云安全联盟（CSA）联合Jazz发布的最新调查《AI时代的DLP》显示，数据防泄漏（DLP）工具正逐渐沦为“事后取证”系统，而非有效的预防性控制措施。研究发现，73%的组织在过去24个月内至少经历过一次确认的数据泄露，但仅有16%的受访者表示，其DLP系统在数据流出前成功阻止了最严重的一次事件。
企业级DLP的核心议题已从“是否部署”转变为“是否有效”。
CSA高级副总裁兼研究总监Hillary Baron指出，随着生成式AI开辟新的数据出口，传统DLP难以应对新兴漏洞。分析师被海量噪音消耗，执行力度被迫减弱，组织无法承受事后才发现漏洞的后果。
关键发现：风险与管控错位
- 可见性错觉：尽管48%的安全团队将生成式AI列为首要数据外泄风险，但仅29%的团队能定期生成敏感数据流向AI工具的报告显示。
- 管控倒挂：高风险领域管控薄弱。仅22%的组织对生成式AI实施严格拦截，19%对云存储上传严格拦截。相反，风险评级最低的可移动介质却拥有最高的严格拦截率（31%）。
- 警报疲劳：54%的团队面临大量误报。90%的团队因警报疲劳受到可衡量的负面影响，21%的团队甚至有员工因此离职。
- 业务摩擦削弱执行：71%的受访者在推行DLP时遭遇阻力。其中66%针对特定场景减弱执行力度，54%的受访组织整体弱化了DLP执行。
Jazz联合创始人兼CEO Ido Livneh表示，平均每家组织使用近170种AI工具，但获批准的不足10种。团队亟需看清数据实际流动路径，以聚焦真正风险而不阻碍业务。
该项调查于2026年6月至7月在线进行，共收集433份来自北美IT及安全专业人士的回复。Jazz资助研究并参与问卷开发，CSA独立负责数据分析与解读。