结果、记忆等运行时数据；以及代理在调用权限时使用的代理身份凭证（agent identity）。

在上述资产中，受访者最担心的是运行时数据和代理身份凭证。Lenny Zeltser认为，企业首先应区分哪些环节可以继续依靠现有工具进行防护，哪些场景确实需要专门防护；即便需要新增能力，也应先确认现有工具是否已经具备相应覆盖范围。

第三，企业内部的AI安全责任归属仍不清晰。

调查显示，由CISO或中央安全团队承担主要责任的情况最多，但占比仍不足一半。每8名受访者中就有1人表示，相关职责由多人分担，但没有明确的第一责任人；另有约八分之一受访者称，所在组织尚未确定由谁负责AI安全。

在尚未明确负责人的组织中，认为“AI资产缺少专门控制措施”的比例，约为由CISO负责组织的两倍。

Lenny Zeltser表示，这类组织看起来尚未真正形成“如何保护AI”的清晰方案；而方向明确的组织，通常也更容易建立起相应的安全控制措施。如果责任由多人共同承担，就更需要避免“人人有责”最终演变为“无人负责”。

第四，AI生成代码已成为最常见的AI资产，但建立专门控制机制的组织仍不到一半；与此同时，几乎没有受访者将其列为最担心的资产类型。

Lenny Zeltser表示，无论代码由人编写还是由AI生成，其本质仍然是代码。但在“vibe coding”时代，非开发岗位员工也开始借助AI编写代码，而这类行为往往发生在既有代码安全工具所覆盖的开发流程之外。企业可能需要识别这类使用场景，并在员工使用的代码生成工具中补充接入外部库安全检查，以及密码、API密钥泄露检测等能力。