摘要
很多 AI 採購會卡在模型準不準、價格貴不貴、同仁會不會用。這些都重要，但還不是最先該問的問題。
只要 AI 工具會讀客戶資料、合約、Email、會議逐字稿、客服紀錄、商品資料、內部 SOP 或程式碼，採購前就要先審資料處理邊界。本文整理一份中小企業可用的 AI 供應商資料處理審查表，讓主管、採購、資訊與法務窗口先問對問題，再決定能不能試用、能不能上線、能不能放進正式流程。
核心結論
AI 供應商審查不是要每家公司都變成法務部，而是避免把高敏感資料交給一個說不清責任的工具。第一版只要先問清楚六件事：資料會不會被拿去訓練、會保存多久、誰是子處理者、資料在哪裡處理、能否刪除匯出、哪些情境需要企業合約或額外批准。
| 審查面向 | 採購前要拿到什麼 | 不應直接上線的訊號 |
|---|---|---|
| DPA 與合約 | 資料處理附約、服務條款、企業版資料條款 | 只有行銷頁，沒有正式資料處理文件 |
| 模型訓練 | 是否使用輸入、輸出、檔案或回饋改善模型 | 免費版、團隊版、API 規則混在一起說不清 |
| 保存期限 | 輸入、輸出、檔案、日誌、向量資料保存多久 | 找不到刪除、保留或例外處理說明 |
| 子處理者 | 雲端、模型、分析、客服、支付與安全服務清單 | 新增處理者時沒有通知或審查流程 |
| 資料地區 | 主要處理地區、跨境處理、區域選項 | 無法回答資料是否跨境或在哪裡處理 |
| 刪除匯出 | 停用、刪除、匯出、備份清除與退場方式 | 試用期結束後資料拿不回或刪不清 |
最務實的採購標準是：先讓供應商回答資料怎麼走，再讓團隊決定 AI 能做什麼。
目錄
- 為什麼 AI 採購要先審資料處理
- 先分級：哪些資料不能直接丟進 AI 工具
- 九個供應商資料處理問題
- 把審查變成 45 分鐘決策流程
- 不同工具類型該加問什麼
- 30 天最小可行落地方式
- 參考來源與資料時間
- 常見問題
- 延伸閱讀
為什麼 AI 採購要先審資料處理
傳統 SaaS 採購常問三件事：價格、功能、客服。AI 工具還要多問一層：這個工具會拿我們的資料做什麼？
因為 AI 工具通常不只是存資料。它可能會：
- 讀取輸入內容與上傳檔案。
- 產生回覆、摘要、評分、分類與建議。
- 建立向量索引或長期記憶。
- 連到 Google Drive、Email、CRM、客服系統或專案管理工具。
- 呼叫其他模型、雲端服務、分析工具或子處理者。
- 保存 prompt、輸出、日誌、附件與操作紀錄。
- 在特定方案、設定或例外情境下使用資料改善服務。
OpenAI、Anthropic 與 Google Cloud 的官方文件都把商業資料、API 資料保存或零資料保存條件拆得很細。這提醒企業一件事：不能只聽「我們很重視隱私」這句話，而要看產品、方案、API、功能與合約條款到底怎麼寫。
對中小企業來說，這不是形式主義。若 AI 工具讀到客戶個資、未公開報價、合約草稿、內部 SOP、程式碼、薪資、醫療、金融或教育資料，後續就可能牽涉個資、保密、客戶合約、跨境處理、資安稽核與營運責任。
採購前多問 45 分鐘，通常比上線後補救便宜很多。
先分級：哪些資料不能直接丟進 AI 工具
供應商審查前，先不要急著把所有工具拿來比較。第一步是把「準備交給 AI 的資料」分成四層。
| 資料層級 | 例子 | AI 工具可用原則 |
|---|---|---|
| L0 公開資料 | 官網頁面、公開 FAQ、已發布文章、公開產品資訊 | 可作為低風險測試資料 |
| L1 內部一般資料 | 內部 SOP、訓練文件、會議摘要、非敏感專案資料 | 需確認保存、存取與刪除方式 |
| L2 客戶與營運資料 | 客服紀錄、CRM、報價、合約草稿、訂單、Email | 需 DPA、權限、日誌與明確用途 |
| L3 高敏感資料 | 個資、健康、金融、人資、未公開財務、機密程式碼 | 預設不上傳，需正式批准與專業審查 |
這張表的目的不是阻止所有 AI 導入，而是讓團隊先知道：不同資料需要不同審查深度。
例如，同一個 AI 摘要工具，用公開文章測試是一回事；接入客服聊天紀錄、合約附件或員工會議逐字稿就是另一回事。同一個模型 API，用匿名產品描述測試是一回事；把真實客戶名單、報價條件與付款紀錄送進去就是另一回事。
判斷句可以很簡單：如果資料外流會讓客戶、員工、供應商或公司承擔實際損失，就不能用一般試用心態處理。
九個供應商資料處理問題
1. 是否有正式 DPA 或企業資料條款
第一個問題不是「你們安全嗎」，而是「請提供正式資料處理條款」。
要看的文件包括：
- Data Processing Addendum 或等效資料處理附約。
- 服務條款與商業條款。
- 隱私政策與企業資料頁。
- 安全、合規、稽核或信任中心文件。
- 子處理者清單與更新通知方式。
若供應商只能提供首頁文案、銷售簡報或聊天回答，還不足以支撐正式導入。真正要放進客服、業務、行政、文件或內部知識庫的 AI 工具，至少要讓企業能保存一份可回查的正式文件。
2. 輸入、輸出與上傳檔案會不會被用於模型訓練
這題要問得很精準。不要只問「會不會拿去訓練」，而要拆成：
- 使用者輸入是否用於訓練或改善模型？
- 模型輸出是否用於訓練或改善模型？
- 上傳檔案、圖片、音訊、附件是否用於訓練或改善模型？
- 使用者回饋、評分、錯誤回報是否用於改善服務？
- 免費版、個人版、團隊版、企業版、API 規則是否不同？
- 是否需要 opt-in 或 opt-out？
- opt-out 是帳號層級、工作區層級，還是 API 設定？
OpenAI 官方文件明確區分 business data 與資料控制，Anthropic 也把 API data retention 與不同資料處理安排拆開說明。採購時要學的是這種拆法：把方案、產品、功能與資料類型分開確認，不要用一句「不拿來訓練」涵蓋所有場景。
3. 資料會保存多久，誰可以讀
不拿去訓練，不代表完全不保存。供應商可能為了濫用偵測、除錯、快取、稽核、支援、帳務、安全事件或產品功能保存資料。
採購前要問：
| 資料類型 | 要確認 |
|---|---|
| prompt / input | 保存多久、可否關閉、是否進入安全審查 |
| output | 是否保存、是否可由管理員或供應商支援查看 |
| 上傳檔案 | 刪除方式、備份保存、索引是否同步刪除 |
| 向量資料 | RAG 索引保存多久、能否匯出與重建 |
| 操作日誌 | API、Agent、Webhook、OAuth 與工具呼叫紀錄 |
| 使用分析 | 是否只看彙總指標，還是包含內容片段 |
Google Gemini Enterprise Agent Platform 的零資料保存文件提醒一件事：即使供應商支援 zero data retention，也可能需要特定條件、設定或功能限制。企業要確認的是自己要用的產品與功能是否真的符合，而不是只引用供應商標題。
4. 子處理者與背後模型供應商是誰
很多 AI 工具不是單一供應商。前台產品可能還會使用：
- 雲端主機。
- 模型 API。
- 向量資料庫。
- 內容安全或濫用偵測服務。
- 產品分析與錯誤追蹤。
- 客服、支付、Email、CDN 或儲存服務。
因此要問：
- 是否有子處理者清單？
- 新增或更換子處理者時是否通知？
- 子處理者是否可能處理客戶內容、檔案或日誌？
- 子處理者所在地與資料處理地區是否可查？
- 若供應商更換模型或雲端服務，客戶是否能拒絕或重新審查？
這不是要求每家新創都做到大型企業等級，而是要讓資料責任看得見。若供應商自己也說不清資料經過誰，就不適合直接處理高敏感資料。
5. 資料處理地區與跨境處理是否可確認
對台灣企業來說，資料地區不一定代表絕對不能跨境，但至少要知道：
- 主要服務與資料儲存地區。
- 模型推論與日誌處理地區。
- 是否可選區域或企業版地區控管。
- 跨境處理是否寫在條款或 DPA。
- 客戶合約、產業規範或內部政策是否另有要求。
涉及個資、金融、醫療、教育、人資、保險、政府標案、企業客戶資料或保密合約時，不要用一般 SaaS 試用邏輯處理。這類情境應把法務、資安或外部專業意見納入決策。
6. 是否支援刪除、匯出與停用後清除
AI 工具最常見的陷阱是：試用很快，上線很順，但要退出時才發現資料、索引、提示詞、附件與日誌都散在不同地方。
採購前要問：
- 使用者能否自行刪除對話、檔案、專案與知識庫？
- 管理員能否刪除整個工作區或特定使用者資料？
- 向量索引、快取與備份多久清除？
- 停用帳號後資料保存多久？
- 能否匯出 prompt、知識庫、設定、日誌與使用紀錄？
- API key、OAuth、Webhook 與 service account 如何撤回？
這些問題跟 article-1192 的退場演練會接在一起。差別是，本文主張：不要等決定停用才問退場問題。採購前就要知道出口在哪裡。
7. 高風險資料是否需要企業版或額外設定
很多供應商的資料保護能力會依方案不同而不同。個人版、團隊版、企業版與 API 可能有不同的：
- 資料保存期限。
- 管理員控制。
- 稽核日誌。
- SSO / SCIM。
- DPA 或企業合約。
- 零資料保存資格。
- 區域資料處理。
- 支援與安全審查流程。
所以採購時不要只問「這個工具有沒有某功能」，而要問「我們目前買得起或打算使用的方案，是否支援這個功能」。
如果高風險資料只能在企業版才有足夠控制，而公司只打算買個人版或低階團隊版，那就應該縮小使用範圍：只處理公開資料或低風險資料，不要把正式客戶資料接進去。
8. Agent 權限是否會改變資料處理風險
新一代 AI 工具不只回答問題，還可能讀資料、呼叫工具、更新紀錄、寄信、建立任務、修改文件或觸發工作流。
OWASP 對 Prompt Injection 與 Excessive Agency 的提醒很適合放進採購審查：當 AI 可以讀外部內容又能執行動作，風險就不只是資料保存，而是資料被錯誤使用、被惡意內容誘導，或被 Agent 帶進未授權流程。
採購前要問：
- Agent 能讀哪些資料來源？
- 能否限制工具權限與 OAuth scope？
- 是否支援人工批准再執行高風險動作？
- 是否有操作日誌與回滾方式？
- 能否關閉寄信、發布、刪除、改價、改權限或送出表單？
- 外部網頁、Email、文件內容是否可能誘導 Agent 做錯事？
只要工具從「建議」升級成「動作」，審查深度就要升級。
9. 誰在公司內部批准這個資料處理方式
最後一題最容易被忽略：供應商回答完，誰代表公司接受？
不要讓採購、行銷、客服、工程或主管各自用自己的判斷私下開工具。至少要指定：
| 角色 | 負責確認 |
|---|---|
| 業務 owner | 使用情境、價值、是否真的需要 AI |
| 資訊或資安窗口 | 權限、日誌、整合、帳號與撤權 |
| 法務或合規窗口 | DPA、個資、跨境、合約責任 |
| 資料 owner | 哪些資料可用、哪些資料不可用 |
| AI 導入 owner | 工作流、人工審核、停損與回查 |
| 主管 | 是否接受剩餘風險與成本 |
AI 採購最怕「每個人都以為別人看過」。審查表最後一定要有批准紀錄、資料範圍與下次回查日期。
把審查變成 45 分鐘決策流程
中小企業不需要把每個工具都審到三個月。第一版可以用 45 分鐘完成初判。
| 時間 | 要做什麼 | 產出 |
|---|---|---|
| 0-10 分鐘 | 說清工具用途與資料層級 | 這個工具要讀哪些資料 |
| 10-20 分鐘 | 檢查供應商文件 | DPA、資料使用、保存、子處理者 |
| 20-30 分鐘 | 判斷風險等級 | 可試用、限縮試用、需企業合約、暫停 |
| 30-40 分鐘 | 設定使用邊界 | 可用資料、禁止資料、人工批准 |
| 40-45 分鐘 | 指定 owner 與回查日 | 誰負責、何時複查、怎麼退出 |
決策結果可以分成四種：
- 低風險試用：只用公開或匿名資料，不接內部系統。
- 限縮試用：可用低敏內部資料，但不得上傳客戶、合約或個資。
- 正式審查：需要 DPA、企業方案、權限設定與批准紀錄。
- 暫停導入：供應商文件不足、資料風險過高或內部沒有 owner。
這樣做的好處是，不會把所有創新都擋住，也不會讓高風險工具偷偷進入正式流程。
不同工具類型該加問什麼
會議記錄與逐字稿工具
會議工具常會碰到聲音、姓名、職稱、客戶、報價、未公開決策與員工意見。
加問：
- 錄音與逐字稿保存多久？
- 會議參與者是否需要告知或同意？
- 是否能關閉訓練、摘要保存或共享功能？
- 外部客戶會議與內部人資會議是否要分開規則？
客服與 CRM AI 工具
客服和 CRM 最容易碰到客戶資料、例外承諾、退款、合約與商機資訊。
加問：
- 客服紀錄是否會被用於訓練或品質改善？
- Agent 是否能自動寄信、改狀態、建立優惠或更新欄位？
- 是否支援去識別、資料遮罩與人工批准？
- 客戶要求刪除或更正資料時，AI 索引能否同步處理？
文件與知識庫 AI 工具
文件工具常從「幫我找資料」開始，最後接到整個共享硬碟。
加問：
- 能否限制資料夾、標籤、檔案類型與使用者群組？
- 外部分享文件是否會被索引？
- 過期 SOP、草稿與未審核文件如何排除？
- 向量索引是否能刪除、重建與稽核？
Agent 與自動化平台
Agent 平台最需要看權限與動作邊界。
加問：
- 每個工具權限是否可拆開管理？
- 高風險動作能否要求人工批准？
- 操作日誌是否能追到使用者、工具、時間與輸入來源？
- Prompt injection 或外部內容誘導是否有 guardrail？
- 若 Agent 出錯，能否停用、回滾或切回人工流程？
30 天最小可行落地方式
不要一開始就建立厚重制度。第一個月只做三件事。
第 1 週：建立 AI 工具資料處理盤點表
列出目前團隊已使用或準備試用的 AI 工具。
欄位至少包含：
- 工具名稱。
- 使用部門。
- 負責 owner。
- 要處理的資料層級。
- 是否有 DPA 或資料處理文件。
- 是否可能使用資料訓練或改善模型。
- 保存期限。
- 子處理者或背後模型。
- 是否接內部系統。
- 下一次回查日期。
第 2 週：挑 3 個正在用的工具補審
不要全公司一次掃完。先挑最容易碰到客戶、合約、Email、會議或內部文件的 3 個工具。
每個工具只問三件事：
- 我們現在到底放了哪些資料進去？
- 供應商正式文件怎麼說？
- 是否需要限縮、升級方案、補 DPA 或暫停高風險用途？
第 3 週：設一條禁止線
先定義「沒有批准前，哪些資料不能上傳」。
例如：
- 客戶完整名單。
- 身分證、電話、地址、付款資料。
- 合約、報價、未公開財務。
- 員工考績、薪資與人資資料。
- 醫療、金融、保險、法律或教育敏感資料。
- 原始程式碼、API key、密鑰與內部憑證。
禁止線要寫給同仁看，不要只放在主管腦中。
第 4 週：把審查接進採購與試用流程
最後，把資料處理審查變成固定動作：
- 新 AI 工具試用前，先填資料層級與用途。
- 要接內部系統前，先確認權限、日誌與刪除。
- 要放客戶或個資前，先找法務、資安或資料 owner。
- 每季回查一次已上線工具。
- 續約前接 article-1187 的條款重審。
- 停用前接 article-1192 的退場演練。
這樣，AI 導入就不再靠「大家小心一點」，而是有一條能被執行的採購前防線。
參考來源與資料時間
資料查核時間：2026-09-24。
本文參考以下官方與權威來源，並以中小企業採購與導入情境整理成可執行清單：
- OpenAI API Data Controls：API 資料使用、保留與資料控制說明。
- Anthropic Claude API and Data Retention：Claude API 資料保存、零資料保存與不同平台責任邊界。
- Google Gemini Enterprise Agent Platform Zero Data Retention：零資料保存條件、prompt logging 與功能限制說明。
- NIST AI Risk Management Framework 與 Generative AI Profile：AI 風險治理、量測與管理框架。
- OWASP LLM Prompt Injection / Excessive Agency：提示注入與過度代理能力風險。
- 台灣個人資料保護法：個人資料蒐集、處理與利用相關責任仍須依正式法律與專業意見確認。
本文不構成法律、資安、個資、合規、採購或保險建議；供應商條款、保存期限、方案功能、資料地區、子處理者與零資料保存條件可能調整，正式採購前應以官方最新文件、正式合約與企業內部審查為準。
常見問題
Q1：小公司也需要 DPA 嗎？
如果只是用公開資料測試，不一定每次都要進正式 DPA 流程。但只要工具會處理客戶資料、個資、合約、付款、員工資料、內部文件或機密資訊，就應該確認是否有 DPA 或等效資料處理條款，並留下審查紀錄。
Q2：供應商說「不拿資料訓練」就夠了嗎？
不夠。還要確認保存多久、誰能讀、是否有子處理者、是否可刪除匯出、不同方案是否規則不同，以及上傳檔案、向量索引、操作日誌與使用回饋是否套用同一套規則。
Q3：零資料保存是不是最安全？
零資料保存是重要控制，但不是萬靈丹。要確認你的產品、方案、API、功能與地區是否符合條件，也要確認濫用偵測、快取、日誌、備份、支援與子處理者是否有例外。即使資料保存很短，Agent 權限、錯誤輸出與人工批准仍要治理。
Q4：如果供應商文件看不懂，該怎麼辦？
先不要把高敏感資料放進去。可用公開或匿名資料試用，同時把問題整理給供應商、法務、資安或外部顧問。若供應商無法提供正式文件或清楚回答資料處理問題，就不適合承擔正式營運流程。
延伸閱讀
🚀 想把 AI 工具導入到團隊流程，但不確定資料與權限邊界？ 可以先從 FlyPig AI 的流程健檢開始：預約流程健檢，把工具、資料、owner、審核與退場條件整理成一張可執行清單。