定義與概述
Private AI 是企業定義資料邊界、使用者、模型及部署的方法。隱私來自架構與營運，而非產品名稱。
如何實踐
從政策問答或合約檢索開始。區分公開與機密資料，指定負責人並選擇符合要求的環境。擴展前測試權限撤銷與刪除。
| 比較方案 | Public AI | Private AI |
|---|---|---|
| 範圍 | 通用任務及該服務允許的資料 | 經過選擇並定義權限的企業知識 |
| 資料邊界 | 核查供應商條款、方案及設定 | 定義資料位置、營運者及出站路徑並驗證 |
| 權限 | 依服務和企業方案而異 | 依角色、客戶和來源設計權限 |
公共 AI 依供應商、方案及合約而異；私有 AI 取決於架構與設定。沒有方案適合所有工作。
開始前檢查
- 允許資料
- 核准負責人
- 模型資料目的地
能力與部署需依專案確認，不作無證據認證、投資報酬或客戶聲明。
常見問題
資料必須離開網路嗎？
取決於部署與串接服務。先盤點模型、OCR、嵌入、備份及日誌流量，再確認邊界。
AI 答案可以直接採信嗎？
應核對原文、完整性及版本，尤其是法律、會計及重要決策。引用有助審查，但不保證正確。
如何啟動專案？
選擇明確用例、核准文件、負責人與驗收標準。小組測試答案品質、權限及成本後再擴展。
參考資料
公開來源解釋原則，不認證或背書 RAGBOX。
- NIST AI Risk Management Framework
- Microsoft: Retrieval-augmented generation
- OWASP: RAG Security Cheat Sheet
- OWASP: Prompt Injection Prevention
實際應用前需專家審閱，非個案法律或稅務建議。