# AI 知識庫接上公司文件，誰看得到什麼？企業先做五種角色測試

- 網址：https://www.edgedeploy.tw/blog/ai-knowledge-base-document-access-control-checklist
- 分類：AI 導入與風險
- 發佈日期：2026-09-08
- 更新日期：2026-09-08
- 作者：邊境部署

> 把雲端硬碟或內部文件接進 AI，不代表原有部門、群組與個人權限會自動保留。本文用五項驗收問題，協助企業確認身分、文件權限、同步、引用與離職停權，避免薪資、報價或客戶資料被不該看見的人搜尋到。

公司把雲端硬碟、內部手冊與專案資料接進 AI（人工智慧）知識庫，員工只要用一句話，就能找到規定或整理文件。示範時很方便，但財務同仁問了一句模糊問題，系統卻引用人資資料夾的薪資說明；一般員工也可能從回答片段，看見原本只有主管能讀的報價或客戶紀錄。

這不只是回答錯誤，而是存取權限可能在新的搜尋入口失效。結果可能造成個資或營業資訊曝光、內部信任受損、離職帳號仍能查詢，以及企業難以判斷是哪份文件、哪次同步或哪家廠商出了問題。

可以把 AI 知識庫想成替公司所有檔案增加一位櫃台人員。原本每個檔案櫃都有鑰匙，櫃台卻不能因為自己看過內容，就把答案告訴任何來問的人。安全的做法是先確認提問者身分，再只翻閱他本來就有權打開的櫃子，並留下取用紀錄。

## 接上資料，不代表原有權限會自動跟過去

許多知識庫採用 RAG（檢索增強生成），意思是系統先從企業文件找出相關片段，再交給生成式 AI 組成答案。文件可能會先被切成小段、建立搜尋索引，也就是另一份方便查找的資料集合。若同步時只複製內容，沒有一併保存誰能讀取，原本雲端硬碟的資料夾權限就可能失去作用。

權限必須在每次查詢時依使用者身分過濾，不只是登入系統後就能搜尋全部資料。Microsoft 與 Google 的企業搜尋官方文件都把資料來源或文件層級存取控制列為需另外設定、同步與驗證的能力，而且支援方式與限制會依資料來源、身分系統及產品版本不同。採購時不能只問「能不能串雲端硬碟」。

## 用五個問題驗收「權限會沿用」

1. **系統知道現在是誰在問嗎？** 確認員工使用個人公司帳號登入，查詢時會帶入本人與群組身分；共用帳號或所有人共用一把系統金鑰，無法可靠分辨權限。
2. **每份文件的閱讀權限有沒有進入索引？** 要求廠商說明資料夾、群組、個人分享與外部訪客規則如何被保存。若產品只支援整個資料來源開或關，就不能把不同機密等級混在同一個知識庫。
3. **權限變更多久才會生效？** 實測將一位測試使用者移出群組、取消文件分享或停用帳號後，搜尋結果、答案與引用片段何時停止出現。只同步新增內容，卻不處理刪除與撤權，會留下過期入口。
4. **答案能否指出來源，紀錄由誰查看？** 引用應讓有權限的人核對文件、版本與更新時間；查詢與回答紀錄也可能含薪資、客戶或合約內容，不能變成另一個所有管理員都能看的副本。
5. **五種角色是否做過正反測試？** 至少用一般員工、主管、人資或財務、外部協作者、離職停用帳號測試同一批問題。驗收不只要證明該看到的人找得到，也要證明不該看到的人無法從答案、摘要、引用或錯誤訊息取得片段。

OWASP（開放全球網頁應用程式安全計畫）在 2025 年的向量與嵌入弱點指引中提醒，檢索系統若存取控制不足或彼此錯位，可能讓不同使用者情境間發生資料洩漏。只在提示詞寫「不要透露機密」不能取代查詢前的權限過濾，因為文字指示不是檔案櫃的鎖。

## 便宜方案的合理邊界，是先縮小資料範圍

低成本方案若只支援單一共同權限，仍可先放公開產品資料、全員可讀的制度與已核准問答，換取較快導入。限制是不能混入人資、財務、客戶、採購或主管專用文件。較完整的方案會同步來源權限、連接公司身分系統、處理撤權與刪除，並提供可稽核紀錄，但設定、測試與持續維護成本也較高。

不要用「之後再分權」作為先匯入全部文件的理由。第一步是把資料來源分成全員可讀、部門限定、個人或專案限定、不得匯入四級。先用自製假資料建立五種角色，再逐題測試允許與拒絕結果；權限不明的資料先不接入。

## 自行處理的邊界與接洽準備

企業可以自行列出資料來源、擁有人、現有群組與機密等級，刪除過期分享，並用假資料完成角色測試。若資料跨越多套雲端硬碟、權限大量繼承、外部協作者眾多，或系統無法說明索引、撤權、紀錄與引用如何處理，就需要身分權限、資料治理與 AI 系統人員共同盤點。

接洽前可準備資料來源清單、五種代表角色、三份不同權限的測試文件、群組與離職流程、同步頻率、不可接受的曝光情境，以及目前廠商的權限說明。邊境部署可以協助把這些現況整理成資料分級、身分流程與可重複的驗收題庫，先證明一小段知識範圍守得住權限，再決定是否擴大導入。

## 查證來源

- [NIST：AI Risk Management Framework 1.0](https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-ai-rmf-10)
- [NIST：Generative Artificial Intelligence Profile](https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence)
- [OWASP Gen AI Security Project：LLM08:2025 Vector and Embedding Weaknesses](https://genai.owasp.org/llmrisk/llm082025-vector-and-embedding-weaknesses/)
- [Microsoft Learn：Document-Level Access Control in Azure AI Search](https://learn.microsoft.com/en-us/azure/search/search-document-level-access-overview)
- [Google Cloud：Set up data source access control](https://docs.cloud.google.com/generative-ai-app-builder/docs/data-source-access-control)