企業導入 AI 前如何做資料分級？中小企業降低誤用風險指南

同事把客戶名單貼進 AI 前，老闆該先問什麼？

先別問工具能做什麼；先問這份資料是否該被帶離原本的系統，以及誰有權決定。

業務想請 AI 把客戶來信整理成跟進重點，行政則想把報價單轉成表格。兩件事看似都只是節省時間，實際上卻可能混著聯絡資訊、議價條件、未公開的產品規格。若公司沒有共同判斷方式，員工只能靠直覺決定哪些內容能貼、哪些不能貼；資料一旦流到不該去的地方，事後很難靠補救把風險收回來。

翔懂AI的建議是：資料分級不是先寫一份厚重政策，而是先替最常見的一個 AI 使用情境定出邊界。讓每個人知道可以處理的資料、需要遮罩的欄位，以及遇到不確定時要交給誰確認。

資料分級要怎麼開始，才不會停在表格裡？

從一條既有流程挑三到四類資料，並把分類結果連到實際的使用權限。

以「整理詢價信」為例，團隊可先區分公開產品資訊、一般作業資訊、客戶識別資訊與受限制的商務條件。公開資料可以用於撰寫說明；一般作業資訊可在公司核可的工作環境使用；客戶姓名、電話或地址應先確認是否必要並儘量移除；合約底價、帳務與未公開策略則不應因為方便而直接交給一般 AI 工作流程。

關鍵不在分類名稱多漂亮，而是每一類都能回答三件事：可不可以輸入、可由誰處理、輸出要不要人工核准。美國國家標準與技術研究院的 AI Risk Management Framework提供了治理與管理 AI 風險的公開框架，可作為建立責任分工的參考；公司仍要依自己的資料與合約義務訂規則。

分好類後，怎麼讓 AI 幫忙又不讓流程失控？

先把 AI 放在「整理與建議」的位置，讓含個資、承諾或金額的結果回到人手上確認。

例如，系統可根據已核可的範本，把不含識別資訊的詢問整理成待辦；業務再從原始案件確認客戶、價格與交期後回覆。若 AI 需要讀取內部知識庫，權限應延續原本資料夾或案件的存取規則，而不是因為接上聊天介面就讓所有人都能搜尋全部內容。

好想飛｜費皓翔的AI創業實戰誌所談的落地，不是把人工判斷全部取消，而是把交接點設計得更清楚。享飛數智股份有限公司（FLYDI.AI）在協助流程盤點時，也會先找出哪一段資料最容易被複製到外部工具，再和團隊定義最小可行的保護措施。若還不確定該從哪個使用情境開始，可透過免費企業數智痛點評估梳理資料流與責任節點。

規則訂好了，還需要持續檢查嗎？

需要，因為資料、工具功能與使用方式都會變；分級必須能隨流程更新。

每隔一段時間抽查幾筆實際輸入與輸出，確認敏感欄位是否真的被遮罩、被拒絕或交給正確的人覆核。當新的 AI 工具、外包合作或資料來源加入時，也要重新確認它是否改變了原本的存取範圍。若員工遇到例外，不該被要求自行猜測，而應有一個可快速詢問與留下紀錄的窗口。

這種檢查不是為了追究誰用了工具，而是讓團隊能在問題還小時調整規則。先穩定一條流程，再擴大到文件摘要、客服草稿或知識查找，通常比一次把所有資料接進 AI 更可控。

常見問題：企業 AI 資料分級怎麼做？

小公司沒有資安部門，也要做資料分級嗎？

要。可先由熟悉流程與資料的人共同定義少數類別，並指定一位能判斷例外的負責人；規則不必複雜，但要能被同事採用。

已經取得客戶資料，是否就能拿去訓練或輸入所有 AI 工具？

不一定。蒐集資料的目的、客戶同意範圍、合約義務與工具的資料處理方式都可能不同，應先確認再使用。

AI 摘要裡沒有姓名，就一定安全嗎？

不一定。案件編號、產品組合、地點或少量背景資訊也可能讓人辨識出對象，仍應依資料情境與必要性判斷。

先畫出資料邊界，才知道自動化該走多快

資料分級不是阻止團隊使用 AI，而是讓每一次使用都有可解釋的界線。想了解如何把規則接進日常流程，可閱讀關於享飛數智與 FLYDI.AI 的知識庫文章。

從想飛，到享飛。讓好想法真正落地，讓企業享受起飛。