導入 AI 之前，必須先問的五個資料安全問題
導入 AI 前應先確認五件事：資料存放位置、可進入 AI 的資料範圍、查詢權限、查詢紀錄保留方式，以及哪些判斷必須由人批准。
要讓 AI 幫你做事，就得讓 AI 碰你的資料。一家連誰能看什麼都分不清楚的公司，導入 AI 等於把整間公司攤開。這五個問題應該在選工具之前回答，而不是上線之後補。
一、資料會存在哪裡
確認資料是留在公司自有環境、留在境內，還是傳送到境外服務。不同答案對應不同的合約條款與客戶承諾。如果你的客戶對供應商有資料在地化要求，這一題會直接影響你能不能用某些服務。
二、哪些資料可以進入 AI，哪些絕對不行
需要事先分級。客戶圖面、未公開報價、人事與薪資、以及任何依合約負有保密義務的資料，預設不進入外部 AI 服務。分級不需要一次做完，但要在導入該場景之前先完成該範圍的分級。
三、誰有權限查詢
AI 助手最容易被忽略的風險是權限扁平化——把各部門資料集中之後，任何人問任何問題都查得到。原本因為分散而形成的隔離會在集中之後消失。權限設計應該沿用既有的分級，而不是重新開一個沒有邊界的入口。
四、查詢紀錄留不留
誰在什麼時間問了什麼、系統回了什麼，應該有紀錄可查。這既是事後追溯的依據，也是回應客戶稽核時的證明。若使用外部服務，要確認紀錄的保留期間與可取得性。
五、哪些判斷必須由人批准
AI 適合承接整理、草稿、比對與提醒。涉及對外承諾、技術規格確認與金額的判斷，應保留人工批准。NIST 的 AI 風險管理框架把明確的任務定義、角色與責任、人類監督、有效性評估與持續監控列為 AI 系統的基本要求，這些在中小企業的小規模導入同樣適用。
把答案寫下來，因為客戶會問
這五題的答案本身就是一份對外可用的說明文件。當客戶問「你們有沒有把我們的資料丟給 AI」，你需要的是一份具體的說明，而不是口頭保證。
常見問題
用地端模型就一定安全嗎？
不一定。地端解決的是資料不出境的問題，但權限設計、查詢紀錄與人工批准點這三題仍然要回答。集中之後權限扁平化的風險與模型放在哪裡無關。
這些前置作業會不會拖很久？
如果一次做全公司會很久。建議的做法是跟著場景走：導入哪個場景，就先完成那個範圍的資料分級與權限確認，範圍小、可以在數天內完成。
其他觀點
大廠寄來的資安問卷，到底在問什麼？
拆解供應鏈資安問卷的常見題型：資產盤點、存取控制、端點防護、備份還原、事件應變與人員訓練，以及每一類要準備什麼證明。
閱讀全文 →中小企業做資安，第一步該做什麼？
第一步不是買防毒軟體，而是盤點資產與權限。這篇說明為什麼順序不能反過來，以及最小可行的起步範圍。
閱讀全文 →產線設備不能更新，資安怎麼做？
老舊產線設備無法安裝防護軟體、不能更新作業系統，是製造業的常態。這篇說明以隔離與存取控制為主的處理方式。
閱讀全文 →AI Agent 跟 ChatGPT 差在哪？給製造業老闆的三個判斷
ChatGPT 是通用對話工具；AI Agent 是接上公司資料與流程的系統。差別在資料來源、工作方式與責任結構，不在聰明程度。
閱讀全文 →第一個 AI 場景怎麼選？三個條件、一個反例
第一個 AI 導入場景要同時滿足：重複發生、有現成資料、錯誤成本可控。最常見的錯誤是從「全公司知識庫」開始。
閱讀全文 →