AI 让“非程序员”（业务人员、运营、市场等）超级容易自己搞小工具、小集成、小应用，不用再等 IT 部门排期了。
- 以前：想连两个系统，得找开发写代码，几个月起步。
- 现在：用 AI + 无代码平台，几小时甚至几分钟就能“拼”出来。
听起来很爽对吧？但 Thoughtworks 说：这其实在加速“影子 IT”爆炸，而且规模和危害比以前大多了。 影子 IT = 员工/部门私下用未经公司批准的工具/系统来干活（比如 Excel 宏、个人 SaaS、自己搭的脚本）。
为什么 AI 让影子 IT 更可怕？
- 无代码平台 + AI API（像 Zapier、Make.com、n8n 等现在直接支持 OpenAI/Anthropic）：
- 业务人员可以用 AI 当“万能胶带”（duct tape）：比如 Slack 消息 → AI 解析 → 自动调用 ERP 系统 API 下单。
- 以前做不到的“奇葩集成”现在一键搞定。
- Agentic AI 编码助手（越来越“自主”的 AI，如 Cursor、Claude Projects、Replit Agent 等）：
- 只需简单培训，非技术人员就能让 AI 帮他建内部小工具（报表、审批流、数据同步脚本）。
- 门槛低到“描述一下需求，AI 就给你生成+部署”。
和历史类比：电子表格的翻版，但更狠
- 当年 Excel 刚流行时：大家用它快速解决业务问题（财务模型、跟踪表），超级高效。
- 结果：关键业务流程全靠一堆乱七八糟的 Excel 文件跑，改一个人就崩；版本混乱；数据泄露风险高；审计不可能；技术债越滚越大。
- 现在 AI 版影子 IT：影响范围更大（连系统、动数据、建应用），一旦出问题，安全漏洞、数据散乱、合规炸锅、维护地狱都来了。
潜在风险
- 未经治理的应用爆炸：到处是“野生”小工具，谁也不知道有多少、谁在用、怎么维护。
- 安全隐患暴增：这些东西很可能没加密、没权限控制、直接暴露 API key、把敏感数据喂给外部 AI。
- 数据更碎片化：数据从核心系统流到各种影子工具，同步乱套、版本不一致。
- 长期技术债：短期爽，长期 IT 部门得花几倍精力去“救火”、迁移、治理。
他们的建议
- 保持警觉：别一看到业务痛点就让大家随便用 AI 拼。
- 权衡取舍：快速解决问题 vs. 长期稳定性。
- 可以鼓励“原型/实验”用 AI，但别直接上生产。
- 企业层面要建治理：比如批准流程、影子工具发现机制、统一平台（低代码+AI 的企业版）、安全审查等。
- 简单说：AI 赋能业务是好事，但别让它变成失控的“影子帝国”。
一句话总结这个 blip 的态度： AI 降低门槛是双刃剑，现在看到影子 IT 被 AI 加速的苗头了，先别全盘拥抱，Hold 住、管好风险再说。