Ragini Ramalingam - Enterprise AI Governance at Snowflake | [un]prompted 2026

企業安全在AI時代面臨根本性轉變。傳統企業防禦體系假設執行是預先定義的、確定性的——系統執行人定義的邏輯。但現代AI系統正在改變遊戲規則。它們在運行時做出決策，可以從端點到雲端跨越多個邊界，模糊了原本清晰的控制邊界。一條提示詞可以觸發端點上的系統調用、文件操作、出站網路流量，甚至調用SaaS API。這種執行邊界的擴張和風險的非確定性特性意味著靜態、定期審查的傳統治理模式已經過時。

Snowflake認識到需要一個能夠與技術發展同速的動態治理框架。他們的解決方案始於組織結構——成立由安全、IT、法律、隱私、數據工程和採購代表組成的企業指導委員會。這個跨職能團隊能看到AI在整個企業的應用模式，識別風險並制定緩解措施，然後將這些決定上報給高階領導。這種方法的巧妙之處在於，它把AI啟用/禁用轉變為商業決定而非單純的安全決定，由企業領導根據風險承受能力做出知情決策。這種共享所有權模式相比集中控制能夠更好地規模化。

可見性是這個框架的基礎。Snowflake通過四條途徑獲得AI使用的全景。首先在採購流程中融入AI監督，根據功能進行合理化篩選，淘汰功能重疊的工具以減少攻擊面。其次審查現有產品中啟用的新AI功能，要求用戶通過安全審查才能啟用。第三，作為AI數據雲平台，他們在自有平台上建立安全湖，利用端點、網路、雲和SaaS的遙測數據快速識別AI制品、MCP組件、模型、代理及其交互。最後與各業務部門保持持續溝通，及早了解AI採用動向。

在Coding Agent等高風險工具上，Snowflake面臨獨特的挑戰。Coding Agent不僅編寫代碼，還能執行系統調用、讀寫文件系統、集成API，帶有嵌入式瀏覽器元件，大幅增加了遠端代碼執行的風險。大多數Coding Agent仍缺乏成熟的企業級控制功能。應對之策是採用基於功能的風險評估而非全面禁用或啟用。Snowflake評估了每個功能是否有企業級控制平面支持（如MCP工具的允許清單、網路搜尋域限制、數據外洩防護等），先啟用風險較低且有控制措施的功能。對於自動化瀏覽器路徑，限制其只能訪問內部域名；對於手動瀏覽路徑，確保使用EDR工具進行限制。高自主模式功能則基於用戶群組和風險概況選擇性部署。同時與供應商積極合作，推動他們開發基於功能、基於用戶群組的控制機制，這些需求已經在過去幾個月內看到顯著改進。

成功的AI治理需要三個要素：高階主管支持來驅動目標一致性；跨職能協調確保決策的動態演進；透明度確保所有決策有數據支撐。最關鍵的是理解你無法阻止AI創新——企業會繞過你——所以重點應該是限制執行權限而非完全限制AI使用。治理必須與技術發展同步進化，流程需要動態調整，有時甚至需要每週甚至每天更新策略應對新的風險發現。這不是在阻礙創新，而是為負責任、安全的創新奠定基礎。