企業資料安全基本盤：哪些資料不能餵給 AI（Chinese original）

「哪些資料可以給 AI、哪些絕對不行？」——這個問題如果沒有標準答案，第一線的判斷就會五花八門，而只要有一次把客戶個資或機密條款貼進外部工具，外洩就無法回收。這篇文章要建立的就是這個標準答案：先給資料分級，讓每一類資料有明確的使用規則；再給紅線清單與工具選擇的判斷依據；最後給一份可以直接拿去和 IT、法務開會用的問題清單。讀完你會發現，資料安全不是「能不能用 AI」的問題，而是「什麼資料、配什麼工具」的對應問題。

資料分級：四分法

先把公司資料分成四級。分級的意義在於：每一級對應一組明確的 AI 使用規則，第一線員工不需要懂技術，只需要會分類。

等級	定義	例子	AI 使用規則
公開	已對外發佈或可公開取得	官網文案、已發佈的產品型錄、公開新聞稿	各類工具都可用
內部	限公司內部流轉，外洩影響輕微	內部公告、流程文件、會議紀錄（不含敏感內容）	公司核準的企業版工具；禁用個人免費帳號處理
機密	外洩會造成商業損害	客戶合約與報價、未公開財務資訊、原始碼、行銷策略、人事薪資	預設不出網：本地部署，或經法務核準、簽有資料處理協議的企業方案
受監管	法律法規對其收集、處理、跨境傳輸有專門要求	個人身分資料、健康醫療資料、金融帳戶與交易資料、受出口管制的技術資料	未經法務與資安核準，一律不得輸入任何 AI 工具；優先本地部署

分級要落在文件上，而不是留在觀念裡：給每一級配上「正面表列」的具體例子，貼到內部規範中，員工才判得動。哪一級算「受監管」、跨境傳輸的界線在哪，各地法規不同，必須由你們的法務依公司所在與客戶所在市場認定，本文不構成法律意見。

紅線清單：這些內容絕對不要直接貼進公有雲 AI

不論工具多有名、條款多好看，以下內容在未經核準前都屬於紅線：

個人身分與聯絡資料：身分證字號、護照號碼、住址、電話、病歷、帳戶號碼。
存取憑證：密碼、API 金鑰、權杖、內部系統的連線字串。這類內容一旦進入對話紀錄，等同憑證外洩，應立即撤換。
客戶的機密：合約條款、報價、技術文件。注意這是「客戶的」機密，你對客戶負有保密義務，無權代為決定上傳。
未公開的重大資訊：未公佈的財務數字、併購規劃、重大投資。對上市公司或金融機構，這類資訊的使用另有監管要求，先問法務。
核心智慧財產：演算法原始碼、配方、製程細節、專利申請前的技術內容。
受管制資料：受出口管制或跨境傳輸限制的技術與資料。

一個常被忽略的細節：去識別化不等於拿掉姓名。把姓名換成代號，但保留「某公司董座、某日期、某醫院」的組合，識別的門檻依然很低。真正的去識別化要拿掉所有能交叉比對出特定人或特定機密的欄位，這件事的標準同樣應由資安與法務定義。

萬一已經貼進去了怎麼辦？ 紅線存在的意義是事前防範，但事故還是會發生。建議事先把應變動作寫成流程，事故發生時照著做：第一，記錄事故內容（什麼資料、貼到哪個工具、什麼帳號、什麼時間）；第二，涉及憑證的立即撤換憑證，這比任何刪除動作都優先；第三，刪除該對話與相關紀錄，並確認供應商條款中關於刪除的效力範圍；第四，依公司資安事件流程通報，由資安與法務評估是否觸發對外通報義務（對監管機構或對當事人的通知時限，各地法規不同，由法務判斷）；第五，把事故案例去識別化後納入內部宣導。切記：通報不追責的文化和清晰的流程，決定了事故會被如實上報還是被隱瞞——後者的代價大得多。

企業版與消費版：差別在條款，不在功能

很多工具的企業版和個人版介面幾乎一樣，差別藏在條款裡。決定能不能商用於內部資料的，是下面這張對照表裡的每一項：

檢查項	消費版常見情況	企業版應確認的內容
輸入是否用於模型訓練	條款可能預設允許，或提供關閉選項	明確的書面承諾：不使用客戶資料訓練模型
資料保留期間	可能保留用於濫用防範等目的	保留天數、可否要求刪除、刪除的執行方式
管理後台	無	集中管理帳號、用量、功能開關
稽核紀錄	無	誰在什麼時間用了什麼，可匯出查核
單一登入與權限	無	支援公司的 SSO，離職即停用
資料處理協議（DPA）	不提供	可簽署，且能列出 subprocessor（再委託的第三方）清單
資料存放地區	不保證	可指定或有明確說明

兩個使用原則：第一，每一項都以供應商當前的條款原文為準，不要依賴記憶、銷售口頭說法或網路上的舊文章——條款會改版，本文也不對任何供應商的現行條款做斷言。第二，免費版永遠按消費版對待：不允許處理內部級以上的資料。

本地部署選項：資料不出網的代價與選擇

如果分級結果是「機密或受監管，且必須用 AI」，主流做法是把開源模型部署在自己的機器或伺服器上。資料全程留在公司邊界內，這是最強的控制，代價是能力與便利性通常低於最先進的雲端模型，且需要有人維運。

三個常見的開源部署方案，定位各不相同：

方案	定位	適合誰	需要什麼
Ollama	用最簡單的方式在本機跑開源模型	個人或團隊的實驗與輕量使用	一台記憶體足夠的電腦；技術門檻低
LM Studio	圖形介面的本機模型工具	不碰命令列的使用者	個人電腦；適合單人場景
vLLM	伺服器級的高吞吐推理引擎	要對整個公司提供服務的資訊部門	伺服器與 GPU 資源、專人維運

硬體需求的判斷方式：每個開源模型的發佈頁都會標註建議的記憶體與顯示記憶體需求，模型愈大、能力愈強、需求愈高。做法是先確定場景需要的能力等級，再從「能力夠用」的模型裡挑資源需求最小的，而不是反過來。

也要說清楚本地部署的邊界：資料不出網不等於絕對安全。模型檔案要從可信來源取得；本機服務仍要做帳號權限控制，否則敏感資料只是換了一條外洩路徑（從雲端變成內部任意存取）；開源模型的能力更新節奏也需要有人跟進。想深入評估安全面，可參考AI 安全紅隊測試。

需要跟 IT 與法務確認的問題清單

把這篇文章變成行動的最快方式，是拿著下面的清單約一次會。每個問題後面留出「公司答案」欄，會後歸檔，就是你們第一版 AI 資料使用規範的雛形。

#	問題	該問誰	公司答案
1	我們有沒有正式的資料分級標準？AI 使用規則要不要掛進去？	資安／法務	＿＿
2	哪些資料屬於受監管類別？適用的法規清單是什麼？	法務	＿＿
3	公司核準的 AI 工具清單有哪些？各自核準到哪個資料等級？	IT／資安	＿＿
4	現有 AI 供應商的條款中，訓練使用與資料保留怎麼約定？	法務／採購	＿＿
5	員工目前實際在用哪些未核準的 AI 工具處理公司資料？	IT（網路與帳號稽核）	＿＿
6	發生資料誤上傳事件時的通報與處置流程是什麼？	資安	＿＿
7	客戶合約中的保密條款，對使用第三方 AI 處理客戶資料有無限制？	法務／業務	＿＿
8	若採本地部署，硬體預算、維運人力、模型來源審查由誰負責？	IT	＿＿
9	跨境傳輸的限制如何影響工具選擇（含供應商子公司與伺服器位置）？	法務	＿＿
10	AI 使用規範要不要納入新人到職訓練與定期宣導？	HR／資安	＿＿

常見誤區

誤區一：「刪除對話就等於資料收回來了。」 你刪除的是自己介面上的紀錄；資料在供應商端經過了哪些系統、保留了多久，由條款決定，不由你的刪除鍵決定。紅線內容的正確處置是「一開始就不輸入」，以及輸入過憑證就立即撤換憑證。

誤區二：「大公司的產品就是安全的。」 安全與否取決於你用的方案與條款等級，不是品牌大小。同一家的免費版與企業版，資料待遇可能完全不同。

誤區三：「內部用就沒風險。」 內部使用的風險不在對外發佈，而在資料經過外部伺服器這件事本身。內部資料一樣要按分級走規則。

誤區四：「本地部署之後就不用管了。」 本地部署把風險從「資料出網」換成了「內部管控與維運」。權限、來源審查、能力更新，一樣都不能少。

誤區五：「規範寫好就等於執行到位。」 沒有配套的核準工具清單與稽核，規範只是紙面作業。讓「合規的路」比「違規的路」更好走——把核準的工具做得方便，員工才不會繞道。

下一步

把資料分級的答案帶回選型：選 AI 工具的判斷框架的第一題就是它。
分級之後哪些場景直接出局：什麼時候不該用 AI的場景三。
要開法務與供應商審查的完整檢查表：AI 合規與風險邊界。
準備好安全邊界後動手實作：不寫程式做出你的第一個 AI 工作流。