「當只有 38% 的從業人員，相信董事會真的理解 AI 風險時，這個領導力缺口，和技術缺口一樣真實。」這句話出自 ISACA（國際資訊系統稽核與控制協會）發布 2026 年度 AI Pulse Poll 調查結果時，該協會新興趨勢工作小組成員、Smarter Contracts 首席隱私與資料倫理長 Ulrika Dellrud 的評論。
她指的不是技術跟不上，而是治理跟不上。多數企業的員工早就在工作裡用生成式 AI 寫信、抓資料、整理報告，但一份寫清楚「什麼能做、什麼不能做」、拿得出來檢視的 AI 使用政策，卻沒幾家公司真的定案。同一段時間，台灣《人工智慧基本法》已經正式公布施行，雖然條文本身鎖定的是政府部門的風險分級，其揭露的治理原則，卻等於把整個社會對「AI 該怎麼被管理」的期待值往上調了一階。企業如果還把「還沒寫 AI 使用政策」當成不急的待辦事項，接下來要面對的可能不只是效率落差，而是一旦出事，連自己有沒有盡到管理責任都說不清楚。
這個缺口有多大、台灣的法規又把期待值調到哪裡，得先從最新的調查數字看起。
有政策的企業不到四成，缺口正在變成監管風險
這份 2026 年的 ISACA AI Pulse Poll，訪問了超過 3,400 位橫跨資訊稽核、治理、資安、隱私與新興科技領域的全球數位信任專業人士。結果顯示，只有 38% 的組織有正式、完整的 AI 使用政策，雖然比 2025 年的 28% 已經成長不少；另外 30% 只有「有限度」的政策，還有 25% 完全沒有任何政策。同一份調查裡，90% 的受訪者相信員工其實已經在組織裡用 AI 做事。
換句話說，員工用 AI 的速度，遠遠超前組織把規則寫下來的速度。多數公司不是不知道員工在用，而是還沒把「能做什麼、不能做什麼」白紙黑字定案。
台灣的時間點，也剛好走到同一個轉折上。這部法規鎖定的是政府推動 AI 研發應用的風險分級框架，但其揭露的七大治理原則，包括人類自主、隱私保護與資料治理、透明與可解釋、公平不歧視、問責等，等於是把整個社會對「AI 治理」的期待值一起往上調。企業如果連一份內部 AI 使用政策都拿不出來，一旦真的發生資料外洩或誤用爭議，就很難證明自己有盡到治理義務。
這一節不細究員工怎麼繞過規範偷用 AI 的細節，那是另一個題目該談的現象，重點在於沒有政策這件事，正在從一個可以晚點處理的選項，變成企業遲早要回答的問題。
六大條款，從國際治理框架與台灣法規歸納而出
缺口確立之後，接下來要回答的是，該補的具體是哪六件事。這六條不是憑空列出來的，而是把目前全球最常被引用的三套 AI 治理框架交集起來，再疊上台灣現行法規裡跟企業日常最相關的三塊。
第一套是 NIST（美國國家標準暨技術研究院）在 2023 年發布的 AI 風險管理框架（AI RMF 1.0），性質是自願採用，卻已經被不少監管機關拿來當參考基準，核心分成治理、映射、衡量、管理四大功能。第二套是 ISO/IEC 42001，2023 年底發布，是全球第一個 AI 管理系統國際標準，企業可以像申請資安管理驗證一樣，找第三方驗證機構取得認證。第三套是歐盟《人工智慧法案》，具有法律強制力，適用範圍涵蓋在歐盟境內營運或影響歐盟使用者的企業。這三套框架的定位不同（一個自願、一個可驗證、一個強制），但共同要求幾乎一致，都要求組織先界定範圍，再做風險管理、資料治理、透明揭露，並且要有人為監督與問責機制。
再疊上台灣現行法規裡，跟企業日常最直接相關的三塊。個人資料保護法，劃出蒐集、處理、利用客戶資料的界線；著作權法，決定 AI 生成內容的權利歸屬要算誰的；營業秘密法，則是員工不慎外洩公司機密時，要面對的刑事責任。把國際框架的共同要求，疊上這三部台灣法規對應到的風險，抽出交集，就是接下來六節要逐一拆解的必備條款：範圍界定、資料輸入限制、人工複核、著作權歸屬、揭露標示、事件通報。
條款一：範圍要先講清楚，外包與新工具都要算進去
六條裡第一條談的是範圍。政策如果沒先講清楚「管誰」「管哪些工具」，後面五條就沒有立足點可以站。
適用對象不能只寫「正職員工」。外包廠商、約聘人員、實習生，只要接觸得到公司系統或資料，都應該一併納入。資料外洩的風險，不會因為對方的聘用身分是約聘就比較輕。
適用工具也不能只鎖定某一支聊天機器人。政策要涵蓋整類工具：公開型生成式 AI 聊天機器人、AI 寫作與繪圖工具、AI 程式碼助理（如 GitHub Copilot 這類會自動補完程式碼的工具）、企業內部自建部署的 AI 系統，並且區分「公司採購核准的工具」與「員工自行下載的工具」，分別訂出不同規則。
政策也不必一次涵蓋公司所有跟 AI 沾得上邊的應用。先鎖定「員工日常會接觸到的生成式 AI 工具」這個範圍最務實，像自建模型、AI 決策系統這類更大範圍的治理，可以留到下一階段再處理。
這個範圍常常沒顧到全體員工，現實也反映在數字上。ISACA 的同一份調查發現，2026 年只有 33% 的組織會對所有員工做 AI 訓練，雖然比 2025 年的 22% 已經進步，仍然代表多數企業的 AI 訓練還是只挑得到部分人。
條款二：這些資料，永遠不能貼進 AI 對話框
範圍界定確定了政策要管的人和工具，但真正容易出事的，是那些被貼進工具裡的資料。六條款裡，這一條最具體，也最容易寫成一份可以直接照著做的清單：不管多方便，客戶個人資料（姓名、聯絡方式、消費紀錄等）、公司財務數據、還沒公開的產品或研發計畫、原始碼與演算法、與第三方簽有保密義務的資訊，都不該貼進公開的 AI 工具。
政策應該具體到列出禁止輸入的資料類型清單，而不是只寫「請謹慎使用」這種空泛提醒。空泛的提醒，沒辦法讓員工知道界線畫在哪裡。
客戶個資與消費者資料，輸入前要有法源依據
個人資料保護法第 19 條規定，非公務機關蒐集或處理個人資料要有特定目的，並且符合法定情形之一；第 20 條進一步規定，利用個資也必須限於蒐集時的特定目的範圍內。員工把客戶資料貼進公開 AI 工具做整理或摘要，等於是在做蒐集時沒說好的另一件事，很容易就逾越了原本蒐集的特定目的。政策要明講，客戶姓名、聯絡方式、消費紀錄、財務資訊，一律不得輸入未經公司審核的 AI 工具；真的需要用 AI 處理客戶資料時，只能用公司自建、或簽有資料保護條款的內部工具。
營業秘密與商業機密，一旦外洩要負刑事責任
客戶個資之外，另一類同樣不能亂貼的資料，是公司自己的營業秘密。營業秘密法第 13 條之 1 的門檻，比多數員工想的低很多。只要知悉或持有營業秘密，未經授權或逾越授權範圍而重製、使用或洩漏，就可能構成犯罪，不需要證明員工是故意要把資料賣給競爭對手，最重可處五年以下有期徒刑或拘役，得併科新臺幣一百萬元以上一千萬元以下罰金。把公司原始碼、未上市財報數字、還沒申請專利的研發資料貼進公開 AI 工具，理論上就有可能落入這個範圍。
政策要具體點名：原始碼、演算法、未公開財務數據、研發規格書、供應商合約條款，一律禁止輸入未經公司核准的 AI 工具；業務上真的需要 AI 協助處理這類資料，應該要求走公司自建、或簽有「輸入內容不得用於訓練模型」授權條款的工具。資策會科技法律研究所也建議，企業可以在保密合約裡增訂 AI 使用指導方針，並透過終端使用者授權合約，限制 AI 服務提供者不得把上傳內容拿去訓練模型。
2023 年南韓三星（Samsung）半導體部門，就發生過真實案例。一名工程師為了除錯，把內部原始碼貼進 ChatGPT 尋求協助；另一名員工把會議錄音轉成逐字稿後，也丟進 ChatGPT 整理會議記錄；還有人拿它優化晶片良率測試的程式。三星隨後全面禁止員工在公司設備上使用生成式 AI 工具，直到自己建立起可控的內部替代方案為止。這件事點出的不是「AI 有問題」，而是當時公司沒有把禁止輸入的資料類型寫清楚，這個缺口本身就是風險。
條款三：AI 產出要人工複核，才有人為決策負責
資料輸入的界線劃清楚後，下一個問題是，就算輸入的都是允許的資料，AI 給出來的答案能不能直接拿去用。這一條談的是人為監督。AI 生成的內容或建議，在用於對外溝通、法律文件、人事決策、財務決策之前，一定要經過真人審核，不能讓 AI 的輸出直接變成公司的決策或對外文件。
這也呼應台灣《人工智慧基本法》七大原則裡的人類自主與問責這兩項。治理的精神原本就是，AI 可以輔助決策，但責任不能推給 AI。
這件事在國際上已經有真實先例。2023 年初，摩根大通（JPMorgan Chase）以及多家美國大型銀行陸續限制員工使用 ChatGPT，原因之一是擔心員工把敏感金融資訊輸入外部系統，或是讓 AI 未經查證的產出被當成決策依據，不符合金融業原本就嚴格的合規要求。金融業本來就是受嚴格監理的高風險決策場景，不容許「AI 說了算」這種事發生。
政策應該具體寫出哪些情境屬於高風險、必須人工複核，例如對外發布的內容、法律文件、人事任用或考核、金額超過一定門檻的財務決策；複核的人是誰、複核後又怎麼留下紀錄，也都要講清楚。
條款四：著作權歸屬先寫進契約，才不會事後起爭議
人工複核解決的是決策當下的風險，但 AI 生成的內容一旦要拿出去用、甚至商業化，還有一個更早該想清楚的問題——這份內容的著作權算誰的。經濟部智慧財產局的一份函釋（文號 1140522c），把 AI 生成內容的著作權判準講得很清楚。著作要受著作權保護，關鍵要看創作過程裡有沒有自然人真正投入創意。
如果員工只是把 AI 當成輔助工具使用，就像用繪圖軟體一樣，而實際的創意判斷來自員工本人，完成的成果仍然受著作權保護，歸屬則依照現行著作權法處理：第 11 條規定，職務上完成的著作，原則上歸雇用人所有；第 12 條規定，出資聘人完成的著作，依契約約定。反過來，如果整個創作過程完全由 AI 演算獨立完成，沒有人類的創意投入，就沒辦法主張著作權保護。
企業政策要把這件事寫進去。員工用 AI 輔助完成的工作成果，著作財產權歸屬比照公司既有的職務著作規定處理，原則上歸公司所有；也要提醒員工，使用前留意 AI 服務條款是否禁止商業用途，輸出內容是否可能跟訓練資料構成實質近似而有侵權風險，這一點，智慧財產局的函釋裡也特別提醒過。
蘋果公司（Apple）就曾經限制部分員工使用 GitHub Copilot 這類 AI 程式碼助理，原因之一正是擔心程式碼被外流，牽動智慧財產權疑慮。
條款五：AI 生成內容要不要揭露身分，政策要先定調
著作權的歸屬算清楚後，還有一件事沒有定案，就是要不要讓外界知道，這份內容其實出自 AI 之手。這一條分成對內、對外兩個層次。
先看對內。公司內部文件、簡報、草稿如果大量借助 AI 生成，政策可以要求標註「AI 輔助生成」，避免同事把還沒查證的內容誤當成事實引用。這個做法，也呼應數位發展部公布的《人工智慧基本法》執行配套方向，其中要求對 AI 產出內容進行適當的資訊揭露或標記。
再看對外。對客戶、合作夥伴或大眾發布的內容，如果是由 AI 生成或大幅修改過，政策要先定調要不要揭露、怎麼揭露。尤其要留意，全球最嚴格的規定已經拍板定案。歐盟《人工智慧法案》第 50 條明訂，AI 系統生成或竄改、讓人誤以為是真人真事的深偽內容（deepfake，包括看起來像真人的影像、音訊、影片），即使沒有欺騙意圖也必須揭露，這項透明義務將從 2026 年 8 月 2 日起生效。
就算公司業務沒有跨進歐盟市場，這也代表「AI 生成內容要不要揭露」已經是國際監理趨勢的主流答案。政策現在先定調，比等到被客戶或媒體追著問才臨時應對，從容得多。
條款六：資安事件多久要通報，政策要先訂出時限
把要不要揭露定調之後，還有一個更現實的問題，就是真的出事時，公司內部知不知道第一時間該找誰。這一條談的不是企業對政府機關的外部通報，那是個資法資料外洩事故的另一套機制。這一條要處理的是企業內部的流程，AI 誤用或資料外洩發生時，第一時間該通知誰、要在多久內通知。
ISACA 同一份 2026 年調查點出這個落差有多大：超過半數（56%）的受訪者，不知道萬一發生資安事件，要多久才能停止一個 AI 系統的運作；39% 表示不知道公司是否有「關閉或覆寫 AI 系統」的書面流程。這代表多數企業就算真的發生 AI 誤用或資料外洩，也沒有清楚的應變流程可以照著走。
政策應該具體寫出，員工發現自己或同事誤將機密或個資輸入 AI 工具時，要在多久內通知誰，例如資安或法務窗口；公司要指定誰有權限，在必要時暫停某項 AI 工具的使用。
政策本身也要訂出檢討週期，例如每半年或每年一次，隨著新工具上線、新法規上路（像台灣《人工智慧基本法》後續要建立的風險分類框架）調整內容，而不是寫完就放著不管。
不必一開始就寫出一份完美的長版政策。先把範圍界定、資料輸入限制、人工複核、著作權歸屬、揭露標示、事件通報這六條，各用一兩句話寫清楚、白紙黑字定案，就已經走在 ISACA 調查裡六成以上企業的前面，那些企業目前還停在「有限政策」或完全沒有政策的階段。
領導力的缺口，不會因為 AI 技術還很新就自動被原諒。現在動手把這六條寫下來，遠比等到真的出事、等監管機關上門才追著補，從容得多。