AI 時代的系統導入 2｜企業資料真的可以上傳 AI 嗎？雲端、地端與去識別化

「我們公司不准把資料上傳 AI，那是不是什麼都不能做？」

「我把工具裝在自己的電腦裡，這樣應該就算地端了吧？」

「客戶姓名刪掉了，其他資料是不是就能放心交給 AI？」

這幾個問題，我認為比先選哪一套 AI 工具更值得企業主管討論。

上一篇，我們談到企業不必把每個營運問題都直接翻譯成「買系統」。但真的開始動手做，另一個問題很快就會出現：我們手上的資料，到底哪些能用、哪些不能上雲端？

我發現大家很容易把三件事混在一起：工具裝在哪裡、資料送去哪裡，以及資料本身到底有多機敏。這三件事如果沒有釐清，就算公司買了企業版 AI，或要求員工只能用本機工具，也不代表資料安全問題已經解決。

一、裝在本機，不代表資料沒有風險

先說一個容易混淆的觀念：雲端與地端，真正需要確認的是資料在哪裡被處理、儲存，以及誰能取得，而不只是軟體從哪裡打開。

同仁可能是在自己的電腦上開啟應用程式，但提問內容與上傳文件仍然送往雲端模型處理。反過來說，企業也可能使用雲端服務，卻有經過確認的企業權限、契約與資料保護措施。

所以，當主管問「這套工具安不安全」，我反而想先問：
1. 原始資料會離開哪個環境？
2. 提問、附件和處理結果會被保存在哪裡、保存多久？
3. 哪些人或系統有權限接觸它？
4. 供應商的資料使用條款與企業設定，我們真的確認過了嗎？

不能只憑「地端」「私有部署」或「企業版」這幾個名稱，就直接判定安全。

二、認識自己手上的資料應用，再拆分雲端與地端

我會建議企業先不要從全面禁止開始，而是挑一項想用 AI 改善的工作，盤點它實際會接觸哪些資料。

資料類型	日常例子	AI 使用前先問什麼
公開資訊	已公開的商品介紹、官網資訊、公開新聞	來源是否正確？是否包含授權或著作權限制？
內部營運資料	尚未公開的銷售數字、價格策略、內部會議紀錄	公司是否允許交由該工具處理？能否先用摘要或模擬資料？
個人資料	顧客姓名、電話、地址、訂單與員工資料	這項任務真的需要可識別個人的內容嗎？有無合法使用依據及必要的安全措施？
高度機敏資料	帳密、金流與帳戶資訊、未公開合約、薪酬或其他受限制資料	是否根本不應進入一般 AI 工具？是否需留在受控環境由授權人員處理？

這張表只是讓大家開始盤點，不是所有企業通用的法規分級。真正能不能使用，仍要依公司政策、合約、資料用途與適用法規判斷。尤其有些資料單看一個欄位不敏感，和其他資料放在一起，就可能暴露客戶或企業的營運情況。

三、資料不能直接上傳，難道就不能用 AI 了？

也不是。我認為這正是企業值得學習的另一種 AI 能力：先處理資料，再決定如何讓 AI 協助。

舉例來說，主管想讓 AI 分析各區銷售表現，真的有必要讓 AI 知道每位顧客的姓名和電話嗎？不一定。要練習資料分析，也不見得要把公司的真實營收直接丟進工具裡。

我們可以依任務需求，採取不同的處理方法：

• 資料遮罩：將姓名、電話或其他不需要的欄位移除、隱藏，減少不必要的暴露。
• 去識別與代碼替換：以代碼取代識別資訊，必要時讓對照關係留在受控環境中。這種方式通常仍可能被重新識別，不能直接當成完全匿名。
• 模擬或比例轉換：如果目的是練習分析邏輯，可使用模擬資料或經核准的轉換資料；但必須確認轉換後是否仍可能洩漏商業秘密，也不能把練習結果當成真實營運數據。

我們正在實作的離線資料安全轉換工具，就是朝這個方向設計：先在地端進行去機敏與必要的數值轉換，再將經過檢查、適合該用途的資料交給 AI。工具的定位是降低不必要的資料暴露，不是按一個鍵就保證資料完全安全。結果需要還原時，原始資料及對照關係仍應留在適當的受控環境。

四、哪些放雲端、哪些留地端？先看任務，不要先看工具名稱

任務或資料	雲端 AI	地端／受控環境	我的判斷
公開內容整理、一般提問	可評估	也可使用	先確認著作權、輸出品質與工具條款
經核准的去機敏資料分析	依殘餘風險評估	原始資料處理可先留地端	轉換前後都要檢查是否仍能識別個人或推知機密
客戶與員工個資	僅限經批准的環境與用途	視業務與存取權限安排	去掉姓名不代表已符合所有要求
帳密、金流密鑰、受限制的機密資料	不應直接輸入一般 AI 工具	留在具適當管控的授權環境	先處理權限與必要性，不是先想辦法上傳

上表談的是思考方向，並非「雲端一定不安全，地端一定安全」。本機工具仍可能連網，地端也有帳號權限、設備遺失及維護風險；使用企業雲端服務，同樣需要確認服務條款、管理設定與資料流向。

五、我讓企業於課堂設定個人版基礎隱私、企業版採購必要性、帶走資安機敏離線工具生成

假設部門想讓 AI 協助整理營運報表。與其最後只留下「我們公司不能上傳資料」這一句話，不如讓同仁在課堂上真的走完一次：

確認任務需要什麼資料 → 判斷哪些欄位不能直接使用 → 在受控環境完成必要轉換 → 檢查能否交給指定 AI 工具 → 由真人核對輸出，並在授權環境使用結果。

有些資料判斷後就是不能上傳，那就不要勉強；可以改用模擬資料練習，或評估符合組織要求的處理環境。

我相信，AI 時代的工作能力不只是會下指令、會自動化，而是知道自己正在交出什麼資料，知道什麼情況應該停止，仍然能找到適合的方式，把工作往下推進。

這才是企業真正需要培養的 AI 使用習慣。
 

常見提問｜企業資料與 AI 安全使用

Q1｜工具裝在自己的電腦裡，資料就一定不會上雲端嗎？

不一定。我會先問：資料在哪裡被處理和儲存？提問與附件有沒有送往外部模型？是本機操作介面，還是真正在本機完成運算？只看安裝位置，不能判斷資料流向。

Q2｜企業一律禁止上傳資料，是不是比較安全？

我認為應該先釐清資料類型和使用目的。有些資料確實不該交給一般 AI 工具，但有些任務可改用公開資訊、模擬資料，或在核准的環境先完成必要轉換。重點不是勉強上傳，而是知道有哪些適當的工作方式。

Q3｜把客戶姓名和電話刪掉，就算完成去識別化嗎？

不一定。訂單時間、地址、稀有交易特徵等資料組合起來，仍可能識別特定個人。資料遮罩、代碼替換和真正匿名化不是同一件事；是否能使用，還得看剩餘風險、公司政策與實際用途。

Q4｜使用離線資料轉換工具，就能保證資料安全嗎？

離線轉換可以協助減少原始資料暴露，但轉換後仍可能保留可推知的資訊。原始檔與對照表也要留在受控環境，確認資料用途與工具條款，並由真人核對結果；不能把工具當成安全保證。

參考依據｜為什麼不能把資料遮罩當成安全保證？

上述判斷可對照以下公開技術與風險管理資料。這些資料提供原則，並非對本文提到的工具進行測試或認證。

• NIST SP 800-188｜去識別技術與治理：說明移除識別欄位、處理間接識別資訊及評估重新識別風險；僅遮蔽個資，不代表完成充分的去識別。
• NIST IR 8053｜個人資訊去識別：說明去識別可降低風險，但部分經過處理的資料仍可能被重新識別。
• NIST AI Risk Management Framework：提供組織辨識、評估及管理 AI 風險的架構，可作為企業檢查資料與工具用途時的參考。

---

李其縵 Mandy ，長期參與企業 AI 導入、高階主管 AI 應用培訓與組織工作流程改善，透過敏捷高效的實戰做法拆解，協助企業將 AI 培訓課程從「工具學習」看見「營運效能提升」的可行性。
LinkedIn｜李其縵 Mandy

本篇為企業實務觀察與工具應用討論，不取代個別法規、資訊安全或契約合規審查。文中提到的離線轉換工具為實作方向，非取得特定資安驗證或合規認證之聲明。