風險與治理

AI 工具開給全公司之前,先用 12 題是非題盤帳號與權限

AI 助理看得到什麼,取決於登入帳號看得到什麼。用 12 題是非題檢查帳號、資料夾分享與工具設定,答錯超過門檻就先補洞再上線。

AI 工具開給全公司之前,要先盤的不是預算,是帳號與權限。AI 助理能讀到什麼,取決於登入它的那個帳號能讀到什麼;權限本來就亂的公司,開了 AI 只是讓亂的東西更容易被搜出來。下面 12 題是非題,答「否」超過 4 題,我建議先暫停上線,把帳號整理完再開。

01為什麼先盤權限,而不是先選工具

很多 AI 工具接上雲端硬碟、信箱、知識庫之後,會用使用者本人的權限去搜尋與摘要。過去一份薪資表被誤設成「知道連結的人都能檢視」,沒人去翻也就沒事;現在任何人問一句「今年調薪幅度」,助理就可能把它翻出來。權限的洞一直都在,AI 只是把找到它的成本降到接近零。

OWASP 在 2025 年版的 LLM 應用十大風險裡,把 Excessive Agency(過度代理)列為第 6 項,根因歸納成三種:功能給太多、權限給太大、自主性太高。企業導入時最常踩的是第二種,例如只需要讀取的連接器,卻拿到能修改與刪除的帳號。

02帳號:第 1 到第 4 題

1. 離職員工的帳號,是否都在離職當天停用,而且有紀錄可查。2. 共用帳號,例如 service@ 或會計共用信箱,是否有清單並標明實際使用人。3. 所有人是否都用公司網域帳號登入 AI 工具,而不是個人 Gmail。4. 管理員帳號是否少於 3 個,且全部開了多因素驗證。

第 3 題最常答「否」。同仁用個人帳號註冊 AI 工具、把公司文件貼進去,離職時帳號跟著人走,公司連要求刪除的立場都沒有。盤點方式很土但有效:請會計從信用卡帳單與報帳紀錄拉出所有 AI 相關訂閱,逐筆對到人。

03資料權限:第 5 到第 8 題

5. 雲端硬碟裡設成「知道連結即可檢視」的檔案,過去 3 個月內是否有人檢查過。6. 人事、薪資、合約、客戶個資這四類資料夾,是否只開給特定群組。7. 部門資料夾的權限是否掛在群組上,而不是一個一個加人。8. 外部協力廠商的存取權,是否都設了到期日。

第 6 題的四類資料,就是 AI 開放後最先被問到的東西。國科會 112 年 8 月提報行政院的生成式 AI 參考指引草案,主要規定之一就是不得提供應保密及個資等資訊。民間企業不受這份指引拘束,但規則的方向可以直接借來用。

04工具設定:第 9 到第 12 題

9. 選定的工具是否確認過輸入內容會不會被拿去訓練模型,以及這個設定在哪裡關。10. 外掛與連接器是否只開讀取,不開寫入、刪除與寄信。11. 是否保留使用紀錄,至少查得出誰在什麼時間問了什麼。12. 是否有一頁的使用守則,寫明哪些資料不能貼進去。

第 10 題對應前面講的權限過大。我的原則是第一階段一律唯讀,要寄信、要改資料,由人按最後一個按鈕。跑滿一季、紀錄看過沒有異常,再一項一項開。先開再收,永遠比先收再開難。

05計分方式與下週一要做的兩件事

答「否」0 到 4 題,可以開;5 到 8 題,先挑一個部門試用,同步補洞;9 題以上,先停,這時候開 AI 等於把整間公司的權限問題一次攤在所有人面前。這個門檻是我的經驗判斷,不是業界標準,金融或醫療這類資料敏感的產業應該訂得更嚴。

下週一請 IT 匯出兩張表:雲端硬碟所有對外分享中的檔案清單,以及全體在職與離職人員的帳號狀態。這兩張表通常半天就拉得出來,拉出來之後,第 1、5、6 題的答案自己就會浮現,後面要補什麼也就清楚了。

資料來源

文中數字與法規均出自下列正式資料,引用時請以原始出處為準。

  1. [1]OWASP Gen AI Security Project|LLM06:2025 Excessive Agency(2024-11)
  2. [2]國家科學及技術委員會|行政院及所屬機關(構)使用生成式AI參考指引(草案)新聞資料(112-08-31)
徐愷(KK)肖像照

作者

徐愷(KK)

遊遊股份有限公司負責人、主導顧問

LinkedIn →

先預約 30 分鐘需求初談,確認下一步該做什麼

初談免費。我們會確認問題範圍、預算與決策者,再提出初步建議與可執行的下一步。