員工日常用 AI 不洩密完整 SOP：5 種高風險場景、7 條安全 Prompt 範本與 30 天升級計畫

你確定你的客戶名單，現在不是已經在 OpenAI 的訓練資料裡？這不是危言聳聽。Cybernews 2026 企業 AI 資料洩漏調查 訪談 1,200 家中小企業，43% 確認自家員工把含個資的內容貼進過免費版 AI 聊天工具，其中 12% 不知道資料事後會被怎麼使用。

這篇文章寫給兩種人。第一種是天天用 ChatGPT、Claude、Gemini 工作的上班族——你不想停用，但也不想哪天客戶突然問「我的合約怎麼出現在別人的 AI 回答裡」。第二種是想替員工建立 AI 安全 SOP 的中小企業老闆——你知道全面禁用不切實際，但完全放任又會出事。底下會給你 5 種高風險場景的具體判斷方法、7 條安全 Prompt 範本，以及一份 30 天員工 AI 安全升級計畫。

為什麼員工偷用 AI 比想像中嚴重

先看數字。台灣有 161 萬家中小企業，根據資策會 2026 上班族 AI 工具使用行為調查，78% 的上班族每週至少使用一次免費版 AI 工具處理工作，其中 32% 承認用來處理含「客戶資料、財務數字、內部文件」的工作。換句話說，每三個上班族裡，就有一個正在用免費 AI 工具碰公司敏感資料。

這個比例為什麼這麼高？因為 AI 工具好用到讓人忘記「我正在跟一個會學習的雲端服務說話」。員工常見的心態是「我只是貼一份合約進去問怎麼改幾個字」，沒意識到這份合約裡的客戶名稱、金額條件、付款方式，全部會被當作訓練資料儲存。OpenAI 在 2026 年 3 月才公開承認，免費版 ChatGPT 的對話會被用於模型訓練（除非用戶在設定中關閉），而 Claude 的 Free / Pro 計畫雖然預設不訓練，但對話會保留 30 天供安全審查。

更現實的問題是執法風險。台灣個資法第 27 條規定，企業未善盡保管責任導致個資外洩，最高可處 1,500 萬元罰鍰。台灣個資法執法案例彙整 顯示 2026 年第一季已有 7 件因「員工使用 AI 工具導致個資外洩」的裁罰案例，平均罰款 180 萬元。其中一家 30 人的法律事務所，因實習律師把訴狀貼進免費 ChatGPT 詢問改寫建議，最後當事人發現訴狀內容在 AI 回答中複現，事務所被罰 280 萬元並被當事人提告求償。

五種高風險場景：你哪一個正在踩雷

不是所有 AI 用法都危險。把日常工作分成「安全」「需要小心」「絕對不能」三類，比一刀切禁用實用得多。底下是五個最常見的高風險場景。

場景一：用 AI 整理會議紀錄

「老闆，我把這場與客戶的會議錄音逐字稿丟給 ChatGPT 整理一下重點。」這句話聽起來無害，實際上是高危險動作。會議錄音可能包含客戶姓名、公司名稱、商業條件、甚至競品分析。如果用的是免費版 AI 工具，這些內容會被保存。

安全做法：用企業版 AI 工具（Otter Enterprise、Fathom、Granola 都有「資料不訓練」承諾），或在本機跑 Whisper + 開源 LLM（Llama 3.3 / Qwen 2.5），整個流程不上網。第三條路是把錄音先用本地 OCR 轉成文字，把人名、公司名替換成代號（甲方、乙方、A 公司），再丟給 AI 整理。

場景二：用 AI 改寫合約條款

這是法務、業務助理、HR 最常做的事。合約裡有客戶名稱、金額、付款條件、違約金、保密協議——全部是高度敏感資訊。把整份合約貼進免費 AI 工具，等於把交易條件公開。

安全做法：用企業版 AI 工具，並設定「我只想改寫第 X 條，請只回覆改寫後的條款」這種範圍限制。或者用「條款模板替換」——把客戶名換成「{客戶}」、金額換成「{金額}」，AI 改完後再替換回真實內容。這個方法在內部稱為「變數化 Prompt」，是 2026 年企業 AI 安全教育訓練的標準動作。

場景三：用 AI 分析財務資料

「幫我看一下這份損益表，分析一下下個季度的營收預測。」這句話一旦把含真實數字的 Excel 貼進去，公司財務狀況就外流了。即便是企業版 AI 工具，也不建議在沒有事前流程化的情況下做這件事。

安全做法：先在本機把絕對金額轉成「相對比例」（例如把銷售 1,200 萬轉成「基期 100」），讓 AI 分析趨勢和邏輯，不接觸絕對數字。或者用 Microsoft Copilot Studio / Claude for Office，這類工具有明確的資料邊界承諾（資料留在 Microsoft 365 / Claude 企業環境內）。

場景四：用 AI 寫面試評估或員工績效

這場景最容易出意外。HR 主管把「某員工本季表現不佳，建議資遣」這種內容丟給 AI 潤稿，AI 學到的不只是文字風格，還有「公司資遣標準」「員工姓名」「績效評估邏輯」。一旦資料外流，公司面臨的不只是個資罰款，還有勞工訴訟。

安全做法：完全用企業版 AI 工具（Claude for Work、ChatGPT Enterprise），並在 IT 系統層級設定「HR 文件只能用內部 AI」。除此之外，HR 文件處理時建議再加一層「資料分類標籤」（例如標記為機密、限制存取），這在 Microsoft 365 / Google Workspace 都能設定。

場景五：用 AI 寫對外溝通信件

這是最常被低估的風險場景。員工為了寫一封給客戶的道歉信，把「客戶王先生上週反映我們的系統當機 3 小時，導致他的訂單延遲 2 天」整段背景貼進 AI 工具。客戶姓名、事件細節、公司問題全部外流。

安全做法：把客戶名稱、事件細節抽象化。「客戶反映系統當機，導致訂單延遲」→ 改寫成「客戶反映系統異常，造成延誤」，AI 寫出來的信件骨架一樣好用，但不暴露具體事實。等 AI 寫完，再由人類把抽象描述換回具體內容。

七條安全 Prompt 範本，貼上就能用

以下七條 Prompt 是我們幫客戶建立員工 AI SOP 時，最常被內化成標準模板的。每一條都用「變數化 + 範圍限制 + 輸出格式」三段式結構，把資料外流風險降到最低。

Prompt 1：合約條款改寫

Prompt 2：會議紀錄摘要

Prompt 3：客戶郵件回覆

Prompt 4：財務趨勢分析（純比例）

Prompt 5：簡報大綱發想

Prompt 6：競品分析（公開資料）

Prompt 7：履歷比對（脫敏版）

公司層級的 AI 防洩密 SOP：DLP 與資料分類

個人層級的 Prompt 範本只是第一層。如果公司規模到 30 人以上，光靠員工自覺不夠，要建立公司層級的防護機制。核心兩件事：DLP（Data Loss Prevention，資料外洩防護）和資料分類標籤。

DLP 是什麼？簡單說就是「在員工把敏感資料貼進不該貼的地方之前攔下來」。Microsoft 365 E5、Google Workspace Enterprise、CrowdStrike Falcon、Symantec DLP 都有這個功能。例如員工把含身分證字號的文字準備貼進 chat.openai.com，DLP 會跳出警告：「偵測到敏感資料，是否確定要貼出？」這層警告能擋下 60-80% 的非惡意外洩。

資料分類標籤則是把每份文件貼上「公開 / 內部 / 機密 / 限制」四級標籤，配合 IT 系統設定「機密以上文件不能上傳到外部 AI」。這在 Microsoft 365 叫做 Sensitivity Labels，Google Workspace 叫做 DLP for Drive，設定起來不複雜，但需要全公司一起配合。

30 天員工 AI 安全升級計畫

給老闆的具體行動指南。以 30 人公司為基準，預算大約 5-15 萬，30 天內可以把員工 AI 安全水準從「混亂」提升到「可控」。

教育訓練是整個計畫的關鍵。不要只發 PDF，要實作。最有效的方法是請員工帶他們平常會用 AI 的工作場景，在工作坊現場用「對的方式」做一次，讓他們親身感受「原來變數化處理之後，AI 給的答案差不多好用，但風險完全不同」。

三個導入失敗案例與教訓

講完該怎麼做，講三個常見的失敗版本。這些案例不是我們客戶，是公開報導 + 同業交流整理出來的趨勢。

失敗一：全面禁用 → 員工地下化使用

某 80 人的金融服務公司在 2025 年發現有員工把客戶資料貼進 ChatGPT，老闆震怒，全公司禁用所有外部 AI 工具，違者解僱。三個月後內部稽核發現，員工改用手機（私人裝置）繼續使用，且因為避免被抓，把資料抄下來貼進去，整個流程更危險。

教訓：禁用不可行。員工會找到方法繞過。正確做法是「給合規工具 + 立 SOP + 教育訓練」，讓員工在合法管道內把工作做好。

失敗二：買了企業版但沒做員工訓練

一家 50 人的設計公司花了 30 萬買 ChatGPT Enterprise，給全部員工。半年後檢視使用情況，發現只有 12 人實際使用，且其中 5 人還在用個人帳號（理由是「企業版回答比較保守、不好用」）。

教訓：工具買了不等於員工會用。沒有培訓、沒有範本、沒有督導機制，企業版會變成擺設。

失敗三：SOP 寫得太死板

某 200 人製造業寫了一份 60 頁的「員工 AI 使用規範」，列了 47 條禁用情境。員工看完覺得「乾脆不用」，AI 採用率反而下滑。

教訓：SOP 要「越短越具體」。建議控制在 2-3 頁，配 5-7 條 Prompt 範本，讓員工知道「該怎麼做」而不是「不能做什麼」。

下一步：把這份 SOP 落地到你的團隊

看完上面五個場景和七條範本，建議今天就做兩件事：第一，把這份文章轉給直屬主管 / 老闆，討論公司目前的高風險場景；第二，從一個最常用 AI 的部門（行銷或業務助理）開始，試跑 4-6 週「變數化 Prompt」，量化資料外流風險的降低幅度。

如果公司還沒有正式的 AI 治理框架，可以先從 中小企業 AI 治理委員會啟動指南 建立基礎，搭配 企業 AI 廠商資安紅線指南 把採購標準訂出來。需要顧問協助，可以參考我們的 AI 顧問服務。