某中型保险公司的一名财务分析师，因不满繁琐的对账流程，利用周末时间用Claude Code搭建了一个轻量级自动化工具，用于抓取供应商发票、标记差异并将汇总结果发布到电子表格中。这个工具几分钟内就解决了问题，于是她把它分享给了三位同事。一个月内，它已经在悄悄运行关键业务流程——API密钥被硬编码在代码里，没有错误日志记录，IT部门也完全不知道它的存在。
没有人是恶意为之。但现在，财务运营系统中出现了一个无人负责、未经审计的脚本。一旦它出现故障、泄露凭证，或在审计中被发现，总得有人来解释为什么没人知道它的存在。
这就是"野生代码"：由AI生成、在IT部门视野之外构建的脚本、智能体和应用程序。它不仅蔓延在工程团队中，还渗透进财务、人力资源、法务和市场营销等部门，正以超过安全团队应对速度的方式扩大着企业的攻击面。
七度出任CIO的马克·塞特尔（Mark Settle）这样描述："我们可能正面临一种病毒式扩散现象，而这种现象既没有受到IT部门的管控，甚至也没有受到各业务部门内部运营团队的管控。"
以下将深入探讨这一问题的成因、常规应对方式为何失效，以及更有效的解决思路。
IBM《2026年数据泄露成本报告》发现，涉及影子AI的安全事件在过去一年中增长了一倍多，从2025年的20%跃升至43%。这些事件的平均损失达539万美元，高于整体数据泄露平均成本499万美元。此外，五分之一的数据泄露事件还伴随着监管罚款。
代码本身往往就是问题的切入点。Veracode发布的《2025年生成式AI代码安全报告》发现，45%的AI生成代码存在安全缺陷。Escape发布的《氛围编程应用安全状况报告》则更进一步，对超过5600个公开应用进行审计，发现了2000多个高危漏洞和400多个暴露的敏感信息，包括API密钥、访问令牌，甚至银行账户数据。
除了数据泄露成本外，野生代码还以不那么显眼的方式消耗着预算：无人负责、无法追踪的AI和API支出，员工绕过后闲置的软件许可证，以及IT团队花费大量时间去追踪和修复那些无人记录的脚本。Gartner预测，到2027年底，超过40%的智能体AI项目将因成本不断攀升和价值不明确而被取消。
塞特尔直言不讳地表示："事情开始变得有点失控，是当员工个人决定构建智能体去重复实现某个SaaS模块的功能，仅仅因为他们不喜欢已经付费使用的SaaS工具中现有工作流程的实现方式。"
像Claude Code和Codex这样的工具，让各领域的专业人士能够自行解决问题，而不必在IT部门的待办清单中排队等候。WalkMe的一项全球调查发现，88%的高管认为员工拥有所需的工具，但只有21%的员工认同这一观点。如果企业彻底封堵野生代码，这种差距并不会消失，只会转入地下。
一项关于AI辅助开发的研究发现，AI会将工作负担转移到下游。总要有人去审查、理解并维护构建出来的成果，而这一过程的代价并不小。据Tines《2026年安全从业者之声》调查显示，76%的安全专业人士在过去一年中经历过职业倦怠，而Auvik的研究显示IT从业者的职业倦怠比例为60%。与此同时，IBM针对高管层的研究发现，只有11%的科技领导者认为自己已为未来12个月内即将到来的AI智能体部署规模做好准备，77%的人表示AI的应用速度已经超过了治理能力。
塞特尔认为，解决方案不在于限制："IT和安全团队现在拥有一个独特的机会，可以通过尽早引入构建规范，避免日后引发激烈的争论。"目标是让每个团队，无论是否具备技术背景，从一开始就拥有一个安全、受管控的构建环境。这正是Tines 3B背后的理念——一个原生支持AI的环境，旨在让野生代码走出阴影，同时不拖慢构建者的步伐。
Q&A
Q1：什么是野生代码？
A：野生代码是指由AI生成、在IT部门监管视野之外构建的脚本、智能体和应用程序。它不仅出现在工程团队中，还广泛存在于财务、人力资源、法务和市场营销等非技术团队中，随着AI工具的普及而快速蔓延。
Q2：影子AI相关的安全事件损失有多大？
A：根据IBM《2026年数据泄露成本报告》，涉及影子AI的安全事件占比已从2025年的20%上升到43%，平均每起事件的损失达539万美元，高于所有数据泄露事件499万美元的平均成本，且五分之一的事件还伴随监管罚款。
Q3：为什么直接封堵野生代码不能解决问题？
A：调查显示，88%的高管认为员工已拥有所需工具，但只有21%的员工认同。如果企业强行封堵野生代码，问题不会消失，只会转入地下，员工依然会私下寻找方法解决工作中的实际需求，反而更难被发现和管控。
