企業 AI 詞彙表
面向管理者、IT 與資料負責人的指南。了解可見風險，共同定義 Private AI 範圍。
Private AI
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。
深入了解Local LLM
本地 LLM 在選定電腦或伺服器執行推論。模型靠近資料有助定義處理路徑，但 OCR、嵌入及日誌服务仍需個別檢查。
深入了解On-premise AI
地端 AI 在企業維運的基礎設施執行。範圍不只是 GPU，還包含網路、儲存、身分、備份及事件回應。
深入了解Enterprise RAG
RAG 檢索相關資訊並作為產生答案的情境。企業 RAG 加入權限、版本及稽核要求，使檢索使用提問者獲准知識。
深入了解AI Agent
AI 代理使用模型選擇步驟與工具完成目標。除文件存取外，還需操作權限；模型建議操作不代表使用者獲授權。
深入了解Role-based access control (RBAC)
RBAC 依角色分配權限，並關聯工作區、來源及代理。隱藏按鈕不是權限執行。
深入了解Workspace
工作區將部門、客戶或專案的使用者、文件與代理組合，讓範圍可見，減少情境混用。
深入了解Shadow AI
Shadow AI 是企業核准或可見範圍之外的 AI 使用。風險取決於資料、工具、帳戶及合約，並不代表所有公共 AI 不安全。
深入了解Audit log
AI 紀錄應說明誰何時用哪些資料與模型做什麼、誰可審查。平衡必要證據與日誌敏感資訊。
深入了解Enterprise AI
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。
深入了解Private LLM
本地 LLM 在選定電腦或伺服器執行推論。模型靠近資料有助定義處理路徑，但 OCR、嵌入及日誌服务仍需個別檢查。
深入了解Sovereign AI
資料控制涵蓋原文、分塊、嵌入、索引、快取、答案及日誌。明確位置、權限、刪除與還原。
深入了解RAG
RAG 檢索相關資訊並作為產生答案的情境。企業 RAG 加入權限、版本及稽核要求，使檢索使用提問者獲准知識。
深入了解Grounding
引用將答案連接到文件、章節、頁碼與版本，以核查結論依據。僅檔名不保證正確。
深入了解Semantic search
企業搜尋依使用者權限跨來源檢索。關鍵字適合識別碼與精確名稱，語意檢索適合不同表述。兩者需實際測試。
深入了解LLM
大型語言模型依學習模式和上下文產生文字，並非經驗證的事實庫。
Embedding
用於比較關係的數值向量表示，需依實際語言和任務評估模型。
Vector database
儲存與檢索向量的系統。來源文件變化時需管理權限、備份和刪除。
Vector search
查找與查詢接近的向量，相似不代表正確或有權閱讀。
找不到結果，請嘗試其他詞彙。
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。