課程結束，投影機還亮著，會議室的人陸續離開。有一位學員走到台前，等到旁邊沒人了才開口：「我們單位處理的都是病人的資料，如果我把這些東西丟給 AI，會不會有個資外洩的問題？」
這個場景在醫療產業的課後出現過，在其他產業也用不同的版本反覆出現。有人問的是客戶簡報，有人問的是內部錄音，有人問的是那份主管明天要看的提案。問題的表面各不相同，底下其實是同一句話：我們公司到底准不准我這樣用。
而更值得注意的是，會走到台前私下問的人，通常是最謹慎的那一群。真正該擔心的從來不是他們。
重點速答
企業 AI 使用規範不是一份禁止清單，而是一張授權地圖。真正的關鍵不是員工能用 AI 到什麼程度，而是環境授權員工用 AI 到什麼程度。先把界線畫清楚、把去識別化的流程寫下來、把用了之後的好處還給員工，規範才會從管制文件變成加速器。
課後常被問的問題：敏感資料到底能不能給 AI
回到醫療產業那場工作坊的提問。我的回答其實跟任何產業都一樣：如果你要製作的內容包含敏感資料，那麼在傳給任何人之前都必須先做去識別化。這件事不是因為 AI 才出現的，把病歷用電子郵件寄給同事、把名單貼進共用雲端硬碟，本來就適用同一條原則。AI 只是讓這個老問題變得更頻繁、更即時，也更容易被忽略。
把原則轉成可以執行的做法，實務上有兩層。
-
建立去識別化的 SOP 流程
LAYER 01
這是最簡單、也最快能上路的方式。明訂哪些欄位屬於必須先移除或替換的識別資訊，讓同仁在去識別化完成之後，再接著進行 AI 分析或報告製作。流程本身不需要任何技術投資，只需要一份寫清楚的文件與一次教育訓練。
-
區分地端與雲端 AI 模型
LAYER 02
更進階的做法是把兩種模型的角色分開。由公司開發一個地端、不對外連網的小工具，資料上傳後由它自動完成去識別化，接著再把處理過、確認可以外送的資料交給雲端 AI 做進一步分析。敏感的那一段留在內網，運算力強的那一段交給外部。
第二層聽起來像是大公司才做得起的事，但它的門檻其實比想像中低。重點不在模型多強，而在於把「哪些資料可以離開公司」這個判斷，從每個員工的臨場直覺，交還給一個固定的流程。人會猶豫、會誤判、會因為趕時間而放水，流程不會。
員工能用 AI 到什麼程度：這問題其實問錯對象
在課後被問最多次的那句話是「我們到底能用到什麼程度」。這句話的主詞是員工，但答案從來不在員工身上。
先講現況。這件事非常看產業別。目前遇過最嚴謹的往往是金融業、科技業與醫療業，它們受到的外部監理最重，內部對資料外送的審查也最細。相對地，一般中小企業與新創公司對 AI 的使用程度非常開放，開放到電腦裡直接裝了 AI Agent 在跑資料、大量製作素材內容，多數情況都沒有問題。
同樣一位員工，放在不同的環境裡，能做的事情天差地遠。差別不在他的能力或自律，而在他所處的環境替他決定了什麼。
一句話的判準
真正的關鍵不是「員工到底能用 AI 到什麼程度」，而是「環境授權員工用 AI 到什麼程度」。
把主詞從員工換成組織，整件事的解法就跟著換了。與其花力氣去訂一張員工不准做什麼的清單，不如回頭盤點：公司目前替員工準備了什麼、允許了什麼，又在哪些環節留下了沒人敢決定的空白。員工在灰色地帶的每一次遲疑，記的都是組織沒把話講完的帳。
灰色地帶四題：課後被問過的問題與實際判準
下面四題是課後最常出現的。它們之所以難，不是因為法律複雜，而是因為公司沒有人給過答案。
-
客戶簡報
能不能把客戶給的簡報貼進 AI
主要看內容上有沒有去識別化的資訊。另外，AI 工具的企業版多半標榜預設不會拿資料去訓練模型（OpenAI 官方就載明商用產品的資料預設不用於訓練），但各家條款細節不同，簽約前仍要逐條確認。判斷的軸線是資料本身的敏感度，加上你對供應商的信任程度，不是工具本身好不好用。
-
會議錄音
內部會議錄音能不能轉逐字稿
如果真的擔心，就直接去下載地端的轉逐字稿工具。Whisper 與 MacWhisper 都是我自己實際用過的選項。要注意 MacWhisper 同時提供地端與雲端兩種轉錄模式，記得在設定裡選用地端模型，音檔才會完全留在自己的電腦裡。擔心與可用之間，其實有一條技術上很單純的路。
-
對外提案
AI 改寫過的提案要不要主動告知客戶
其實應該不會影響。最重點還是在於內容能不能讓客戶感受到符合需求與專業度。客戶買的是判斷與解法，不是文字的生產方式。真正該檢查的是內容有沒有紮實回應對方的問題。
-
視覺素材
AI 生成的圖能不能放進對外簡報
當然可以，現在就已經超多人在放了。真正需要留意的是授權條件與標示方式，這部分我在 AI 生成內容的著作權與標示 談得更完整，包含哪些情況會影響到著作權的主張。
把四題放在一起看會發現一件事：沒有一題的答案是「絕對不行」或「隨你高興」。每一題都有一個明確的判準，而這些判準本來就應該寫在公司的文件裡，而不是等到課後才由外部講師口頭補上。
現場觀察
會在課後追到台前問這四題的人，通常已經在用了，只是不確定自己有沒有踩線。規範真正的功能，是讓這群認真的人不用再猜。
買企業版卻無法活用：不是能力問題，是誘因考量
進企業上課這幾年，有一個現象幾乎是壓倒性的一致：多數企業其實都已經買了企業版。採購流程都走完了，帳號也都開好了。但真正的問題是，即便已經有企業版，大家使用的還是很普通的功能，並沒有真正發揮這些 AI 工具的潛力。
很容易把這歸咎於不會用。但如果只是不會用，教一次就解決了，實際上並沒有。
大家不只是在意規範，多數人更納悶的是要如何用 AI 工具來加速公司內部的流程。我們可能以為員工會主動去實作，但從員工的角度來看，這筆帳是這樣算的：
一句話的判準
用 5 天做完原本 5 天的工作，跟用 2 天做完原本 5 天的工作，實際上並沒有什麼差異，反而可能還要處理額外多出來的工作。
這句話解釋了前面那個現象的真正原因。買了企業版卻只用普通功能，不是能力的落差，是誘因的缺席。把效率提升到極致的員工，得到的不是時間，而是更多的工作量；而維持原狀的人，什麼風險也不必承擔。在這樣的結構下，理性的選擇就是把 AI 當成一個比較聰明的搜尋框，剛好夠用，也剛好不會惹事。
要改變這件事，得靠 SOP 這個看起來最無聊的工具。透過 SOP 的訂定，去讓大家遵守某些 AI 應用的方式；或者反過來，透過這份 SOP，讓那些擔心資料無法上傳的員工清楚知道哪些資料可行、哪些不可行。前者處理的是動機，後者處理的是恐懼，兩件事都不是靠一場課解決的。
全面禁用與過時技術的兩難：風險與落後的取捨
很多人以為企業訂規範的極端是全面禁用。實際上，我沒有遇過全面禁用 AI 的企業。真正常見的是另一種狀況：只能用自己公司內部開發的模型，或是兩三年前的地端模型。
這會產生一個相當現實的問題。無論課堂上怎麼教學最新的 AI 功能，回到座位上，大家可採用的都已經是過時的技術了。學到的方法對，能操作的工具卻跟不上，中間那段落差最後由員工自己吸收。
-
路線 A
承擔相關風險，使用最新的雲端 AI 功能
能力邊界跟得上市場，員工學到什麼就能用什麼。代價是必須把資料治理、供應商審查與內部教育同時做起來，任何一環鬆掉都會變成破口。
-
路線 B
安全地使用兩三年前的地端技術
資料完全不出公司，資安上最好交代。代價是整個組織的 AI 能力被鎖在一個過去的版本裡，而外面的同業正在用完全不同等級的工具處理同樣的事。
所以，如何妥善建立企業文化、讓大家能用最新的 AI 功能，同時又避免資安問題，會是一個長期的議題。這就看大家如何取捨：究竟要承擔相關風險，還是反而去用兩三年前的 AI 技術。這個問題沒有一勞永逸的答案，只能定期重新盤點。
還有一個補充觀察值得管理者放在心上。公司內部如果限制 AI 工具，在特定情況下還是有不少人會選擇自己訂閱最新的雲端 AI 工具來幫自己解決問題，這反而比較難以預防。禁令擋得住公司配發的設備，擋不住一個人想把工作做完的意志。
內部 AI 政策能寫什麼：禁止清單與授權地圖
如果要動手寫，我的建議是先做一頁就好。一份沒人讀完的二十頁政策，實務上的效果等於零。一頁版的內容可以這樣安排。
-
資料分級與去識別化規則
ITEM 01
明確列出哪一類資料可以直接使用、哪一類必須先去識別化、哪一類完全不得外送。這是整份政策唯一不能模糊的部分。
-
工具清單與帳號歸屬
ITEM 02
寫清楚公司核准的是哪些工具、用的是企業版還是個人版、帳號由誰管理。企業版與個人版的資料處理條款差很多，這一條同時處理了合規與影子訂閱兩件事。
-
哪些工作流程鼓勵使用 AI
ITEM 03
不要只寫不准做什麼。把公司希望被加速的流程列出來，讓 AI 的使用有明確的落點，也讓省下來的時間有正當的去處。
-
對外產出的檢查與標示原則
ITEM 04
哪些對外文件需要人工覆核、哪些情境需要標示 AI 參與。這一條保護的是公司對外的專業形象。
-
有疑問時找誰
ITEM 05
指定一個明確的窗口。沒有這一條，前面四條都會在遇到例外的那一刻失效。
至於國際框架，這裡只當延伸參照。如果之後需要對外證明治理成熟度，國際上主要有兩條路：NIST AI RMF 1.0 是自願性風險管理框架，涵蓋治理、映射、量測、管理四項功能；ISO/IEC 42001 則是可驗證的 AI 管理系統標準，適合需要第三方稽核的組織。多數企業在一頁版政策都還沒寫出來之前，其實不需要急著談這兩件事。
工具面的盤點也可以同步做。哪些環節適合交給 AI、哪些環節必須留給人，我整理過一份 知識工作者的 AI 工具地圖 可以直接對照著看。若擔心同仁過度依賴模型的輸出，AI 給的答案可信嗎 談的判讀原則也適合一併納入內訓教材。
規範訂完之後：滿意度很高，不等於真的會用
政策寫完，通常接著就是辦一場教育訓練。這裡有一個很容易誤判的地方。
在工作坊的課後問卷裡，質化與量化的分數大部分都落在 4.9 這個水準，分數通常都很高。有一場工作坊在「我非常滿意此次講座的表現」這一題，非常同意佔了壓倒性的多數，其餘的也都是同意。另一場工作坊的量化回饋，講師說明的清晰度接近滿分，課程節奏與實作練習的評價同樣穩定。
學員的文字回饋也很具體。有人說自己學到了非常實用的 AI 運用方式，也有人說終於理解如何有系統地把文字視覺化、再用數位工具快速完成簡報。有一位學員的回答我印象很深，當被問到還想學哪些工具時，他說現在的 AI 工具都已經很好用了，最主要還是要懂得如何使用工具，以及自己的想法和思考。
誠實的提醒
分數高不代表回到座位就會用。其實還是有很多學員不會用，這很正常。所以現場會提供非常多的客製化教材，以及課後可以繼續練習的講義，因為要大家在現場馬上學會並應用 AI 工具，會有設備、時間跟熟悉度的問題。
值得一提的是，Kirkpatrick 官方的數據指出，有問責與支持機制的組織約可達 85% 應用率，只靠辦一場課的大約只有 15%。這個 85 比 15 講的是課後的實際應用，跟前面那場工作坊的滿意度分布數字剛好相同，但兩者完全是不同的東西，彼此之間沒有任何因果關係。這個巧合之所以值得拿出來講，是因為它精準地說明了一件事：當場的滿意度與回到崗位的應用率，是兩條必須分開追蹤的曲線。
也不是每一場的分數都漂亮。遇到分數比較低的情況，主要是因為有些同仁不熟悉數位工具、甚至有點排斥 AI，會覺得談的內容太理想化、有很多爭議，或者講直接一點，覺得導入這些工具反過來會影響到他們的工作留存。對這些人來說，勢必會有比較多反抗的想法，這也是為什麼課前一定會先談清楚課程目標，並透過問卷收集大家想聽什麼、不想聽什麼，以及習慣使用的工具與能力等級。
六個帶得走的重點
六個帶得走的重點
- 主詞要從員工換成組織：該問的不是員工能用 AI 到什麼程度，而是環境授權了他們用到什麼程度。
- 敏感資料的原則跟 AI 無關：任何內容在傳給任何人之前都要先去識別化，AI 只是讓這件事變得更頻繁。
- 去識別化有兩層解法：先建立 SOP 流程，行有餘力再用地端不聯網的小工具自動處理，把敏感段留在內網。
- 買了企業版卻只用基本功能是誘因問題：省下來的時間若沒有回到員工身上，沒有人會把工具用到底。
- 禁用不是極端，過時才是：真正常見的難題是只能用兩三年前的模型，落差最後由員工自己吸收。
- 滿意度高不等於會用：當場的評價與回崗位的應用率是兩條曲線，沒有追蹤機制就不該宣稱導入成功。
關於作者
- 525+場企業與組織培訓
- 19,500+位學員
- 150+家教育培訓場域
如果你正在為公司的 AI 使用規範傷腦筋，或想在導入前先盤點目前的使用狀況，歡迎透過企業內訓洽詢與我聊聊。課程現場會依實際使用場景提供對應的客製化教材，而不是一套通用投影片講到底。
延伸閱讀
重點整理
最後回到 AI 這把雙面刃。它確實能在極短時間內，用視覺化的方式把想法做成看得見的成果，讓從零開始、有創意但沒有資源的人也能實現原本做不到的事。但同一套能力，放在沒有界線的環境裡，就變成資料四散與真假難辨。企業 AI 使用規範真正的價值，不是把這把刀收進抽屜，而是決定它朝哪個方向使力。先把界線畫清楚，員工才敢用；把好處還給員工，他們才會願意用到底。
企業 AI 使用規範應該從哪裡開始訂？
先做一頁就好。一頁版政策建議包含五件事：資料分級與去識別化規則、公司核准的工具清單與帳號歸屬、哪些工作流程鼓勵使用 AI、對外產出的檢查與標示原則，以及有疑問時要找誰。其中資料分級是唯一不能模糊的部分。一份沒人讀完的二十頁政策，實務上的效果等於零，先讓同仁看得完、記得住，比一次寫到完整重要。
員工可以用 AI 到什麼程度？
這很看產業別。目前遇過最嚴謹的往往是金融業、科技業與醫療業，對資料外送的審查相當細。一般中小企業與新創公司則非常開放，甚至電腦裡直接裝了 AI Agent 在跑資料、大量製作素材內容，多數情況都沒問題。但更重要的是，這個問題的主詞其實問錯了：真正的關鍵不是員工能用 AI 到什麼程度，而是環境授權員工用 AI 到什麼程度。
客戶提供的簡報可以貼進 AI 工具嗎？
主要看內容上有沒有去識別化的資訊。另外，AI 工具的企業版多半標榜預設不會拿資料去訓練模型（OpenAI 官方就載明商用產品的資料預設不用於訓練），但各家條款細節不同，簽約前仍要逐條確認。判斷的軸線有兩條：資料本身的敏感度，以及你對這家供應商的信任程度。如果簡報裡含有可識別的客戶資訊或營業秘密，先做去識別化再說。
內部會議錄音可以用 AI 轉逐字稿嗎？
如果真的擔心資料外送，就直接去下載地端的轉逐字稿工具。Whisper 與 MacWhisper 都是實際可用的選項。要注意 MacWhisper 同時提供地端與雲端兩種轉錄模式，選用地端模型時整個轉檔過程才會在自己的電腦裡完成，音檔不會離開設備；若選了雲端選項，音檔仍會外送。這是「擔心」與「可用」之間技術上最單純的一條路，不需要為了資安考量就完全放棄逐字稿這件事。
AI 生成的圖可以放進對外簡報嗎？
當然可以，現在就已經超多人在放了。真正需要留意的是授權條件與標示方式，不同工具對商業使用的授權條款不一樣，在合約型或投標型的文件裡尤其要先確認。至於 AI 改寫過的提案要不要主動跟客戶說，其實應該不會影響，最重點還是在於內容能不能讓客戶感受到符合需求與專業度。
公司買了企業版，為什麼大家還是只用基本功能？
這不是能力問題，是誘因問題。從員工的角度來看，用 5 天做完原本 5 天的工作，跟用 2 天做完原本 5 天的工作，實際上並沒有什麼差異，反而可能還要處理額外多出來的工作。省下來的時間如果沒有回到員工身上，把工具用到底就沒有任何好處。解法是透過 SOP 訂出希望被加速的流程，同時讓擔心資料無法上傳的員工清楚知道哪些資料可行、哪些不可行。
限制 AI 工具，同仁就不會偷用了嗎？
不會。公司內部如果限制 AI 工具，在特定情況下還是有不少人會選擇自己訂閱最新的雲端 AI 工具來幫自己解決問題，這反而比較難以預防。另一個更常見的難題是，企業只能用內部開發或兩三年前的地端模型，導致無論怎麼教最新功能，同仁能採用的都已經是過時的技術。這中間的取捨是長期議題：要承擔風險用最新技術，還是安全地用舊技術。
本文更新於 2026 年 8 月。AI 與數位工具改版快速，實際功能與名稱可能已有變動，建議以官方文件為準。
