一句話說明
選 AI 廠商不能只看功能和價格，這 20 個安全問題幫你在簽約前找出潛在的風險。
為什麼需要結構化的評估
飛飛在協助企業做 AI 安全評估時，最常看到的狀況是：部門主管看了 Demo 覺得很好用，就要求 IT 趕快採購。等到資安團隊介入時，合約已經簽了，才發現資料處理條款有問題。
AI 工具和傳統軟體最大的差異是資料風險。傳統的 SaaS 工具處理你的資料，但不會用你的資料去訓練演算法。AI 工具可能會——而且條款通常藏在隱私政策的某個角落。在台灣的企業環境中，還需要考慮跨境傳輸、個資法合規、以及金管會或其他主管機關對特定產業的要求。
評估不只是 IT 部門的事。理想的評估團隊應該包含 IT、資安、法務、實際使用的業務部門。每個角色看到的風險面向不同：IT 看技術整合、資安看資料保護、法務看合約條款、業務部門看功能是否真的解決問題。
資料處理（問題 1-5）
問題 1：我們上傳的資料會被用來訓練你們的模型嗎？
這是最基本的問題。免費版幾乎都會，付費版不一定。要求對方用書面（合約或 DPA）明確回答 Yes 或 No。
追問：如果不用於訓練，有沒有其他方式使用我們的資料？例如人工標註、品質審查、安全審查。Anthropic 的 API 預設不用使用者資料訓練，但可能會在安全事件調查時存取對話紀錄。OpenAI 的 API 和 ChatGPT Team/Enterprise 不使用資料訓練，但免費和 Plus 版本預設會。這些差異很重要。
問題 2：資料儲存在哪個國家的伺服器？
影響跨境傳輸的合規問題。如果你的客戶有歐盟居民，資料存在美國需要有合法的傳輸機制（SCC 或 EU-US Data Privacy Framework）。台灣金融業可能有資料落地的要求。
追問：能不能指定資料儲存的區域？Azure OpenAI Service 可以選擇部署在特定區域的資料中心（包含日本和東南亞），這對有資料落地要求的產業很有價值。AWS Bedrock 也提供區域選擇。有些台灣的金融業者會要求資料不離開亞太地區。
問題 3：資料保留多久？什麼時候刪除？刪除是邏輯刪除還是實體刪除？
很多 AI 平台的「刪除」只是讓你看不到，資料還在他們的伺服器上。要求書面保證實體刪除的時間表，以及刪除後的驗證機制。
追問：是否支援依照我們的政策自訂資料保留期限？保留期限到了之後是自動刪除還是需要手動操作？刪除是否涵蓋備份中的資料？OpenAI API 的零資料保留（Zero Data Retention, ZDR）選項可以讓輸入和輸出不被儲存，但啟用後就沒有對話紀錄可以查。
問題 4：你們的員工可以存取我們的資料嗎？在什麼條件下？
確認存取控制的範圍。理想的回答是：只有在客戶授權的技術支援情境下，經過審批流程，才能存取客戶資料，而且有稽核紀錄。
追問：存取紀錄可以提供給我們看嗎？你們的員工在存取客戶資料前需要經過什麼審批流程？有沒有實施 Break-Glass 機制（緊急存取需要多人授權）？
問題 5：你們使用哪些次處理者（Sub-processor）？次處理者是否也遵守相同的資料保護標準？
AI 廠商通常會用 AWS、GCP 或 Azure 做底層基礎設施，可能還有其他第三方服務。要求提供次處理者清單，並確認變更時會通知你。
追問：當次處理者變更時，你們會提前多久通知？我們是否有權因為不同意次處理者變更而終止合約？例如某些廠商將部分處理外包給了中國的公司，這對台灣的金融或政府單位來說可能是紅線。
安全認證（問題 6-10）
問題 6：你們有 SOC 2 Type II 報告嗎？可以提供嗎？
SOC 2 Type II 是目前最被認可的雲端服務安全認證。Type II 代表稽核人員實際驗證了控制措施在一段時間內的有效性，比只看設計的 Type I 更可靠。報告通常涵蓋安全性、可用性、處理完整性、機密性、隱私五大信任原則。
追問：報告的涵蓋期間是什麼時候？是否有任何例外事項（exceptions）？SOC 2 報告是否涵蓋你們使用的 AI 模型推論基礎設施？有些廠商的 SOC 2 只涵蓋傳統的 SaaS 基礎設施，不包含 AI 推論引擎。
問題 7：有 ISO 27001 認證嗎？範圍涵蓋 AI 服務嗎？
有些廠商的 ISO 27001 認證範圍只涵蓋部分服務。要確認你要使用的 AI 服務在認證範圍內。
追問：最近一次稽核是什麼時候？有沒有計畫取得 ISO 42001（AI 管理系統認證）？ISO 42001 是 2023 年才發布的國際標準，專門針對 AI 系統的治理和風險管理。目前有這個認證的廠商不多，但有在準備的代表對 AI 安全治理有一定的重視。
問題 8：你們做滲透測試嗎？頻率是多少？可以提供報告摘要嗎？
至少每年一次的外部滲透測試是基本要求。要確認測試範圍涵蓋 AI 服務的 API 和 Web 介面。
追問：滲透測試是由誰做的？內部團隊還是第三方？如果是第三方，是否為知名的資安公司？測試範圍是否包含 AI 特有的攻擊向量（Prompt Injection、模型投毒）？有沒有 Bug Bounty 計畫？OpenAI 和 Anthropic 都有 Bug Bounty 計畫，代表有外部研究者持續在找漏洞。
問題 9：你們的 AI 模型有沒有經過紅隊測試？
針對 AI 特有的風險（Prompt Injection、Jailbreak、資料洩漏）做的安全測試。主流的 AI 廠商（OpenAI、Anthropic、Google）都有做，但規模較小的 AI 新創不一定有。
追問：紅隊測試的範圍和方法是什麼？使用什麼工具和框架？測試結果是否有對應的修復措施？是否有持續性的紅隊測試計畫，還是只在特定版本發布前做一次？
問題 10：加密方式是什麼？傳輸中和靜態資料分別用什麼加密？
傳輸中至少要 TLS 1.2（建議 TLS 1.3），靜態資料要 AES-256。確認加密金鑰的管理方式——是廠商管理還是支援客戶自管金鑰（BYOK）？對機密資料來說，BYOK 比較安全。
追問：是否支援端對端加密？金鑰輪換（Key Rotation）的頻率是多少？如果使用 BYOK，金鑰儲存在哪裡？用什麼 KMS（Key Management Service）？
SLA 與可靠性（問題 11-14）
問題 11：服務等級協議的正常運作時間保證是多少？
99.9%（每月約 44 分鐘停機）是標準要求。如果你的業務對 AI 服務的可用性有高度依賴（例如 AI 客服），要爭取更高的 SLA。注意 SLA 通常不涵蓋排定的維護時間和不可抗力事件。
追問：如果沒達到 SLA，補償機制是什麼？是服務額度返還還是現金退款？補償是否有上限？很多 SLA 的補償條款實際上非常有限——例如只退一個月費用的 10%——形同虛設。
問題 12：服務中斷時的通知機制是什麼？你們的狀態頁面在哪裡？
確認有公開的狀態頁面、即時的事件通知（Email 或 Webhook）、和事後的根因分析報告（Post-Mortem）。
追問：過去 12 個月有幾次非預期的服務中斷？平均修復時間是多久？是否有提供事件通知的 API 或 Webhook 讓我們整合進自己的監控系統？
問題 13：API 的速率限制和配額是什麼？
了解每分鐘、每小時、每月的請求限制。評估你的使用量是否在限制範圍內，超過限制時的處理方式（排隊、回傳錯誤、還是自動升級）。
追問：速率限制可以按需調整嗎？調整的前置時間和費用是多少？尖峰時段是否有不同的限制？是否有 burst（突發流量）的容許額度？
問題 14：有沒有災難復原計畫？RTO 和 RPO 是多少？
RTO（Recovery Time Objective）是服務恢復的目標時間，RPO（Recovery Point Objective）是可接受的資料遺失時間。對於儲存重要對話紀錄或分析結果的 AI 服務，這兩個指標很重要。
追問：災難復原演練多久做一次？最近一次演練的結果如何？是否有異地備援機制？備援站點在哪個地理位置？
合規與法規（問題 15-17）
問題 15：你們有 DPA（資料處理協議）嗎？可以提供嗎？
GDPR 要求控制者和處理者之間必須有 DPA。即使你目前不需要遵守 GDPR，有 DPA 代表廠商對資料保護有基本的承諾。台灣個資法雖然沒有明確要求 DPA，但在主管機關調查時，有 DPA 是你做過盡職調查的證據。
追問：DPA 中對資料處理目的的限制是什麼？DPA 是否允許你作為次處理者將資料再轉包？DPA 是否涵蓋歐盟標準契約條款（SCC）？如果你有歐盟客戶，這一點很重要。
問題 16：你們的 AI 服務是否符合特定產業的法規要求？
金融業（PCI DSS、金管會 AI 指引）、醫療業（HIPAA）、政府單位各有不同的要求。確認廠商是否有相關的合規經驗。
追問：你們有金融業或醫療業的客戶案例嗎？是否通過產業特定的合規認證？例如 PCI DSS Level 1 Service Provider 認證，或 HIPAA BAA（Business Associate Agreement）。台灣的金管會在 2024 年發布的 AI 指引對金融機構使用 AI 有特定要求，包含可解釋性、公平性稽核等。
問題 17：如果法規要求你們配合調查或提供資料，你們會怎麼處理？
確認廠商在收到法律要求時的處理流程，以及是否會通知你（除非法律禁止通知）。
追問：你們是否曾經收到過政府機關要求提供客戶資料的請求？你們的透明度報告（Transparency Report）在哪裡？如果收到台灣以外的政府機關（例如美國政府）的資料調取請求，你們會怎麼處理？
退場策略（問題 18-20）
問題 18：合約到期或終止後，我的資料怎麼處理？
確認資料匯出的方式（格式、時間）和刪除的時間表。避免廠商綁架：如果你的對話紀錄、微調模型、或知識庫資料無法匯出，換廠商的成本就會很高。
追問：合約結束後有多少天的寬限期可以匯出資料？寬限期結束後資料是否立即刪除？如果我們的微調模型是在你們的平台上訓練的，我能不能拿走模型的權重？
問題 19：有沒有資料匯出功能？支援什麼格式？
最好支援標準格式（JSON、CSV）的批次匯出。確認匯出功能在合約結束後還能用多久。
追問：匯出是否包含所有歷史資料，包括對話紀錄、分析結果、使用者設定？匯出的頻率限制是什麼？是否支援自動化排程匯出（例如透過 API 每週自動備份）？
問題 20：切換到其他供應商的轉換成本是什麼？
包含資料遷移、API 整合的修改、員工重新培訓、歷史資料的處理。如果廠商的 API 格式是標準的（例如相容 OpenAI API 格式），轉換成本會低很多。
追問：你們的 API 格式是否相容業界標準？是否有遷移工具或遷移文件？過去有客戶從你們遷出的經驗嗎？遷移需要多長時間？
評分範本
以下是一個簡化的評估計分範本，滿分 100 分。每個類別依重要性加權。
| 評估類別 | 權重 | 評分標準（1-5 分） | 加權分數上限 |
|---|---|---|---|
| 資料處理（Q1-5） | 30% | 5=完全透明且書面保證 / 1=含糊或拒絕回答 | 30 |
| 安全認證（Q6-10） | 25% | 5=有 SOC2 TypeII + ISO27001 + 紅隊測試 / 1=無認證 | 25 |
| SLA 與可靠性（Q11-14） | 15% | 5=99.99% SLA + 完整 DR / 1=無 SLA 保證 | 15 |
| 合規（Q15-17） | 15% | 5=有 DPA + 產業認證 / 1=無合規文件 | 15 |
| 退場策略（Q18-20） | 15% | 5=標準格式匯出 + 明確刪除時程 / 1=無匯出功能 | 15 |
建議門檻：總分 60 分以上才考慮進入 POC 階段。任何單一類別低於 2 分（滿分 5）建議直接淘汰，特別是資料處理和安全認證這兩個類別。
對於金融業、醫療業、政府單位，建議將門檻提高到 70 分以上，並增加合規類別的權重到 25%。
主要 AI 廠商安全評比
以下是 2026 年中主要 AI 廠商在關鍵安全指標上的對照（基於公開資訊和飛飛的評估經驗）：
| 指標 | OpenAI | Anthropic | Microsoft (Azure) | AWS Bedrock | |
|---|---|---|---|---|---|
| SOC 2 Type II | 有 | 有 | 有 | 有 | 有 |
| ISO 27001 | 有 | 有 | 有 | 有 | 有 |
| DPA | 有 | 有 | 有 | 有 | 有 |
| API 零資料保留選項 | 有 | API 預設不訓練 | 有 | 有 | 有 |
| 區域部署選擇 | 有限 | 有限 | 多區域 | 多區域 | 多區域 |
| BYOK 加密 | Enterprise 才有 | 無 | 有 | 有 | 有 |
| Bug Bounty | 有 | 有 | 有 | 有 | 有 |
| 紅隊測試 | 有 | 有 | 有 | 有 | 依模型而定 |
| HIPAA | 有（Enterprise） | 有（API） | 有 | 有 | 有 |
| 台灣在地支援 | 無 | 無 | 有 | 有 | 有 |
Google 和 Microsoft 在企業級功能、區域部署、在地支援方面較有優勢。OpenAI 和 Anthropic 在模型能力上領先，但企業級基礎設施功能較少。AWS Bedrock 的優勢是可以在同一平台上使用多家模型，降低供應商鎖定風險。
合約談判要點
在完成評估、選定廠商後，合約談判是最後一道防線。以下是飛飛建議特別注意的條款：
資料使用條款。確保合約明確寫出「不使用客戶資料訓練模型」，且這個承諾不受「我們可以隨時修改服務條款」條款的影響。
責任限制條款。很多 AI 廠商的合約中有「AI 輸出不構成專業建議」「不對輸出的正確性負責」的免責條款。這可以理解，但責任限制的範圍要合理——至少資料外洩造成的損害不應被排除在責任範圍之外。
價格調整條款。確認價格是否固定一段期間。AI 工具的定價波動很大，如果合約只簽年約但允許廠商隨時調整價格，你可能面臨預算失控的風險。建議至少鎖定 12 個月的價格。
提前終止條款。如果廠商發生重大安全事件、被併購、或改變資料政策，你是否有權提前終止合約而不付違約金？這在 AI 產業很重要，因為併購和政策變更的頻率高。
智慧財產權。使用 AI 工具產出的內容，智慧財產權歸誰？如果你用 AI 工具幫客戶寫程式碼或做分析，需要確認產出物的 IP 歸屬。主流廠商（OpenAI、Anthropic）通常將輸出的 IP 歸屬給使用者，但要確認合約中有明確寫。
合規變更通知。如果相關法規發生變更（例如歐盟 AI Act 新規定），廠商是否承諾通知你並協助調整？
POC（概念驗證）評估
簽約前建議先做 POC，而不是直接全面導入。POC 的重點不只是功能測試，還包含安全和效能測試。
POC 建議進行 2-4 週，包含以下測試項目：
功能驗證：用實際的業務場景測試，而不是用廠商準備的 Demo 資料。記錄準確率、回應速度、處理複雜案例的能力。
安全測試：測試 Prompt Injection 的抵抗能力、測試資料是否可被洩漏、檢查 API 回應中是否包含不該有的資訊。
整合測試：測試和既有系統的 API 整合是否順暢、延遲是否在可接受範圍、錯誤處理是否完善。
成本估算：用 POC 期間的實際使用量推估全面導入後的月費，包含 API 呼叫量、token 消耗、儲存空間。
使用者回饋：讓實際使用者（不只是 IT 部門）試用，收集易用性、準確性、回應品質的回饋。
POC 結束後產出評估報告，包含：功能是否滿足需求、安全風險是否可接受、預估的導入成本和 ROI、是否建議繼續到全面導入。
風險評估矩陣
對每個候選廠商，建議用以下矩陣評估風險：
| 風險類別 | 發生機率（1-5） | 影響程度（1-5） | 風險分數 | 風險處置 |
|---|---|---|---|---|
| 資料被用於訓練 | 機率 × 影響 | 迴避/降低/移轉/接受 | ||
| 資料外洩 | ||||
| 服務中斷 | ||||
| 價格大幅調漲 | ||||
| 廠商被併購 | ||||
| 廠商停止服務 | ||||
| 合規法規變更 | ||||
| 供應商鎖定 |
風險分數 = 發生機率 × 影響程度。分數 15 分以上的風險需要有明確的降低措施。分數 20 分以上（機率高 × 影響大）建議重新考慮這個廠商。
台灣政府採購注意事項
如果是政府機關或國營事業的 AI 採購，除了上述 20 個問題，還需要注意以下事項：
政府採購法的規範。金額在 10 萬以上需要比價或議價，100 萬以上要公開招標。AI 工具的授權費如果是按月計費的訂閱制，要用合約期間的總金額來判斷採購等級。
資安管理法。政府機關屬於資安管理法的適用對象，使用雲端 AI 服務需要符合資通安全管理法施行細則的要求。A 級和 B 級機關對雲端服務有特定的安全要求。
數位發展部的指引。數位發展部已發布「政府機關使用生成式 AI 參考指引」，對資料分類、使用範圍、風險管理有明確的規範。公務資料依機密等級有不同的處理要求，機密資料和敏感資料不得上傳至公有雲端 AI 服務。
國產化要求。部分政府標案要求使用國內廠商的產品或服務。目前台灣有 TAIDE（可信任 AI 對話引擎）等國產大型語言模型的開發計畫，以及多家本土 AI 服務商提供在地化部署方案。
預算編列。AI 工具是持續性支出（訂閱制），但政府預算通常是年度編列。需要在年度預算中預留 AI 工具的經常門支出，並考慮未來年度的價格變動。
紅旗警示
以下回答代表要謹慎考慮：
「我們的隱私政策裡有寫」——但沒辦法提供具體的 DPA 或安全報告。隱私政策是廠商單方面制定的文件，他們可以隨時修改。DPA 是雙方簽署的合約，有法律約束力。
「我們正在申請 SOC 2」——代表目前沒有。問預計什麼時候拿到。SOC 2 的申請到取得通常需要 6-12 個月，如果廠商說「正在申請」但講不出具體時間表，可能只是用來應付你的提問。
「免費版的功能和付費版一樣，只是有廣告」——通常免費版的資料處理政策和付費版差異很大。免費版的資料可能被用於訓練，付費版可能不會。
「我們不需要滲透測試，因為我們用 AWS」——用 AWS 不代表應用層的安全。這代表廠商對安全的認知不足。AWS 只負責基礎設施的安全（Security of the Cloud），應用層的安全（Security in the Cloud）是客戶自己的責任。
合約中有「我們可以隨時修改服務條款」但沒有通知機制——代表你簽約後的權益沒有保障。
「我們的 AI 不會產生錯誤輸出」——任何 AI 系統都會產生幻覺和錯誤。做出這種宣稱的廠商不是不了解自己的產品，就是在誤導你。
「你不需要擔心安全，我們有 AI 防護」——含糊的安全宣稱比沒有宣稱更危險。具體問：什麼防護？防什麼攻擊？有沒有測試報告？
安全與限制
這 20 個問題是基本門檻，不是涵蓋所有面向的清單。如果你的使用場景涉及高度敏感的資料（醫療記錄、金融交易），還需要更深入的安全評估，包含原始碼審查、架構審查等。
廠商的回答需要驗證。要求看到實際的報告、認證文件，而不只是口頭承諾。SOC 2 報告可以要求提供，在 NDA 下可以看到詳細內容。
AI 市場變化快，廠商的狀況也會變。今天有 SOC 2 認證的公司，明年可能因為重組而失效。建議每年重新評估一次主要的 AI 供應商。新版本的認證報告一出來就要索取確認。
評估的深度要和風險匹配。如果只是用 AI 寫行銷文案，不需要做和金融交易系統一樣嚴格的評估。把有限的評估資源花在風險最大的使用場景上。
常見問題
小公司也需要問這 20 個問題嗎？
不用全問。優先問第 1、2、3、6、15 題——資料訓練、儲存地點、保留期限、安全認證、DPA。這五個問題能過濾掉最大的風險。10 人以下的小公司如果只用 ChatGPT Team 或 Claude Pro，確認「API 和付費版不使用資料訓練」這一點就解決了大部分的資料風險。
廠商不願意回答怎麼辦？
如果廠商對資料處理和安全問題含糊其辭，就是一個紅旗。考慮替代方案。在台灣市場，主流的 AI 平台（OpenAI、Anthropic、Google、Microsoft）的安全文件都是公開或可索取的。如果是較小的 AI 新創公司不願意回答，風險更高。
免費版的 AI 工具需要評估嗎？
如果員工會用免費版處理公司資料，就需要。免費版通常沒有 DPA、資料可能被用於訓練、沒有企業級的安全控制。至少要在 AI 使用政策中明確限制免費版只能處理公開資料。
這個清單可以用在開源 AI 模型嗎？
部分適用。開源模型自建部署（Ollama、vLLM）的好處是資料不離開你的環境，所以第 1-5 題不適用。但安全認證、可靠性、退場策略的問題仍然相關——特別是當你用第三方服務託管開源模型時（例如 Together AI、Fireworks AI）。自建部署也有自己的風險：你要自己負責系統安全、更新修補、和效能調校。
評估報告要保留多久？
建議至少保留到合約期滿後一年。如果發生資安事件需要追溯，評估報告是你做過盡職調查（Due Diligence）的證據。台灣個資法要求個資事故發生時能提供說明，評估報告就是重要的佐證文件。
多久需要重新評估現有的 AI 供應商？
建議至少每年一次。如果遇到以下觸發事件應立即重新評估：廠商被併購、廠商修改服務條款或隱私政策、廠商發生重大安全事件、你的使用場景或資料類型有重大變更、相關法規有新要求。
POC 需要多長時間？
一般建議 2-4 週。太短（一週以下）無法充分測試各種場景和邊界情況，太長（超過兩個月）可能拖慢決策速度且耗費過多資源。POC 期間至少要讓 5-10 位實際使用者參與測試，不要只由 IT 部門自己測。
台灣有沒有 AI 廠商評估的標準或規範可以參考？
目前台灣沒有專門的 AI 廠商評估國家標準，但可以參考以下資源：數位發展部的「政府機關使用生成式 AI 參考指引」、金管會的「金融業運用人工智慧之核心原則與相關推動政策」、經濟部的「AI 產品與系統評測指引」。國際方面可以參考 NIST AI Risk Management Framework 和 ISO/IEC 42001。
延伸閱讀
- AI 導入 ROI 怎麼算？
- AI 與 GDPR/個資法：合規使用的指南
- 企業導入 AI 的第一份使用政策應該包含什麼？
- AI 資料分類：哪些資料可以給 AI？
參考資料
- NIST AI Risk Management Framework
- ISO/IEC 42001:2023 AI Management System
- 數位發展部：政府機關使用生成式 AI 參考指引
- 金管會：金融業運用人工智慧之核心原則