AI 資料治理清單：從能不能用，到該不該用
用途、合法性、品質、敏感度、保存、權限與刪除，是每個 AI 專案都應回答的七個問題。
先釐清：這個問題真正影響什麼
有資料不代表能用於任何目的。AI 專案除了資料品質，還要確認蒐集與使用目的、個資與機密分類、第三方條款、保存期限與刪除要求。
核心判斷：若團隊無法回答資料從哪來、送到哪裡、誰能看到、何時刪除，就還不適合把它放進 AI 流程。
設計時應遵守的原則
- 用途明確且與原始蒐集目的相容
- 只使用完成任務所需的最少資料
- 資料品質問題要能被觀察與追蹤
- 供應商、模型與日誌都要納入資料流盤點
可直接採用的執行步驟
- 建立資料項目與來源清冊
- 標示個資、機密與合約限制
- 確認處理依據與使用範圍
- 設定存取、保存、遮罩與刪除
- 記錄資料去向與外部處理者
執行時應保留每一步的基準線、決策理由與結果，讓下一次擴大導入不必重新猜測。
決策提醒
若團隊無法回答資料從哪來、送到哪裡、誰能看到、何時刪除，就還不適合把它放進 AI 流程。
研究與政策來源
本文依下列官方框架、政策與研究重新整理，並轉化為可執行的企業導入方法。
常見問題
公開資料就能任意拿來訓練嗎？
若團隊無法回答資料從哪來、送到哪裡、誰能看到、何時刪除，就還不適合把它放進 AI 流程。 建議先以小範圍、可衡量的方式驗證，再依資料決定是否擴大。
AI 對話紀錄需要保存多久？
依應用情境、資料成熟度與風險而定。可先用本文的原則與步驟盤點，再把無法確定的部分列入 PoC 驗收。
先帶一個最卡的流程來聊
不用先準備完整規格。30 分鐘初談會先釐清問題、資料與預期成果，所有專案構想皆依 NDA 原則保密。
預約 30 分鐘初談