公司為什麼不准你用 AI？Anthropic 官方新機制：每句話進模型前先過一關

公司禁用 AI，多半不是主管保守，是資安沒有一個「看得到、擋得住」的檢查點。Anthropic 在 2026 年 8 月 5 日官方發布 Inference hooks，把這個檢查點直接做進 Claude Enterprise：你打的每一句話、AI 從外部工具拿回來的每一筆資料，送進模型之前先讓公司自己的伺服器裁決一次。這篇把官方文件拆成人話，順便講它對一般上班族的實際意義。

先說這是誰講的：Anthropic 官方，2026 年 8 月 5 日

消息來源是 Anthropic 自家的 Claude 官方部落格，8 月 5 日那篇〈Inference hooks: inline data loss prevention for Claude Enterprise〉。分類掛在「Enterprise AI／產品發布」，目前是 beta，開放給 Claude Enterprise 的客戶。

官方第一段就把用途講死了：讓公司的法遵團隊「在每一個 prompt 和每一個工具回傳抵達 Claude 之前，檢查並執行政策」。決定放行或擋下的不是 Anthropic，是企業自己那台伺服器。

文章裡引了 Bandwidth 資安副總 Andrew Grimmett 的一句話，我覺得這句最貼近實務：「Inference hooks add a checkpoint to inspect what's flowing to Claude in real time, before the model ever sees it.」（在模型看到之前，即時檢查有什麼東西正流向 Claude。）他後面補的那句更關鍵 ——「這讓我們可以安全地在 AI 上跑更快，而不用放棄控制權。」

圖／Anthropic 官方部落格 Inference hooks 資料驗證流程圖（來源）

白話講：它就是 AI 版的「郵件室」

想像公司大樓的收發室。你要寄一份文件出去，不是直接丟郵筒，是先經過收發室，有人看一眼這份文件能不能出去。能就寄，不能就退回你桌上。

Inference hooks 做的事一模一樣，只是把收發室裝在「你跟 AI 之間」。官方描述的流程是這樣：

1. 組織開啟這個功能後，每一次的推論請求會透過一條有簽章的 WebSocket 連線，路由到公司指定的安全伺服器。
2. 模型還沒開始生成之前，Claude 先把 prompt 和它的上下文送過去。
3. 伺服器回一個裁決：allow 或 deny。Claude 拿到裁決才往下走。
4. 工具呼叫也跑同一套檢查 —— 包括透過 MCP 連接器、Skills、外掛拿回來的資料，在送回模型之前先被檢查一次。

官方運作機制拆解（本站自製資訊圖）

第 4 點才是我覺得最有料的地方。多數人講 AI 資安只想到「員工會不會亂貼機密」，但現在的 AI 是會自己去外面拿東西的 —— 連資料庫、連雲端硬碟、連公司系統。那些「AI 自己抓回來的資料」也可能是敏感資料，一樣要過關。

為什麼企業一直卡在這一步

官方自己點出了缺口：資安團隊的要求是「員工能搬動敏感資料的每一個管道，都要經過一個他們自己控管的檢查點」。但在這之前，原生的即時攔檢只有 Claude Code 的用戶端 hooks 有 —— 也就是說，工程師用的那條路有守門員，其他人用 chat、用 Cowork 的那幾條路是空的。

Inference hooks 補的就是這個洞：一層攔檢，覆蓋所有 Claude Enterprise 的介面，不用每個產品各接一次、各裝一支代理程式。

缺口在哪、現在怎麼補（本站自製資訊圖）

這也解釋了一個很多人不懂的現象：為什麼公司對 AI 的態度常常是「全面禁用」或「只准某幾個人用」？因為在沒有攔檢點的情況下，資安只有兩個選項 —— 全開或全關。全開沒人敢簽字，那就只能全關。

官方給的三個實務做法

這篇文章不是只丟一個功能，它把導入方式也寫了，我整理成三塊：

1. 接到你本來就有的 DLP 上，不用重蓋一套。Inference hooks 走的是開放的 webhook 協定，而且有公開的 schema。官方點名可以直接指向公司既有的資安伺服器，包括 Netskope、Palo Alto Networks、Proofpoint、Zscaler，或是自己內部建的 AI 安全伺服器。
2. 一次設定，全平台生效。在組織層級開一次，就套用到 Claude Enterprise 的各個介面，chat、Claude Code、Cowork 都算，連 MCP 連接器、Skills、外掛發出的工具呼叫都包含在內。
3. 可以慢慢開，不用一次上線。官方提供 shadow mode（先只觀察、一律放行）、依角色排除、按百分比逐步推開；逾時、失敗時的容忍政策也可以自己調，對齊公司的風險胃納。

第 3 點其實是最貼近現實的設計。企業導入任何管制工具最怕的都不是技術，是「一開就擋到人、然後全公司罵翻」。先用 shadow mode 跑一段時間、看清楚員工到底都在丟什麼進去，再決定規則要多嚴 —— 這個順序比規則本身重要。

我在教育訓練現場，最常被問的就是這題

我的工作是做企業內部的 AI 教育訓練，把難懂的新科技翻成一般同仁聽得懂的話。每次開課，Q&A 一定會出現同一題：「這個東西，公司到底准不准我用？我把資料貼進去會不會出事？」

過去我只能回答立場：敏感資料自己先遮、客戶資料不要整份貼、涉及金額和個資的先去識別化。這些都對，但它是「靠人自律」的答案 —— 而靠自律的規則，通常撐不過忙碌的星期五下午。

Inference hooks 有意思的地方在於，它把這件事從「員工的自制力」搬到「系統的檢查點」。這也讓我在課堂上多了一個能講的層次：AI 治理不是叫大家小心一點，是把守門這件事變成基礎建設。

另外一個巧合是，我這幾天正好在備 AI Agent 的觀念課教材，用「餐廳點餐」的比喻在解釋 API、CLI、MCP 的差別 —— API 是跟外場服務生點餐、CLI 是直接去櫃檯用行話點、MCP 是給 AI 管家的通用點餐規範（Anthropic 官方的比喻是「AI 界的 USB-C」）。結果官方這篇文章直接說了：連 MCP 拿回來的東西也要過檢查。也就是說，AI 接的管線越多，需要守的門就越多，這兩件事是同一條線上的。

我也想到前幾年很多企業在推 RPA。RPA 的痛點是流程一改就要重設，管制邏輯全部寫死在流程裡；而 AI 這一代的做法反過來 —— 流程可以是活的，但每一次「資料要出門」的那一刻被卡住檢查。管的東西從「怎麼做」變成「什麼能出去」，這個轉變我覺得比功能本身更值得記下來。

對一般上班族的 3 個意義

不是資安人員也用得到的三個結論（本站自製資訊圖）

1. 你們公司禁用 AI，通常不是保守，是還沒有攔檢點。知道這件事，去跟 IT 或資安同事討論的時候，問題就能從「為什麼不給用」變成「我們要開的話，檢查點放哪裡」。後者才有得談。
2. 個人版沒有這層守門員，自己就是收發室。這個功能是企業版才有的。你自己在家用的免費版、個人付費版，沒有任何人幫你檢查貼進去的是什麼 —— 合約、客戶名單、報價單，該遮的自己遮。
3. 規範不是煞車，是公司敢放手讓你用的前提。會被擋的通常是特定幾類內容，不是整個工具。當公司有了可以控管的檢查點，能開放的範圍反而會變大。

幾點要先知道的限制

• 目前是 beta，而且只給 Claude Enterprise。不是所有方案都有，個人版、一般團隊方案都不在範圍內。
• Anthropic 給的是機制，不是規則。什麼算敏感資料、什麼要擋，全部由企業那台伺服器決定。買了功能沒有寫政策，等於裝了門沒有警衛。
• 中間多一站，就會有延遲和失敗的問題。所以官方才要提供逾時設定和失敗政策的容忍度 —— 檢查伺服器掛掉的時候，是全部放行還是全部擋下，這個選擇本身就是風險決策。
• 它管的是「進去之前」。這是輸入端的防線，不等於模型輸出、帳號權限、資料留存這些問題都一起解決了。

小結

我會把這則發布看成一個訊號：AI 進企業的階段，正在從「能不能用」轉成「怎麼管」。真正決定一家公司 AI 用得深不深的，往往不是模型多強，而是有沒有人把守門這件事做成系統。

如果你是一般使用者，這篇最實際的一句話是：公司版有守門員，個人版沒有。在沒有守門員的地方，自己動手遮，是目前唯一的辦法。

---

本文整理改寫自 Anthropic（Claude）官方部落格 2026 年 8 月 5 日發布的〈Inference hooks: inline data loss prevention for Claude Enterprise〉，設定方式另見官方技術文件。文中引述與功能描述皆以官方原文為準，實務觀點為本站自行補充。