公司資料可以貼給 AI 嗎？
職場使用生成式 AI 的安全界線
生成式 AI 能提升效率，但不是所有工作資料都能直接貼入。這篇文章用資料分級、去識別化與紅黃綠燈原則，幫助你判斷職場 AI 的安全界線。
生成式 AI 已經進入許多人的日常工作。
整理會議紀錄、修改 Email、摘要報告、分析 Excel、整理客戶意見、撰寫企劃，甚至協助閱讀合約與研究資料，都可以透過 AI 加快速度。
但當 AI 從個人聊天工具變成工作工具之後，一個很重要的問題也跟著出現：
公司的資料，到底可不可以直接貼給 AI？
有些人認為，只要不要輸入密碼就沒問題。
有些人則完全不敢把任何工作內容放進生成式 AI。
這兩種做法其實都太簡化。
真正要判斷的，不只是「AI 安不安全」，而是：
- 你輸入的是什麼資料？
- 使用的是個人版還是企業版工具？
- 公司是否允許使用？
- 資料是否含有個人資訊、商業機密或未公開內容？
- 服務供應商如何保存與處理資料？
- 即使工具本身安全，這筆資料是否原本就不應該離開公司系統？
因此，職場使用生成式 AI 的第一個能力，不是寫出更厲害的提示詞，而是知道：
什麼資料可以交給 AI，什麼資料需要處理後才能使用，什麼資料根本不應該貼出去。
一、問題不只是「AI 會不會拿你的資料去訓練」
談到生成式 AI 資安時，很多人的第一個問題是：
我的資料會不會被拿去訓練模型？
這確實重要，但不是唯一風險。
以目前企業級產品為例，OpenAI 表示，ChatGPT Business、Enterprise、Edu 與 API 等商業產品，預設不會使用企業客戶的輸入與輸出來訓練模型；Anthropic 對 Claude 商業產品也採取類似原則，預設不使用商業客戶的輸入與輸出進行模型訓練。
但「不拿來訓練」不等於「任何公司資料都可以貼」。
因為使用 AI 還涉及其他問題：
- 資料會不會被儲存？
- 儲存在哪個地區？
- 哪些管理者或系統可以存取？
- 資料保存多久？
- 是否有第三方整合工具？
- 帳號是否屬於公司管理？
- 公司內部政策是否允許？
- 是否違反保密義務或個資規範？
換句話說：
AI 工具的隱私政策，只解決了一部分問題；真正的安全界線，還要看資料本身與公司的管理制度。
二、先把公司資料分成四個等級
如果不知道某份資料能不能貼給 AI，可以先不要從工具開始判斷，而是先看資料本身。
一個簡單的方法，是把工作資料分成四類。
| 資料類型 | 常見例子 | 建議做法 |
|---|---|---|
| 公開資料 | 官網內容、新聞稿、公開產品資訊 | 通常可以使用 |
| 內部一般資料 | 一般 SOP、未含敏感資訊的工作筆記 | 先確認公司規範 |
| 敏感資料 | 客戶名單、薪資、合約、未公開營運資料 | 不可直接貼入一般 AI |
| 高度機密資料 | 商業策略、未公開財報、原始碼、帳密 | 原則上禁止輸入外部 AI |
這個分類不是法律上的正式分級，而是一個工作判斷方式。
真正的公司仍應依照自己的：
- 資安政策；
- 個資規範；
- 商業機密管理；
- 法務要求；
- 產業監管；
建立正式資料分類。
但對一般員工來說，最簡單的判斷方式就是：
如果這份內容今天被寄給不相關的外部人士，你會不會覺得有問題？
如果答案是會，那麼通常也不應該直接貼進未經公司核准的 AI 工具。
三、哪些資料最好不要直接貼給 AI？
以下幾類內容，應該特別小心。
1. 個人資料
例如：
- 客戶姓名；
- 電話；
- Email；
- 身分證字號；
- 地址；
- 員工編號；
- 健康資料；
- 薪資；
- 人事考核。
行政院針對公部門使用生成式 AI 的參考指引，明確指出不得向生成式 AI 提供應保密、個人及未經同意公開的資訊。
雖然這份指引主要適用於政府機關，但它提供了一個很值得一般職場參考的原則：
個資和未公開資料，不應因為「只是請 AI 幫忙整理」就失去原本的保護標準。
2. 商業機密
例如：
- 未上市產品；
- 定價策略；
- 客戶底價；
- 合作條件；
- 未公開財務資訊；
- 競標內容；
- 公司策略；
- 技術細節。
有些資料本身沒有姓名或個資，卻可能對公司具有高度商業價值。
這類資料不適合因為「AI 比較方便」就貼入個人帳號。
3. 客戶或合作方提供的資料
即使資料不是你公司的，只要是客戶、供應商、合作夥伴交付的，也可能受到：
- NDA；
- 合約；
- 個資約定；
- 保密條款；
限制。
最大的錯誤之一，就是認為：
「這份資料不是我們公司的，所以應該沒關係。」
事實上，你可能反而負有更高的保密責任。
4. 帳號、金鑰與系統權限
包括：
- 密碼；
- API Key；
- Token；
- 私密連結；
- 伺服器帳密；
- VPN 資訊；
- 資料庫連線資訊。
這類資料幾乎不應該放進一般生成式 AI 對話。
如果只是請 AI 協助除錯，應將機密欄位替換成假的範例。
四、資料不能直接貼，不代表完全不能使用 AI
這是很重要的區別。
很多工作其實可以先做「去識別化」。
假設原始內容是：
王小明，A 公司採購主管，電話 09xx-xxx-xxx，反映我們報價 NT$380,000 超出預算，希望降到 NT$320,000。
如果只是希望 AI 協助整理客戶需求，可以改成：
客戶 A 的採購負責人認為目前報價高於預算約 15%，希望重新評估價格與方案內容。
這樣仍然保留：
- 問題；
- 比例；
- 商業需求；
但拿掉：
- 真實姓名；
- 公司；
- 電話；
- 具體敏感資訊。
這就是去識別化的概念。
五、去識別化時，不只是把姓名刪掉
很多人以為：
把名字改成 A 就安全了。
不一定。
例如：
某位任職於台北某家只有 12 人的醫療新創、負責特殊罕見疾病專案的 42 歲男性主管……
即使沒有姓名，也可能很容易被辨認。
因此，處理敏感資料時，可以逐項檢查：
人
姓名、電話、Email、員工編號是否需要？
公司
客戶名稱是否能改成「客戶 A」？
金額
是否一定要使用精確金額？
有時候用比例就足夠。
地點
是否真的需要精確分公司或地址？
時間
日期是否能改成「今年第二季」？
專案
未公開專案名稱是否能換成「專案 A」？
去識別化真正的目的，是：
保留完成任務需要的資訊，刪掉 AI 不需要知道的資訊。
六、使用公司版 AI，和使用個人免費帳號不一樣
另一個很容易被忽略的問題是：
你用的是哪一種帳號？
企業級 AI 產品通常提供更多資料控制、管理與合規功能。
OpenAI 目前對 ChatGPT Business、Enterprise、Edu 與 API 表示，預設不會將組織資料用於模型訓練；部分企業方案也提供資料保存、管理與資料落地選項。
Claude 商業產品也預設不使用商業客戶輸入與輸出進行模型訓練。
但一般個人帳號的資料政策可能不同，而且會依使用者設定、服務版本與政策更新而改變。Anthropic 的消費者產品就提供使用者是否允許內容用於改善 Claude 的選擇。
因此，公司在導入 AI 時，不應只說：
大家可以自己去申請 ChatGPT 或 Claude。
而應先確認：
- 哪些 AI 工具經過公司核准？
- 應使用哪一種帳號？
- 公司資料是否只能放進企業版？
- 哪些功能可以使用？
- 是否允許第三方外掛？
- 是否允許連接 Google Drive 或 Slack？
- 資料保存與刪除如何管理？
同一個 AI 品牌，不同帳號與工作環境的資料治理條件可能完全不同。
七、不要只看 AI 平台本身，也要看「連接出去的工具」
現在許多 AI 可以連接：
- Google Drive；
- Gmail；
- Slack；
- Notion；
- GitHub；
- CRM；
- 雲端硬碟；
- 公司資料庫。
這確實讓 AI 更方便。
但風險也不只是「你貼了什麼」，而變成：
AI 能讀到什麼？
如果一個外掛或 Connector 被授權存取整個雲端硬碟，就必須進一步確認：
- 權限範圍；
- 第三方資料政策；
- 是否會保存資料；
- 是否會再傳給其他服務；
- 能否撤銷授權。
因此：
沒有主動貼資料，不代表沒有資料風險。
企業導入 AI 時，權限管理和提示詞管理同樣重要。
八、五個問題，判斷公司資料能不能交給 AI
實際工作時，可以先快速問自己五個問題。
第一：這份資料本來可以公開嗎？
如果原本就是：
- 官網；
- 新聞稿；
- 公開年報；
- 公開產品頁；
風險通常較低。
如果是內部資料，就繼續下一題。
第二：裡面有個資、機密或第三方資料嗎？
有的話，不應直接使用。
第三：AI 完成任務真的需要知道這些細節嗎？
例如整理 Email 語氣，AI 不需要知道客戶真名。
第四：公司是否正式允許使用這個工具？
如果不知道，應該先問。
「公司沒有禁止」不代表「公司已經允許」。
第五：如果這份資料外洩，我能不能接受後果？
這是最後一道簡單判斷。
如果答案是：
絕對不能。
那麼就不要因為方便而使用未經核准的外部服務。
九、哪些工作其實可以安全地先用 AI？
這篇並不是要告訴大家：
工作資料都不要放 AI。
實際上，有很多低敏感度任務很適合使用。
例如：
改寫公開文案
網站文章、公開公告、社群貼文。
整理不含敏感資訊的會議架構
只提供議題與一般內容。
建立範本
請 AI 建立：
- 會議紀錄模板；
- Email 格式；
- SOP 架構；
- 報告大綱。
完全不需要提供公司真實資料。
使用假資料測試
例如：
請用虛構客戶 A、B、C 示範如何建立 CRM 分析表。
先讓 AI 建立方法，再把真正資料留在公司自己的系統內執行。
建立檢查清單
例如：
請提供合約送審前可以檢查的項目。
這種知識型工作通常不需要任何機密內容。
十、不要把 AI 產出直接當成公司決策
資料安全只是其中一個問題。
另一個常見風險，是：
AI 說得很像真的，所以直接採用。
行政院的生成式 AI 指引也特別指出，不應完全信任生成式 AI 產出，且未經確認的內容不得直接作為決策唯一依據。
在企業裡也是一樣。
AI 可以協助：
- 整理；
- 分析；
- 找問題；
- 提供初步建議。
但涉及：
- 法律判斷；
- 人事決策；
- 財務決策；
- 客戶承諾；
- 正式政策；
仍然需要由具有責任的人完成確認。
資安不只包括「資料不要洩漏」，也包括：
不要讓錯誤的 AI 內容進入正式決策。
十一、企業真正需要的不是「禁止 AI」，而是建立使用規範
如果公司只公布一句：
不得將公司資料貼入 ChatGPT。
看似安全，實際上很可能讓員工轉向：
- 私人帳號；
- 手機；
- 沒有管理的 AI 工具；
形成「影子 AI」。
比較完整的企業 AI 使用規範，至少應該說清楚：
哪些工具可以用？
建立正式核准清單。
哪些資料可以使用？
建立資料分級。
哪些資料禁止輸入？
例如：
- 個資；
- 商業機密；
- 未公開財務；
- 帳密；
- 受 NDA 保護的內容。
什麼情況需要匿名化？
給員工清楚範例。
哪些產出一定要人工確認？
例如法律、財務、人資或客戶對外內容。
發生問題時要找誰？
應有資訊、法務或資安窗口。
NIST 的生成式 AI 風險管理框架也強調，組織需要系統性辨識與管理生成式 AI 特有風險，而不是只把責任留給個別使用者。
十二、員工自己可以建立一條簡單的安全界線
即使公司還沒有完整規範，個人也可以先建立一條基本原則：
先抽象化，再交給 AI。
例如：
不要貼：
我們的客戶 XX 科技今年預算只有 280 萬，但競爭對手報 250 萬，我們現在底價是 265 萬。
可以改成：
某 B2B 客戶的預算比我們目前報價低約 10%，競爭者價格也略低。請幫我整理三種不單純降價的談判策略。
AI 需要的是：
- 商業問題；
- 價格差距；
- 任務目標。
它不需要知道：
- 客戶真名；
- 實際報價；
- 公司底價。
這個習慣可以大幅降低不必要的資料暴露。
十三、職場使用 AI，可以建立「紅黃綠燈」判斷
如果覺得資料分級太複雜，可以使用更直觀的方法。
🟢 綠燈：通常可以
例如：
- 公開文章；
- 公開產品資料；
- 一般寫作；
- 虛構案例；
- 通用模板；
- 不含敏感資訊的知識整理。
🟡 黃燈：處理後再用
例如：
- 內部會議紀錄；
- 客戶問題；
- 一般營運資料；
- 內部報告。
先做：
- 去識別化；
- 刪除名稱；
- 模糊金額；
- 移除帳號；
- 確認公司政策。
🔴 紅燈：不要放進未核准 AI
例如：
- 密碼；
- API Key；
- 個人健康資料；
- 薪資；
- 未公開財報；
- 商業底價；
- 併購；
- 高度機密專案；
- 客戶受保密條款保護的資料。
這個紅黃綠燈原則不取代公司的正式資安規範，但很適合作為日常工作的第一層判斷。
十四、AI 安全不是資訊部門一個人的工作
很多人會認為：
資安是 IT 部門的事情。
但生成式 AI 最大的特點，就是使用門檻太低。
不用安裝軟體。
不用懂程式。
打開瀏覽器就可以輸入資料。
因此，生成式 AI 安全需要的不只是技術防護，也需要員工具備新的工作習慣：
- 資料分類能力；
- 個資意識；
- 工具選擇能力；
- 權限意識；
- 事實查核；
- AI 產出判斷。
未來企業所需要的 AI 能力，不只是：
誰最會寫 Prompt。
而是：
誰知道什麼時候可以用、什麼時候不能用，以及用了之後要檢查什麼。
結語：最重要的不是「公司資料能不能貼 AI」，而是知道界線在哪裡
生成式 AI 可以大幅減少許多重複工作。
但使用效率和資料安全不應被當成二選一。
真正成熟的使用方式，不是：
什麼都不能貼。
也不是：
只要平台說安全，就全部都能貼。
而是建立一個判斷流程：
先看資料敏感程度 → 確認公司是否核准工具 → 刪除不必要資訊 → 選擇適當帳號與環境 → 再讓 AI 協助 → 最後人工確認。
如果 AI 只需要知道問題，就不要把整份文件給它。
如果匿名資訊已經足夠，就不要提供真實姓名。
如果資料高度敏感，就不要因為節省幾分鐘而把它帶出公司的安全環境。
未來職場真正重要的 AI 素養之一，不只是「會使用」。
而是：
知道哪些資訊值得交給 AI，哪些資訊應該留在人與組織自己的控制範圍裡。
# 資料參考來源
1. OpenAI｜Enterprise privacy at OpenAI
OpenAI 說明其商業產品，包括 ChatGPT Business、Enterprise、Edu 與 API，預設不使用企業客戶的輸入與輸出進行模型訓練。
2. Anthropic Privacy Center｜Is my data used for model training?
Anthropic 說明 Claude 商業產品預設不使用商業客戶的輸入與輸出進行模型訓練，消費者帳號則依不同設定與條款處理。
3. 行政院及所屬機關（構）使用生成式 AI 參考指引
指引要求不得向生成式 AI 提供公務應保密、個人及未經同意公開的資訊，並要求生成式 AI 產出仍須由承辦人進行最終判斷。
4. NIST｜Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile
NIST 提供生成式 AI 特有風險的辨識與管理框架，強調組織層級的治理與風險管理。
閱讀測驗與心得
完成三題閱讀測驗與心得，建立自己的職場 AI 安全判斷原則。
把安全判斷，變成日常 AI 使用習慣
使用 AI 前先判斷資料敏感度，只提供完成任務所需的最低限度資訊，並對產出進行人工確認。