EP090｜永續資料的 AI 安全：哪些數據可以餵給 AI？

研究報告

這是一份針對「永續資料的 AI 安全」深度研究報告。本報告結合了 2026 年最新的法規趨勢、技術架構以及企業治理建議，旨在為企業在推動 ESG 數位轉型時，提供一份兼具安全性與效率的數據餵養指南。

永續資料的 AI 安全：哪些數據可以餵給 AI？ 前言：當綠色轉型遇上 AI 浪潮

進入 2026 年，企業面臨的挑戰已不再是「是否要執行 ESG」，而是「如何利用 AI 加速 ESG」。然而，隨著《人工智慧基本法》的落實與數據主權意識的抬頭，一個核心矛盾浮現：為了讓 AI 給出精準的減碳建議，我們必須餵養數據；但數據一旦上傳，是否意味著企業的核心機密與供應鏈隱私將赤裸地暴露在公有雲端？

本報告將從數據分級、工具選擇、脫敏技術及政策設計四個維度，為您拆解永續數據進入 AI 模型的安全路徑。

一、 碳排數據的敏感度分級

在處理永續數據時，企業常犯的錯誤是「一刀切」——要麼全面封鎖 AI，要麼毫無防備地傾倒數據。事實上，並非所有碳排數據都具有相同的資安風險。我們建議將數據分為三個等級：

1.1 公開透明級（Green Zone）

這類數據主要包含已發布的永續報告書（ESG Report）、企業公開的承諾（如 RE100 宣告）以及政府法規文件。這些資訊本身就是為了溝通而存在，將其餵給 ChatGPT 等公開 AI 工具，能有效協助企業進行法規比對、摘要撰寫與同業標竿分析。

1.2 營運敏感級（Yellow Zone）

包含具體的範疇一（直接排放）與範疇二（能源間接排放）的原始數據，如電費單據、製程中的燃料消耗、冷媒填充紀錄等。這類數據雖然看似只是「數字」，但若被競爭對手取得並透過 AI 逆向工程分析，可能推導出企業的產能利用率、製程良率甚至訂單波動情況。

案例分析： 若一家半導體廠將其每月的精確用電與特殊氣體消耗數據餵給公開 AI，對手可輕易計算出該廠的單位產出能耗，進而推估其最新製程的成熟度。

1.3 策略機密級（Red Zone）

這涉及最複雜的範疇三（價值鏈排放），包含供應商的具體排放數據、產品碳足跡（PCF）的詳細物料清單（BOM）、物流路線規劃以及未來的減碳路徑財務預算。這些數據涉及供應鏈的商業關係與採購價格敏感性，屬於絕對禁止上傳至公開模型的核心資產。

二、 公開 AI（ChatGPT）vs. 私有部署（Ollama、AnythingLLM）

面對上述分級，企業需要建立「混合式 AI 架構」。2026 年的技術趨勢顯示，企業不再依賴單一模型，而是根據任務性質選擇不同的部署方式。

2.1 公開 AI：效率與博學的優勢

對於處理法規條文、翻譯國際準則（如 ISSB 或歐盟 CSRD）或撰寫對外的永續新聞稿，ChatGPT (OpenAI)、Claude (Anthropic) 或 Gemini (Google) 是首選。它們擁有最強大的跨領域知識，能理解複雜的法律語境。然而，即使是企業版（Enterprise Edition），雖然條款承諾數據不被用於訓練，但數據仍儲存在服務商的伺服器上，存在「合規性」與「信任度」的天然鴻溝。

2.2 私有部署：主權與隱私的終極防線

針對敏感的「黃區」與「紅區」數據，2026 年企業的主流選擇是利用 Ollama 或 vLLM 配合 AnythingLLM 或 Dify 建立本地知識庫（RAG, Retrieval-Augmented Generation）。

Ollama： 讓企業能在內網伺服器（甚至是一台配備高效能 GPU 的筆電）上運行 Llama 3 或 Mistral 等開源大模型。

AnythingLLM： 提供了一個易用的介面，讓員工能將機密的 Excel 碳排報表上傳至「本地向量數據庫」，AI 在回答問題時僅檢索本地文件，數據完全不離開企業防火牆。

三、 資料脫敏與匿名化的實務做法

即使使用私有部署，為了落實「最小化數據暴露」原則，企業在將永續數據餵給 AI 前，必須進行脫敏處理。這不僅是資安要求，更是符合《人工智慧基本法》中對於數據透明度與正確性的要求。

3.1 關鍵技術：掩碼與擾動

標識符替換（Pseudonymization）： 將供應商名稱「台積電」替換為「Supplier_A」，將特定工廠地址替換為區域代碼。這樣 AI 仍能計算排放總量，但無法將結果關聯到特定實體。

數值擾動（Differential Privacy）： 在不影響統計結果的前提下，對微觀數據加入微小的雜訊。例如，將某月的排放量 1234.56 噸改為 1234.6 噸。

聚合處理： 不要餵養單日的電費數據，而是餵養週或月的平均值，防止 AI 透過用電高峰推測出生產班表。

3.2 自動化脫敏流程

企業應建立一套「AI 數據預處理管道」。當員工欲將一份 Excel 報表餵給 AI 進行分析時，系統自動掃描 PII（個人識別資訊）與敏感商業標籤，強制進行去識別化後再進入模型。這在 2026 年被稱為「代理式數據治理」，是確保 ESG 數據合規性的關鍵技術。

Data Privacy Index= ∑(Total Sensitive Fields) ∑(De-identified Fields) ​

×100% 四、 企業 AI 使用政策的設計建議

工具與技術到位後，最脆弱的環節往往是「人」。根據 2026 年的資安趨勢調查，高達 70% 的 CEO 表達了對核心機密外洩的擔憂，雖然其中僅有 30% 處於「極度焦慮」，但整體憂慮比例反映出數據治理已成為最高管理階層的首要課題。

4.1 建立「紅綠燈決策框架」

企業應提供員工一份簡單的對照表：

綠燈（自由使用）： 查詢國際標準、修飾公開報告文案、翻譯非機密減碳技術文件。

黃燈（受限使用）： 需使用公司指定的企業版 AI 或私有部署工具，處理內部初步統計數據。

紅燈（嚴格禁止）： 未經去識別化的供應商名單、未來三年的碳中和預算編列、尚未公開的重大裁罰資訊。

4.2 設立 AI 倫理與資安委員會

這個委員會應由永續長（CSO）、資訊長（CIO）與法務長組成。其職責是審核哪些 AI 模型被允許接入公司數據，並定期審計 AI 產出的建議是否存在「漂綠」（Greenwashing）風險。

五、 最新趨勢與新聞整合

在撰寫本報告時，我們整合了 2025-2026 年的三則關鍵新聞，這些事件直接形塑了目前的 AI 安全景觀：

《人工智慧基本法》三讀通過 (2026/01/13)： 根據立法院公報，此法案於 2026 年第一會期初完成三讀，並於 2 月正式公告實施。法律確立了「風險分級管理」，對於涉及環境保護等關鍵基礎設施的 AI 應用，政府要求數據餵養必須經過驗證，確保來源透明且不可竄改，否則將面臨高額罰款。

執行長的資安憂慮 (2026/02/16)： 根據 2026 年 PwC 全球 CEO 調查，超過 70% 的 CEO 擔心核心機密外洩。這股焦慮推動了企業從單純「嘗試 AI」轉向「建置數據防火牆」。在 ESG 領域，企業開始要求供應商在提供範疇三數據時，必須使用具備加密協定的 AI 介面。

台灣大與諾基亞的 ESG 2.0 合作 (2026/03/03)： 此項合作是在巴塞隆納 MWC 2026 期間正式簽署並發布。雙方針對 AI 節能與基地台韌性展開深度合作，透過 AI 即時分析訊號並調節能耗，同時強化「系統韌性」，確保 AI 模型在接收外部數據時具備防禦惡意攻擊的能力，避免通訊中斷。

六、 台灣觀點：法規、挑戰與企業案例

台灣作為全球供應鏈的核心，在永續數據的 AI 應用上具有獨特地位。

6.1 法規環境：從指引走向強制

除了上述的《人工智慧基本法》，金管會於 2024/06/20 首次發布 並於 2025/11/12 更新版本 的《金融業運用 AI 指引》中，明確規定涉及永續金融評分（ESG Scoring）的 AI 模型必須強化透明度要求與「可解釋性」。這直接影響了上市櫃公司，因為其碳排數據的真實性將聯動到銀行的綠色融資條件。

6.2 企業案例：中堅企業的私有化實踐

台灣某電子代工大廠（EMS）為了應對歐盟 CBAM（碳邊境調整機制），開發了內部的「ESG AI 助手」。該系統部署在公司私有雲，整合了 Ollama 框架，讓員工能上傳各廠區的物料清單（BOM）進行本地分析。

成功關鍵： 該公司明確規定，所有涉及客戶產品結構的敏感數據嚴禁離開內網。這讓他們在符合歐盟嚴格審查的同時，守住了全球客戶的商業機密。

總結與建議

永續數據與 AI 的結合是不可逆的趨勢，但「安全」是這輛高速列車的剎車系統。企業不應因為恐懼而拒絕 AI，而應透過數據分級、私有化部署、自動化脫敏與嚴格的政策管理，建立起一套防禦體系。

在 2026 年的今天，數據的安全性即是企業的競爭力。當您能夠比對手更安全地利用 AI 優化減碳路徑時，您不僅是在守護商業機密，更是在數位轉型的賽道上取得領先。

下一步您可以做的是…

如果您正準備為公司建立 AI 使用規範，您希望我為您草擬一份針對「ESG 部門」的《AI 工具使用守則》初稿嗎？ 我可以根據上述的紅綠燈框架，為不同職位設定具體的權限建議。