隨著文件、電子郵件、訊息、圖像等非結構化資料快速成長，企業面臨前所未有的數據安全挑戰。這些資料佔企業產生與儲存數據的大宗，往往包含大量敏感資訊，卻因分散、持續變動且難以分類管理，使得敏感資料容易被過度分享、儲存不當，或因錯誤配置而外洩。攻擊者正鎖定檔案共享、收件匣及協作平台等防護較弱的內容，進行勒索、詐欺或入侵。
當個人資料（PII）、受保護的健康資訊（PHI）或 PCI 等敏感或受法規管制的資料外洩或管理失當，將觸發企業層級的應變協議。人工智慧（AI）雖被視為提升資安能力的工具，但也可能放大現有風險。若企業在缺乏基礎可視性與掃描能力的情況下導入人工智慧，恐會擴大資安盲點。國際資料公司（IDC）估計，到 2025 年，非結構化資料將佔所有數據的 80%，達 175 ZB（zettabytes）。
企業必須先建立紮實的數據安全基礎，才能確保人工智慧有效強化數據防護，而非加劇現有風險。一份調查顯示，47% 的企業將人工智慧視為未來非結構化資料的主要威脅，但同時也有 40% 的企業將其視為核心安全能力。然而，目前僅有 9% 的企業具備非結構化資料的即時掃描能力，更有 23% 完全無法掃描這類資料。
為應對這些挑戰，現代數據安全策略需要一套整合的數據安全姿態管理（DSPM，Data Security Posture Management）方法，這是一種幫助企業持續監控與改善其數據安全狀態的方法，並輔以全面的加密技術。DSPM 應作為基礎，結合進階分析、加密、存取管理、事件報告及事件應變等關鍵功能。報告指出，雲端資料中近一半被視為敏感資料，但不到 10% 的企業表示已加密八成以上的雲端資料。
企業正尋求統一的平台式數據優先安全解決方案，以降低複雜性、簡化營運並實現單一管理介面。整合式安全平台可集中管理雲端、軟體即服務（SaaS）與地端環境的數據安全。研究公司 Omdia 的決策者調查指出，59% 的受訪者計畫近期採用整合式安全平台，其餘 41% 也未排除此類方案。這些平台應為真正整合的組件，而非各自獨立的單點產品。
在整合平台中，人工智慧與機器學習（AI/ML）功能對於降低工作負擔、改善針對非結構化資料的偵測能力至關重要。人工智慧驅動的分析能預測潛在資安事件，提供主動防護。不過，導入生成式人工智慧（generative AI）仍需妥善的防護措施，關鍵的企業智慧財產和敏感個人資料絕不能暴露於生成式人工智慧的運作範圍內。
