當前企業加速導入人工智慧（AI）、物聯網（IoT）、雲端與自動化系統，資料已成為營運決策、模型訓練與供應鏈協作的核心資產。
Thales亞太暨日本區銷售工程副總裁Daniel Toh表示，許多企業推動AI應用時，往往先關注效率、流程與市場速度，但若資料分類、加密與金鑰管理尚未成熟，AI將使既有資安缺口加速擴大。尤其在高科技製造、醫療與政府等產業，藍圖、設計文件、個資與關鍵營運資料具備長期價值，一旦遭到竊取，即使短期內無法被解密，仍可能在量子運算能力成熟後成為可被利用的風險。
Daniel Toh指出，後量子密碼學（PQC）之所以已經成為企業資安治理議題，關鍵在於「先竊取後解密」攻擊模式。對資料生命週期較長的產業而言，這不是遙遠技術假設，而是必須提前納入風險管理的問題。他觀察，目前多數企業仍處於盤點階段，必須先確認內部系統使用哪些RSA、TLS與金鑰交換機制，掌握加密資產分布位置，才有能力規劃後續遷移。
PQC導入的困難在於企業環境並不單純。Daniel Toh表示，許多醫療設備、工業系統與物聯網裝置受限於記憶體、處理能力、保固條件與舊式通訊協定，即使企業有意導入新一代演算法，也未必能直接修改端點裝置。因此，較務實的做法是先在關鍵網路通道或邊界位置導入Thales HSE（高速加密器），以支援NIST PQC演算法的加密能力保護傳輸路徑，先降低資料被攔截後於未來解密的可能性，同時為舊系統爭取遷移時間。
Thales亞太暨日本區銷售工程副總裁Daniel Toh指出，AI擴大資料流動與使用範圍，企業應以分類、加密、金鑰管理與PQC遷移建立長期韌性。
除了HSE，Thales HSM（硬體安全模組）也在PQC遷移中扮演關鍵角色。Daniel Toh指出，HSM的核心價值在於金鑰不離開受保護的硬體環境，但這也使演算法升級與金鑰輪替變得更具挑戰。面對PQC演算法仍可能持續演進的情況，企業需要密碼敏捷性（Crypto Agility），也就是在演算法被證明不足或標準更新時，能以可控方式升級韌體、替換演算法並維持金鑰治理流程。
AI應用也進一步擴大資料安全治理難度。根據Thales Data Threat Report 2026調查研究，亞太企業有71%將AI列為首要資料安全風險，全球IT專業人員有70%認為AI驅動轉型是最大安全挑戰。Daniel Toh表示，若企業無法判斷哪些資料屬於敏感資料、哪些資料已完成加密、哪些資料正流入AI模型或雲端服務，後續將很難落實稽核、追蹤與責任歸屬。因此，資料探索、分類、資料庫活動監控（DAM）、加密與金鑰管理，必須成為AI與PQC治理的共同能力。