企業導入 AI 的第一份使用政策應該包含什麼？

一句話說明

AI 使用政策是一份讓全公司知道「AI 怎麼用才安全」的規則書，從允許的工具到禁止的行為，寫清楚才能減少灰色地帶。

為什麼需要 AI 使用政策

飛飛在企業培訓時做過一個簡單調查：問「你們公司有 AI 使用政策嗎？」大約七成的人回答沒有或不確定。但再問「你有用 AI 處理過工作上的事嗎？」九成以上回答有。

這個落差代表大多數員工正在「自己判斷」AI 的使用邊界。有人覺得把客戶名單貼進 ChatGPT 做分群沒問題，有人覺得連公司名稱都不該提到。沒有明確的政策，安全就靠個人的判斷力和資安意識，這在組織層面是不可控的風險。

AI 使用政策的目的是讓員工知道怎麼用才安全、出了事怎麼處理，重點在管理風險。政策太嚴會讓員工繞道（用個人帳號），政策太鬆等於沒有。

還有一個實際因素：當資安事件發生時，主管機關會問「你們有沒有相關規範？」如果拿不出書面政策，公司在法律上會處於被動。即使只是一份兩頁的文件，也比什麼都沒有好。

政策的基本結構

一份可用的 AI 使用政策通常包含七個核心部分，加上附件和操作指引。以下逐一說明每個部分的內容和範例條文。

適用範圍

說明這份政策適用於誰（全體員工、約聘、外包）、什麼場景（工作時間內的所有 AI 使用、使用公司設備或帳號時）。

範例條文：「本政策適用於所有使用公司資源或處理公司業務時的 AI 工具使用行為，包含但不限於生成式 AI、AI 輔助開發工具、AI 分析工具。使用個人帳號處理公司業務亦在本政策規範範圍內。本政策同樣適用於約聘人員、實習生、以及與本公司有業務合作且接觸本公司資料之外部人員。」

適用範圍常見的遺漏是外包人員和實習生。很多公司的政策只寫了「全體員工」，但外包廠商的工程師每天在用 Copilot 寫程式碼、實習生在用 ChatGPT 整理會議紀錄，這些人都不在政策的保護傘下。

核准工具清單

列出公司允許使用的 AI 工具，以及每個工具的用途和使用條件。這份清單應該定期更新，建議每季審查一次。

核准工具清單範例：

範例條文：「員工僅得使用本清單所列之 AI 工具處理公司業務。使用清單外的 AI 工具需向資訊部門提出申請，經安全評估（含資料處理政策審查、安全認證確認）後核准。未經核准之工具一律視為未授權使用。」

企業版 AI 平台比較

選擇工具時，資料政策是最重要的考量。以下比較主流平台的企業版差異：

ChatGPT Team：資料不用於模型訓練，提供團隊工作空間，管理員可以設定使用範圍。但沒有 SSO 整合，管理後台功能有限。適合 50 人以下的小團隊。

ChatGPT Enterprise：資料不用於訓練，SOC 2 Type 2 認證，SSO 整合，管理後台可以看到使用量統計，支援 DPA 簽署，API credits 包含在授權中。適合需要集中管理的中大型企業。定價需要跟 OpenAI 業務洽談，通常每人每月 60 美元起。

Claude Team：資料預設不用於訓練，對話紀錄由使用者控制。管理功能相對簡單。適合小型團隊。每人每月約 25 美元。

Claude Enterprise：資料不用於訓練，SAML SSO，角色型存取控制（RBAC），管理後台有使用分析，支援 DPA。定價需洽談。

GitHub Copilot Business：程式碼建議不用於訓練，可設定阻擋公開程式碼的建議，組織層級的政策管理。每人每月約 19 美元。IP Indemnity（智財權補償）包含在授權中。

GitHub Copilot Enterprise：包含 Business 的所有功能，額外支援組織知識庫整合、pull request 摘要。每人每月約 39 美元。

選擇的原則是：如果你的團隊會處理到內部或機密等級以上的資料，一律選企業版。價差看起來不少，但一次資料外洩事件的損失會遠超過整年的授權費用。

資料分級規則

定義什麼資料可以給 AI 處理。這是政策中最重要的部分，也是員工最容易搞混的部分。

公開資料（Level 0）：可以自由使用任何 AI 工具處理。

具體範例：公開的產品說明文件、已發布的部落格文章、公開的 API 文件、已公開的新聞稿、公司官網上的資訊。

判斷原則：「如果這份資料出現在 Google 搜尋結果中，我不會意外」——就是公開資料。

內部資料（Level 1）：可以使用核准的企業版 AI 工具處理，但需去除可識別個人的資訊。

具體範例：內部會議紀錄（去除人名和敏感討論）、一般性的業務流程文件、內部培訓教材、非敏感的業績數據（例如產品使用統計，但不含個別客戶資料）。

判斷原則：「如果這份資料外流，會讓人覺得尷尬或不專業，但不會造成法律或財務損失」——就是內部資料。

機密資料（Level 2）：只能使用經過安全評估的企業版 AI 工具處理，需有 DPA、資料不用於訓練的書面保證。使用前需取得部門主管核准。

具體範例：未公開的財務報表、產品開發計畫、客戶合約內容、供應商報價單、內部薪酬結構、系統架構圖。

判斷原則：「如果這份資料外流，公司可能面臨法律訴訟或競爭劣勢」——就是機密資料。

限制資料（Level 3）：禁止使用任何外部 AI 工具處理。僅允許使用公司自建且資料不離開公司網路的 AI 系統。

具體範例：員工醫療紀錄、客戶的身分證字號和信用卡號、未公開的併購計畫、訴訟相關文件、營業秘密（原始碼中的核心演算法、獨家製程參數）、密碼和 API 金鑰。

判斷原則：「如果這份資料外流，公司可能面臨重大法律責任、監管處罰或不可逆的競爭損失」——就是限制資料。

飛飛在培訓中發現，光靠文字說明資料分級，大約有三成的員工還是不確定自己手上的資料該怎麼分。建議在政策之外提供一個一頁的決策流程圖：「這份資料包含個人可識別資訊嗎？→ 是 → 這些個人資訊可以去除嗎？→ 否 → 限制等級」。

禁止行為

明確列出不允許的行為，並附上為什麼禁止的說明：

範例條文：

一、禁止將限制等級（Level 3）的資料上傳至任何外部 AI 服務。原因：限制資料一旦進入外部系統，公司無法控制其流向，且可能違反個資法跨境傳輸規定。

二、禁止使用 AI 工具生成虛假的資料、報告或證據。原因：AI 生成的虛假資料一旦混入公司的資料庫或報告中，可能影響商業決策並造成法律風險。

三、禁止在未告知的情況下，將 AI 生成的內容以個人名義提交。所有使用 AI 輔助產出的工作產出，須在適當位置標註「AI 輔助」。原因：確保審核者知道內容需要額外查核。

四、禁止使用 AI 工具進行違反法律的行為，包含但不限於生成歧視性內容、侵犯著作權、偽造文書。

五、禁止繞過公司的 AI 使用管控措施。包括但不限於：使用個人帳號處理公司業務以規避監控、使用 VPN 繞過公司的 AI 流量管控、在未經核准的裝置上使用 AI 處理公司資料。

六、禁止使用 AI 工具對同事、客戶或其他個人進行未經授權的分析、側寫或監控。

七、禁止將公司的系統 Prompt、內部知識庫內容或 AI 系統設定分享至公司外部。

各角色的政策客製化

不同部門處理的資料敏感度不同，政策可以在統一框架下做角色客製化：

工程部門附則：程式碼可使用 Copilot Business 輔助撰寫，但 Code Review 流程不變。禁止將內部 API 金鑰、資料庫連線字串、系統架構圖上傳至 AI 工具。開源專案的程式碼不在此限制範圍內。

行銷部門附則：可使用核准 AI 工具產生文案草稿、社群貼文、廣告變體。發布前需經主管審核。禁止上傳客戶名單、銷售數據、未公開的定價策略。

法務部門附則：合約審查可使用核准 AI 工具輔助，但法律意見必須由律師出具。律師與當事人之間的通訊（attorney-client privilege 範圍內的文件）禁止上傳至任何 AI 工具。

財務部門附則：可使用核准 AI 工具協助費用分類和報表摘要，但僅限使用去除金額和帳號的脫敏資料。整份財務報表和稅務資料禁止上傳。

人資部門附則：可使用 AI 輔助撰寫職缺描述和培訓教材。禁止將履歷上傳至外部 AI 做篩選（偏見風險）。員工個資（身分證字號、銀行帳號、薪資）禁止上傳。

輸出審核

所有 AI 生成的內容在對外使用前必須經過人工審核。

對外發布的內容（客戶信件、行銷文案、產品說明、法律文件草稿）：需由該業務的主管或指定審核人確認。審核重點包括事實正確性、語氣適當性、有無洩漏機密資訊。

程式碼：需通過正常的 Code Review 流程，和人工撰寫的程式碼一視同仁。審核重點包括邏輯正確性、安全漏洞、授權合規（是否抄襲了開源程式碼但未遵守授權條款）。

內部報告和分析：使用者需自行驗證關鍵數據和事實，不能直接信任 AI 的輸出。特別注意 AI 編造的統計數字和引用來源。

客服回覆：AI 草擬的回覆在送出前必須由客服人員審閱。涉及退款、賠償或法律承諾的回覆，需由主管或法務確認。這一條的重要性可以參考加拿大航空的案例——法院判決公司的 AI 客服所做的承諾對公司有法律約束力。

事件通報

定義什麼情況需要通報，以及通報的時效要求：

必須在發現後 1 小時內通報的情況：確認或高度懷疑限制等級（Level 3）的資料被上傳至外部 AI 平台。AI 系統遭到攻擊（Prompt Injection 或 Jailbreak 成功，且攻擊者可能取得敏感資訊）。

必須在發現後 24 小時內通報的情況：機密等級（Level 2）的資料被上傳至未經核准的 AI 工具。AI 輸出的內容已經對外發布，事後發現有嚴重事實錯誤或包含不當內容。發現員工系統性地繞過 AI 使用政策。

建議通報但非強制的情況：AI 輸出的內容品質異常下降（可能是模型版本更新導致）。發現新的 AI 工具在公司網路中被使用（Shadow AI 跡象）。

通報流程：通知直屬主管 → 同時通知 IT 安全團隊（資安信箱或通報系統） → 安全團隊在 4 小時內完成初步評估 → 根據評估結果決定是否啟動事件應變流程 → 所有事件記錄存檔至少 3 年。

通報範本：

通報時間：
通報人：
事件類別：[資料上傳 / AI 錯誤輸出 / 政策違規 / 安全攻擊 / 其他]
事件描述：（何時、何人、使用何種 AI 工具、涉及什麼資料）
資料敏感等級：[Level 0-3]
影響範圍評估：（幾個人看到了？有沒有對外發布？）
已採取的行動：

違規處理

配合公司既有的獎懲制度，依違規嚴重程度分級處理：

第一級（輕微違規）：無意中將內部等級資料上傳至核准工具但未去除個人資訊、忘記標註 AI 輔助、使用未在清單上但風險低的 AI 工具。處理方式：主管口頭提醒，安排 AI 安全培訓課程（1 小時）。記錄保留但不計入績效。

第二級（一般違規）：將機密等級資料上傳至核准工具但未取得主管核准、重複違反第一級規定（三次以上）、未遵守輸出審核流程導致錯誤內容對外發布。處理方式：書面警告，安排 AI 安全進階培訓（4 小時），暫停 AI 工具使用權 30 天。記錄納入績效考核。

第三級（嚴重違規）：將限制等級資料上傳至外部 AI 平台、刻意繞過公司管控措施（如使用個人帳號規避監控）、使用 AI 生成虛假報告或證據。處理方式：依公司懲戒辦法處理，可能包括停職、降級或解僱。如涉及法律責任（如違反個資法），公司保留法律追訴權。

在處理違規事件時，要區分「不知道規定」和「刻意違反」。前者以教育為主，後者則需嚴肅處理。這也是為什麼政策的宣導和簽名確認很重要——確保沒有人可以主張「我不知道有這個規定」。

台灣法規注意事項

制定 AI 使用政策時，幾個台灣法規的考量：

個人資料保護法：企業在 AI 中處理員工或客戶的個人資料，屬於個資法定義的「蒐集、處理、利用」行為。第 27 條要求非公務機關應採行適當的安全維護措施，包含使用紀錄和軌跡資料的保存。政策中要說明公司會如何處理員工使用 AI 產生的紀錄（例如使用日誌），這本身也是個人資料的蒐集和處理。另外，將資料上傳至海外的 AI 伺服器構成跨境傳輸，需符合第 21 條的規定。如果主管機關認定特定國家或地區對個資保護不足，可以限制傳輸。

勞動基準法：如果 AI 工具會監控員工的工作行為（例如追蹤 AI 使用頻率、記錄上傳內容的後設資料），需要注意勞動隱私的界限。監控的範圍和目的必須事前告知員工，且不能過度侵入（例如記錄全部對話內容通常被視為過度監控）。建議在政策中明確說明：記錄哪些資料、保留多久、誰可以存取。若因違反 AI 政策而解僱員工，需符合勞基法第 12 條「情節重大」的要件。建議先經過警告和教育程序，留下書面紀錄。

工作規則：超過 30 人的事業單位需要向主管機關報備工作規則。如果 AI 使用政策要作為工作規則的一部分，需要經過主管機關核備。實務上有兩種做法：一是把 AI 政策的關鍵條文（禁止行為和違規處理）納入工作規則正文，向勞動局報備。二是把 AI 使用政策作為工作規則的附件或另外的內部管理辦法，用內部公告的方式實施。前者法律效力較強，但修改程序較繁瑣。AI 工具更新快速，建議核心條文放工作規則，操作細節用內部公告補充。

就業服務法：如果公司使用 AI 進行人事決策（如履歷篩選、績效評估），要注意就業服務法第 5 條禁止就業歧視的規定。AI 的偏見可能構成間接歧視。在政策中建議明確規定：AI 不得作為人事決策的唯一依據，最終決策必須由人類做出。

營業秘密法：訓練資料或上傳至 AI 的內容如果包含營業秘密，一旦進入外部系統可能被視為「未採取合理保密措施」，導致營業秘密保護失效。政策中需明確定義哪些資料屬於營業秘密，並禁止上傳。

Shadow AI 偵測與管理

Shadow AI 是指員工未經公司核准、使用個人帳號或未在清單上的 AI 工具處理公司業務。這是 AI 使用政策面臨的最大挑戰之一。

偵測方法：

網路流量監控：IT 部門透過防火牆或 Proxy 日誌，監控公司網路是否有往已知 AI 服務（api.openai.com、claude.ai、gemini.google.com 等）的流量。如果有大量流量但公司沒有訂閱這些服務，就是 Shadow AI 的跡象。工具推薦：Netskope CASB、Zscaler Internet Access，都可以辨識和分類 AI 相關的網路流量。

端點 DLP：在員工的電腦上安裝 DLP 軟體，偵測複製貼上到瀏覽器的敏感資料模式。Microsoft Purview 可以做到這件事，且已經整合在 Microsoft 365 E5 授權中。缺點是員工用手機或個人設備就偵測不到。

SaaS 管理平台：Productiv、Zylo 等 SaaS 管理工具可以透過 SSO 日誌和費用報表，辨識組織中正在使用的 SaaS 應用程式（包含 AI 工具）。

定期調查：最簡單但常被忽略的方法。每季用匿名問卷調查員工的 AI 使用狀況。問題不要問「你有沒有違反政策」，而是問「你在工作中使用了哪些 AI 工具」「你覺得公司提供的 AI 工具夠用嗎」。

管理原則：發現 Shadow AI 時，不要急著處罰。先了解員工為什麼要用——通常是因為公司提供的工具不夠好用、申請流程太慢、或不知道有核准的替代方案。把 Shadow AI 當作「未被滿足的需求」的訊號，而不是純粹的違規行為。

實施時間表

以下是一個中型企業（100-500 人）從零開始實施 AI 使用政策的建議時間表：

第 1-2 週：現況調查。盤點公司目前有多少人在用 AI、用什麼工具、處理什麼資料。做一次全公司的匿名問卷。同時盤點公司的資料分類是否到位——如果連資料分級都還沒做，先做這件事。

第 3-4 週：政策草擬。由 IT、法務、HR 組成小組，參考本文的框架草擬政策。重點是資料分級、核准工具清單和禁止行為。同步進行工具評估，選定公司要採購的企業版 AI 工具。

第 5-6 週：內部審查。政策草稿送各部門主管審閱，收集回饋。特別注意各部門的特殊需求和疑慮。法務確認政策條文的法律效力和台灣法規合規性。

第 7-8 週：工具採購與設定。完成企業版 AI 工具的採購和帳號設定。設定 SSO 整合、使用限制和管理後台。建立 DLP 規則（如果有的話）。

第 9-10 週：宣導與培訓。舉辦全公司的 AI 安全培訓，每場 60 分鐘。內容包含：政策重點講解（20 分鐘）、資料分級實作練習（20 分鐘）、核准工具的基本操作教學（20 分鐘）。準備一頁的懶人包讓員工放在桌上參考。

第 11 週：正式上線。發布政策（email + 公司內部公告系統）、開放企業版 AI 工具帳號、要求全體員工線上簽名確認已閱讀政策。

第 12 週：第一次檢查。統計企業版 AI 工具的使用量、做第一次的 Shadow AI 掃描、收集員工使用回饋。

之後每季做一次政策檢視和 Shadow AI 掃描，每半年做一次培訓。

政策審查清單

每半年審查政策時，用這份清單確認是否需要更新：

核准工具清單：是否有新的 AI 工具需要評估或移除？現有工具的定價和條款有沒有改變？

資料分級：有沒有新的資料類型需要分類？原有的分級是否仍然合適？

禁止行為：有沒有新的使用場景需要規範？過去半年有沒有發生過政策沒有覆蓋到的灰色地帶事件？

法規變更：台灣的個資法、營業秘密法或相關法規有沒有修法？國際上有沒有新的 AI 法規趨勢需要提前準備（如歐盟 AI Act）？

事件紀錄：過去半年發生了哪些 AI 使用相關的事件？有沒有需要修改政策的教訓？

員工回饋：員工對政策的抱怨和建議是什麼？有沒有規定太嚴（導致繞道）或太鬆（導致風險）的地方？

技術環境：公司的 IT 環境有沒有變化（例如導入新的 CASB 或 DLP 工具），需要在政策中反映？

怎麼讓政策被執行

寫好的政策如果沒人看、沒人遵守，等於沒有。幾個讓政策落地的做法：

新人到職訓練：在到職第一天的 IT 環境設定流程中，加入 AI 安全的內容。不需要長篇大論——30 分鐘，涵蓋三件事：公司有哪些核准的 AI 工具（以及怎麼申請帳號）、什麼資料不能上傳、出事了怎麼通報。到職時一併簽署 AI 使用政策確認書。

定期提醒：每季在全公司 email 或 Slack 頻道發一次重點提醒。不要只是重發政策全文（沒人會看），用一個實際案例（匿名化處理）說明為什麼某個行為是有風險的。例如：「上一季有同事在草擬客戶提案時，把包含客戶預算的簡報直接上傳到免費版 ChatGPT。雖然沒有造成損失，但這份資料可能已進入 OpenAI 的訓練資料中。提醒同仁：客戶相關的財務資訊屬於機密等級（Level 2），請使用公司的 Claude Team 帳號，並去除具體金額後再使用。」

Shadow AI 掃描：IT 部門每季檢查一次公司網路，看有沒有未經核准的 AI 工具流量。發現後先了解原因，再決定處理方式。

管理層以身作則：如果主管自己都在用個人版 ChatGPT 處理公司業務，員工不會認真遵守政策。高階主管的 AI 使用行為會被部屬看在眼裡。

獎勵正確行為：設立「AI 安全使用典範」表揚，鼓勵團隊分享有效且安全的 AI 使用方式。正面鼓勵比負面處罰更能推動行為改變。

建立內部支援管道：在 Slack 或 Teams 建立一個「AI 使用問答」頻道，讓員工可以快速詢問「這個資料可不可以上傳」「這個工具可不可以用」。如果問問題的門檻太高（例如要發 email 給 IT 部門然後等三天），員工會選擇自己判斷，風險就增加了。

安全與限制

政策是活的文件，不是寫完就放著。AI 工具每幾個月就有重大更新，政策至少每半年要檢視一次。

政策不能取代技術控制。除了政策之外，還需要技術手段配合。DLP 工具（Microsoft Purview、Netskope）可以阻擋敏感資料上傳。AI Gateway（Portkey、LiteLLM）可以管控和監控 API 使用。CASB（Zscaler、Netskope）可以偵測和阻擋未經核准的 AI 服務流量。光靠政策沒有技術配合，等於把安全完全建立在人的自律上。

不要試圖涵蓋所有情境。政策寫太長沒人看。核心政策控制在 5-8 頁，聚焦在最重要的規則。操作細節和各部門的附則用額外文件補充。

政策最大的風險在於沒人遵守。宣導和執行的投入至少要跟撰寫一樣多。

不要假設員工都有資安意識。很多員工真的不知道把客戶名單貼進 ChatGPT 有什麼風險。政策要搭配教育，而且教育要用案例驅動，不要用嚇人的方式。

常見問題

延伸閱讀

• AI 使用政策範本：可直接修改的企業版本
• AI 治理框架：從政策到實踐的落地指南
• 公司資料可以貼進 ChatGPT 嗎？員工版判斷流程
• Shadow AI 是什麼？員工私用 AI 的風險管理
• AI 稽核追蹤：記錄和追蹤 AI 使用行為的實務指南