# 員工把客戶資料貼進 AI？企業採購前先確認五項資料邊界

- 網址：https://www.edgedeploy.tw/blog/generative-ai-business-data-boundary-checklist
- 分類：AI 導入與風險
- 發佈日期：2026-08-27
- 更新日期：2026-08-27
- 作者：邊境部署

> 員工用生成式 AI 整理客服、合約或會議內容，效率提升的同時，也可能把客戶個資與營業資訊交給未盤點的外部服務。本文用五項問題驗收資料用途、保存、權限、紀錄與退場方式，協助企業比較方案並建立可執行的使用邊界。

業務把客戶來信貼進生成式 AI，也就是根據輸入產生新內容的系統，請它整理需求；主管上傳未公開的報價摘要。這些做法可能省時間，但當老闆追問「資料送到哪裡、保存多久、誰看得到、離職後能不能回收」，團隊常只剩一句「廠商說很安全」。

問題不在於所有資料都不能使用，而是企業還沒分清楚哪些情境可用、哪些內容應先移除、供應商如何處理輸入，以及誤傳時誰能追查。沒有邊界的效率，可能變成客戶信任、保密責任、事故處理與換工具成本。

可以把 AI 工具想成外部會議室。把客戶姓名從白板擦掉，不代表內容已無法辨識；訂單編號、門市、日期與特殊需求合在一起，仍可能指向特定交易。管理不是只提醒「不要貼機密」，而是決定哪些會議能在這裡開、帶哪些資料、誰能進場，以及散會後如何確認資料已處理。

## 免費好用，不代表資料處理範圍已經清楚

員工用一般帳號，企業可能不知道使用哪些服務、是否連接檔案、輸入保留多久，也無法統一停權。升級到商務方案，仍不能只看「企業級」或「不拿來訓練」的宣傳句。訓練、服務紀錄、濫用監測、人工支援、備份與刪除，可能是不同處理活動，必須依當下合約、隱私說明與設定逐項確認。

美國國家標準暨技術研究院（NIST）的生成式 AI 風險管理文件，建議建立核准工具清單、盤點能接觸組織內容的第三方，並把資料隱私、安全、使用權、事故處理與退場納入採購。「回答得好不好」只是驗收的一部分，資料從進入到刪除也要能說明。

## 用五個問題驗收廠商與內部說的「可以用」

1. **用在哪個工作，誰負責最後判斷？** 先限定客服摘要、會議整理或文案草稿等具體用途，寫清楚不可直接拿 AI 輸出做付款、解約、人事或其他高影響決定。效率目標與人工複核人都要能被指名。
2. **哪些資料可以輸入？** 把資料分成公開、內部、機密與受限制等級。客戶聯絡資料、健康與財務內容、未公開價格、帳密、API 金鑰（系統串接使用的秘密憑證）及受合約保護文件，不應只靠員工自行猜測。
3. **供應商如何使用與保存？** 確認輸入、附件與輸出是否用於模型改善，保存位置與期限、可能的人工存取、受委託的其他服務商，以及關閉功能或刪除帳號後的處理方式。答覆要能對應文件與方案版本。
4. **公司能否控管帳號並留下必要紀錄？** 檢查公司管理員、個人帳號、最小權限，也就是只給工作所需能力，以及離職停權、外部分享、檔案連接與操作紀錄。紀錄也可能含敏感內容，必須限制查看者與保存時間。
5. **誤傳、停用與換供應商時怎麼辦？** 要有通報窗口、隔離或刪除請求、影響盤點、客戶或主管溝通判斷，以及可匯出或改回人工流程的方案。不能等事件發生才開始找客服信箱。

OWASP（開放全球網頁應用程式安全計畫）將敏感資訊揭露列為大型語言模型，也就是從大量文字學習並產生內容的核心技術，應用的重要風險。只在指令中要求不要輸出機密，不能取代移除或遮蔽不必要資料，以及實際的存取控制。寫一句「請保密」不是技術或合約上的隔離措施。

## 便宜方案少的，常是管理與可驗證能力

免費或個人方案適合用公開資料試做低風險任務，成本低，但可能缺少集中帳號、紀錄、契約承諾與事故支援。商務或以 API（讓系統依規則交換資料的介面）串接的方案，可能提供較多管理能力，也會增加權限、監測與維護成本。把系統部署在企業自控環境能提高控制程度，但企業要自行承擔主機安全、更新、備份與模型維運。

沒有一種方案會因價格較高就自動符合所有需求。合理的比較方式，是把同一個使用情境交給各供應商回答：可輸入資料、資料用途、保存與刪除、管理功能、事件支援、方案變更通知及退場方式。若低價方案無法提供必要證據，企業應降低可用資料等級，而不是用口頭提醒補足缺失。

## 今天先做一個低風險流程，不必全面封鎖

先選一項不含真實個資與機密的工作，例如用自製範例整理公開產品問答。建立一張「工作、使用者、輸入資料、工具與方案、輸出用途、人工複核、保存期限、異常窗口」清單，再用假資料走完登入、上傳、分享、刪除與停權流程。這能找出管理缺口，也比只發一封禁止信更容易讓同事遵守。

行政院的生成式 AI 參考指引適用於所屬機關，不是民間企業的專屬法規，但其中不提供未公開資訊與個資、保留人工最終判斷、建立內控規範等原則，可作為使用守則參考。若涉及個資、醫療、金融、員工決策或保密契約，仍要依情境請法律、隱私與資安人員確認，不能把通用清單當成法律結論。

## 自行處理的邊界與接洽準備

企業可自行列出目前使用的 AI 工具、帳號擁有人、常見輸入、主要用途與供應商文件，也能先停止輸入密碼、金鑰及明顯機密，改用假資料驗證流程。若員工已大量自行使用、工具連到雲端硬碟或客戶系統、無法取得使用紀錄，或資料跨越多家供應商，就需要共同盤點資料流、權限、合約與事件處理。

接洽前可準備工具與合約、三個使用情境、資料類型、帳號與離職流程、必要紀錄、禁止事項，以及無法接受的商業後果。邊境部署可以協助整理資料分級、核准工具清單、採購問題與驗收流程，先讓一個高價值、低風險情境安全運作，再決定是否擴大導入。

## 查證來源

- [NIST：Artificial Intelligence Risk Management Framework, Generative Artificial Intelligence Profile](https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf)
- [OWASP Gen AI Security Project：LLM02:2025 Sensitive Information Disclosure](https://genai.owasp.org/llmrisk/llm022025-sensitive-information-disclosure/)
- [經濟部中小及新創企業署：行政院及所屬機關（構）使用生成式 AI 參考指引](https://www.sme.gov.tw/article-tw-2391-11626)