員工用 AI 寫信，哪些資料可以貼？從客服回覆建立資料遮罩與複核流程

客服同仁想讓 AI 把回覆寫得更有禮貌，於是把整段來信貼進去。裡面有姓名、電話、訂單編號，還有內部備註。真正需要模型幫忙的，可能只是一段「如何清楚說明處理進度」的文字，卻連同整包資料一起送了出去。

Google Cloud 在 2026 年 10 月 8 日介紹面向中小企業的 Gemini 工作代理，強調連接既有工具與資料。這是廠商對產品方向的說明，不是企業已取得效率成效的證據。〔1〕 當 AI 接觸的資料更多，員工需要一套可操作的輸入與交付方法，而不只是一句「小心機密」。

第一步先看環境，不能只看產品名稱

同一品牌可能有個人帳號、企業帳號、不同方案、第三方連接器與外掛。能否使用某類資料，應依公司核准的環境、帳號、功能與資料規則決定。付費、關閉模型訓練或移除聊天紀錄，都不能單獨證明資料沒有其他保存或處理。

例如 Microsoft 的商業 Copilot 文件區分了模型訓練用途、互動紀錄保存，以及擴充代理的資料處理。〔2〕 這些說明有產品適用範圍，不能延伸成所有 AI 工具的共同保證。員工如果無法確認環境，就先改用虛構例子或只請模型提供格式。

先問模型要做什麼，再決定需要哪些欄位

請 AI 改語氣，通常不需要真實姓名與完整地址；請 AI 比對兩筆交易，可能需要能區分紀錄的代碼，但可以在公司內部先轉成任務代號。最小化的重點不是把所有內容刪光，而是留下完成任務所必需的條件。

本篇使用完全虛構的客服情境：客戶對配送延遲不滿；公司已確認貨件尚未送達，但未確認新到貨日，也尚未核准退款。這三項業務事實足以起草進度回覆，不需要客戶的電話、地址或付款資料。

遮掉姓名，仍可能重新辨識出人

「某地區唯一一家客戶、特定日期、特殊訂購品項」合在一起，仍可能讓知道背景的人辨識對象。因此「客戶 A」只是代稱，不等於已完成不可逆匿名化。視任務需要，還要減少精確地點、罕見職稱與過細日期等線索。

如果使用對照表把真實訂單改成案例代號，對照表應留在獲准的內部環境，不要和遮罩後資料一起貼給模型。模型回覆完成後，由有權限的人在原工作系統補回必要欄位。此流程仍需遵守公司規範，不能據此推定已符合所有法規或契約。

把已知、未知與禁止承諾寫進 Prompt

可用的初稿例如：「您好，很抱歉配送延遲造成不便。目前已向物流查詢進度，尚未取得可確認的到貨日期。我們會在取得更新後再向您說明；若您希望先了解其他處理選項，請告訴我們，我們將依可適用的規則協助確認。」這只是示範文字，真正寄出前仍要確認公司確實能履行查詢與後續通知。

比較不適合的句子是「明天一定送達，否則全額退款」。它雖然看起來更積極，卻加入了原始資料沒有的交期與賠償承諾。品質不只看流暢度，也要看它有沒有超出已知事實與授權。

交付前用四格複核，不只重讀一遍

1. 事實：每個日期、金額、狀態都能對回來源；沒有資料就不補造。
2. 承諾：退款、折扣、交期與後續通知是否有人負責、是否已獲授權。
3. 資料：是否意外帶出內部備註、其他客戶資訊或遮罩對照內容。
4. 對象：寄給誰、附件是哪一版、內部檢核文字是否已移除。

若發現已把不適當資料送入工具，先停止繼續分享，記錄使用的服務、帳號、時間與資料種類，依公司事件通報流程處理。不要為了求助，再把完整機密內容轉貼到另一個外部工具；後續保存、刪除與通知由有權限的窗口判斷。

把規範變成大家能重做的練習

部門可用三份虛構素材練習：客服來信、會議紀錄、主管報告。每人先圈出不必要欄位，再寫遮罩版本與 Prompt，最後交換檢查是否補造了事實或承諾。評量看的是留下什麼、移除什麼、為何如此，而不是誰寫得最快。

若公司需要建立跨部門共識，可評估 AI Prompt 與資訊安全講座，並先提供已核准的工具、資料規則與常見工作場景。若尚未有明確規則，應由管理與資訊窗口先定義可用範圍；講座可協助理解與練習，不能替代公司的核准程序。