AI正在大幅降低網路攻擊的技術與成本門檻，企業為資料外洩付出的代價卻更加沉重。IBM（NYSE：IBM）最新《2026年資料外洩成本報告》顯示，四分之一由惡意入侵造成的資料外洩事件與AI技術有關，事件數較前一年增加56%，每起平均損失達600萬美元（約新台幣1.95億元），比一般資料外洩事件多出約100萬美元。更值得警戒的是，62%的AI驅動攻擊鎖定關鍵基礎設施，其中又以金融服務與能源產業遭受攻擊最為頻繁。
IBM指出，深度偽造冒充與具備AI能力的惡意軟體，正在改變資料外洩的「經濟結構」。駭客可以利用AI縮短攻擊準備時間、降低所需成本，甚至將攻擊流程自動化及規模化；但受害企業仍須承擔事件調查、系統復原、營運中斷、法規遵循及商譽受損等代價，形成駭客可能只需投入數千美元，企業卻面臨數百萬美元損失的不對稱局面。
AI改寫攻擊經濟學 企業漏洞修補速度成關鍵
「正在變化的是網路攻擊的經濟效益。AI讓網路攻擊的速度更快、成本更低，但安全漏洞造成的損失卻愈來愈大。」IBM安全軟體副總裁Suja Viswesan表示，當企業從發現漏洞到完成補救之間出現更長的時間差，這種失衡就會直接反映在資料外洩成本上。
她指出，企業當務之急是縮短這段「時差」，包括將補救機制納入軟體開發流程、在系統運行期間強化身分安全，並以接近駭客的思維與速度處理風險。
然而，IBM調查顯示，企業目前雖然已開始運用AI協助偵測威脅，漏洞管理速度仍未跟上。超過半數受訪組織已使用代理型AI進行威脅偵測與防禦，但只有18%將AI代理應用於漏洞管理。
換言之，企業可能已經更快「看見」攻擊，卻不一定能以相同速度完成修補。當駭客利用AI縮短尋找、測試及利用漏洞的時間，企業內部的已知漏洞仍可能因開發流程、權責分工或系統相依問題而長時間存在，進一步擴大攻防速度落差。
62%鎖定關鍵基礎設施 金融業每起外洩損失逾2億元
產業別來看，AI驅動攻擊已明顯朝關鍵基礎設施集中。報告顯示，62%的相關攻擊鎖定關鍵基礎設施，金融服務與能源產業遭受攻擊最為頻繁。
其中，金融服務業每起資料外洩事件平均損失達630萬美元，折合約新台幣2.04億元；能源業平均損失也達520萬美元，約新台幣1.69億元。
由於金融與能源業分別牽動支付、資金流、電力及能源供應，一旦遭遇大規模入侵，衝擊可能不再局限於單一企業，而是向外擴散至供應鏈、金融交易與基本民生服務，增加系統性停機及連鎖中斷的風險。
AI不只協助駭客攻擊 企業AI模型也成新破口
隨著企業加快導入生成式AI與AI代理，AI不只是駭客用來發動攻擊的工具，企業部署的AI模型及應用本身，也開始成為新的攻擊目標。
報告顯示，超過兩成受訪組織表示，其AI模型或AI應用曾遭受攻擊並造成資料外洩。不過，真正遭突破的環節未必是AI模型核心，更多風險來自模型周邊的系統與介接環境。
在相關事件中，API、應用程式或外掛程式遭到破壞的比率為27%，影響AI工作負載的雲端配置錯誤同樣占27%。這也反映企業若只追求AI應用快速上線，卻未同步管理身分權限、API介接、外掛來源及雲端設定，AI部署規模愈大，可能暴露的攻擊面也會隨之擴張。
